Les filtres blanchissants aident faible

Oct 07, 2023

Dans le monde interconnecté et en évolution rapide d’aujourd’hui, les systèmes de communication sans fil à faible consommation jouent un rôle de plus en plus important. Ils permettent à des appareils tels que les appareils portables, les capteurs IoT et les gadgets pour maison intelligente de transmettre et de recevoir des données efficacement tout en économisant l'énergie. Cependant, un défi spécifique peut surgir dans ces systèmes : transmettre de longues séquences de bits identiques dans un flux de données.

Lorsqu'une radio envoie un flux continu de bits cohérents via un canal de communication, cela peut entraîner divers problèmes, notamment des problèmes de synchronisation et des effets d'interférence inter-symboles (ISI) intensifiés. Ces problèmes peuvent nuire à la réception précise des données transmises, ce qui a un impact sur les performances globales du système.

Pour relever ce défi, les ingénieurs utilisent souvent une technique de traitement du signal appelée « blanchiment ». Dans les sections suivantes, nous aborderons les principes fondamentaux des filtres blanchissants, leurs avantages et leurs applications dans divers protocoles de communication sans fil.

Lorsque nous parlons de « blanchiment », nous parlons essentiellement d'un processus qui rend un signal plus aléatoire. Imaginez que vous écoutez une chanson. Si vous pouviez voir les ondes sonores de la chanson, elles ressembleraient à un motif qui se répète au fil du temps. Ce motif répétitif est ce que nous appelons la corrélation du signal.

En revanche, si vous écoutez le bruit statique d’une radio non réglée, le son est complètement aléatoire, sans aucun motif : c’est ce que nous appellerions un signal blanc ou blanchi.

Pourquoi voulons-nous brouiller les données sous une forme plus aléatoire avant de les envoyer ? Le fait est que les systèmes de communication du monde réel ne sont pas parfaits. Le signal transmis peut être affecté par divers facteurs au cours de son trajet de l'émetteur au récepteur. Par exemple, il peut rebondir sur les bâtiments (phénomène appelé propagation par trajets multiples) ou être déformé en raison des caractéristiques du support de transmission (comme la présence de bruit).

Lorsqu'une longue chaîne de symboles identiques (par exemple, une longue chaîne de 1 ou de 0) est envoyée via un tel système, toute distorsion affecte de la même manière tous ces symboles. En conséquence, l’impact de la distorsion est aggravé.

En revanche, si les données sont plus aléatoires (comme c'est le cas après le blanchiment), l'impact d'une distorsion donnée est moins susceptible d'affecter de la même manière plusieurs symboles successifs. Cela peut aider à réduire les effets de l'ISI, permettant au récepteur d'interpréter plus facilement chaque symbole.

Le blanchiment aide également à répartir la puissance du signal uniformément sur la bande de fréquences, garantissant qu'aucune fréquence spécifique ne transporte trop de puissance. Ceci est important car les organismes de réglementation ont souvent des règles sur la quantité de puissance qui peut être transmise à une fréquence donnée.

Pour produire des données blanchies, les données utiles sont XOR avec une séquence pseudo-aléatoire qui change continuellement (Figure 1). Cette séquence pseudo-aléatoire est généralement générée via un registre à décalage à rétroaction linéaire (LFSR).

Tout d’abord, un petit aperçu des LFSR :

Un LFSR est un registre à décalage avec une fonction linéaire de l'état précédent comme entrée. À chaque étape (ou « cycle d'horloge »), chaque bit du registre est décalé vers la position suivante, et le nouveau bit décalé est la sortie d'une fonction linéaire de l'état précédent du registre. Cette fonction est souvent simplement le XOR (Exclusive OR) de plusieurs positions « exploitées » dans le registre.

Plongeons dans un exemple pratique, où nous générons des données blanchies en effectuant un XOR sur les données avec une séquence PN9.

Une séquence PN (bruit pseudo-aléatoire) est une séquence de bits qui semble aléatoire mais qui est générée de manière déterministe. Il a une longueur spécifiée, après quoi il se répète, et cette longueur est définie comme 2n-1.

Dans le cas d'une séquence PN9, c'est 29 - 1 = 511 états. Lorsqu'elle est cadencée, la séquence PN9 génère toutes les valeurs comprises entre 1 et 511 dans un ordre pseudo-aléatoire avant de se répéter.

Le PN9 est représenté par le polynôme x9+ x5+ x0. Le polynôme détermine les points de rétroaction ou « prises » dans le LFSR (les 9e et 5e bits). Cela signifie qu'à chaque impulsion d'horloge, les données dans les neuf registres seront décalées une fois vers la droite et une donnée PN sera sortie du registre, et le bit 0 (le LSB) et le bit 5 seront XOR pour produire un nouveau bit qui sera décalé vers le MSB à la prochaine horloge.