Symbol Error Analysis of Linear Receivers in Terahertz Channels under Channel-Noise Dependence

Résumé Technique : Analyse de l'Erreur de Symbole des Récepteurs Linéaires dans les Canaux Térahertz sous Dépendance Canal-Bruit

Énoncé du Problème
La bande térahertz (THz) (100 GHz à 10 THz) est cruciale pour atteindre des débits de données de l'ordre du térabit par seconde dans les futurs systèmes sans fil. Cependant, le plein potentiel de la technologie THz est entravé par des défis de propagation, notamment une atténuation sévère, l'absorption moléculaire et les imperfections matérielles. Une lacune importante dans les cadres d'analyse de performance existants est l'hypothèse d'indépendance entre le canal et le bruit additif. Dans les systèmes THz réels, cette hypothèse échoue souvent en raison du bruit d'absorption moléculaire induit par le canal et des imperfections matérielles (par exemple, les distorsions de l'émetteur et du récepteur), qui créent une dépendance statistique entre l'état du canal et le bruit. Les modèles traditionnels ignorant cette corrélation ne parviennent pas à prédire avec précision la performance des détecteurs linéaires, particulièrement dans les scénarios de fading profond. De plus, bien que les détecteurs Zero-Forcing (ZF) et Minimum Mean-Square Error (MMSE) soient des standards, l'impact spécifique de la dépendance canal-bruit sur leur taux d'erreur de symbole (SER), notamment concernant le biais inhérent introduit par le MMSE dans les modulations d'ordre supérieur, reste sous-exploré à travers divers modèles de fading THz.

Méthodologie
L'article développe un cadre analytique complet pour évaluer le SER des détecteurs linéaires (ZF et MMSE) dans les systèmes SISO (Single-Input Single-Output) THz. La méthodologie comprend les composantes clés suivantes :

1. Modélisation du Système et du Canal :

   • Modèles de Fading : L'étude considère trois environnements de fading distincts : le fading Rayleigh (référence), la distribution $\alpha-\mu$ pour les scénarios THz intérieurs, et la distribution Mixture-Gamma (MG) pour les scénarios THz extérieurs.
   • Corrélation du Bruit : Le cadre modélise explicitement la dépendance entre le canal ($h$) et le bruit ($n$). Deux approches sont utilisées :
     • Corrélation Statistique Directe : Utilisation d'un coefficient de corrélation complexe ($\lambda$) pour les canaux gaussiens.
     • Modélisation par Copules : Emploi des copules Farlie-Gumbel-Morgenstern (FGM) et Frank pour capturer les structures de dépendance complexes entre les amplitudes de canal non gaussiennes et le bruit.
   • Imperfections Matérielles : Un modèle de système THz spécifique incorpore le bruit de distorsion provenant des émetteurs et récepteurs, où la variance du bruit est proportionnelle à la puissance du canal ($|h|^2$).

2. Dérivation Analytique :

   • Détecteur ZF : Le bruit effectif est modélisé comme le rapport de variables dépendantes (bruit sur canal). L'article dérive la Fonction de Densité de Probabilité (PDF) de ce rapport pour les canaux distribués selon MG en utilisant les fonctions de Meijer G.
   • Détecteur MMSE : L'analyse dérive la PDF du signal reçu après filtrage. Crucialement, elle traite le problème de « désaccord » (mismatch) : le MMSE introduit un biais d'échelle qui déplace les zones de décision par rapport aux régions standard du ZF. L'article dérive les expressions du SER pour un MMSE opérant sous des zones de décision standard du ZF, ce qui constitue une hypothèse pratique courante.
   • Analyse Asymptotique : Des approximations à haut SNR sont dérivées pour caractériser la relation fonctionnelle entre le SER et le rapport signal sur bruit (SNR), en se concentrant sur les événements de fading profond.

3. Validation :

   • Les expressions théoriques sont validées par des simulations de Monte Carlo étendues ($N = 5 \times 10^6$ essais) à l'aide de MATLAB.
   • Les simulations couvrent diverses schémas de modulation (4-QAM et 16-QAM) et différentes intensités de corrélation.

Contributions Clés
L'article apporte les contributions techniques suivantes :

• Cadre Étendu : Il étend les travaux antérieurs sur la détection ZF dans les canaux Rayleigh et les canaux THz intérieurs pour inclure les environnements THz extérieurs modélisés par la distribution MG et pour inclure la détection MMSE.
• Modélisation de la Corrélation : Il fournit une solution généralisée pour la dépendance canal-bruit en utilisant à la fois la corrélation statistique directe et les méthodes de copules (FGM et Frank), en dérivant la PDF du bruit effectif pour ces scénarios.
• Analyse du Biais MMSE : Il analyse formellement la dégradation de performance des détecteurs MMSE lorsqu'ils utilisent des zones de décision basées sur le ZF. L'article démontre que si le MMSE offre une stabilité numérique, le biais inhérent provoque une perte de performance par rapport au ZF dans les modulations d'ordre supérieur (ex: 16-QAM) en raison du décalage des frontières de décision.
• Expressions Formelles et Semi-Analytiques : Les auteurs dérivent de nouvelles formulations semi-analytiques, des solutions de forme fermée et des approximations précises pour le SER à travers les canaux Rayleigh, $\alpha-\mu$ et MG.

Résultats
Les résultats des simulations démontrent un fort accord avec les expressions théoriques dérivées, validant la précision du cadre. Les conclusions clés incluent :

• Impact de la Corrélation : La dépendance canal-bruit affecte significativement la performance du récepteur. Pour un SER cible de $10^{-3}$, une corrélation de 70 % entraîne une dégradation d'environ 6,5 dB de l'SNR effectif par rapport au cas indépendant.
• Performance ZF vs MMSE :
  • Pour la 4-QAM, les détecteurs ZF et MMSE présentent des performances identiques, confirmant les prédictions théoriques.
  • Pour la 16-QAM, le détecteur MMSE (opérant avec des zones de décision ZF) subit une perte de performance d'environ 1 dB par rapport au ZF à un SNR de 5 dB. Cette perte est attribuée au biais qui décale les frontières de décision.
  • Cependant, le MMSE démontre une robustesse supérieure dans les conditions de fading sévères où le ZF souffre d'une amplification de bruit non bornée (inversion de canal).
• THz Extérieur : Le cadre caractérise avec succès le SER pour les scénarios extérieurs en utilisant la distribution MG, montrant que les expressions asymptotiques correspondent étroitement aux courbes théoriques dans les régions à haut SNR.

Signification et Revendications
L'article affirme fournir une base analytique fiable pour l'évaluation et l'optimisation des détecteurs linéaires dans les futurs systèmes de communication THz. Sa signification réside dans :

1. Réalisme : En incorporant la dépendance canal-bruit et les imperfections matérielles, le cadre offre une analyse plus cohérente physiquement qu'un modèle traditionnel de bruit indépendant.
2. Compromis Pratiques : L'analyse clarifie le compromis entre la stabilité numérique du MMSE (qui empêche l'amplification du bruit lors des fades profonds) et le désaccord des frontières de décision qui dégrade la performance dans les modulations d'ordre supérieur.
3. Guidage de Conception : Les résultats suggèrent que bien que le ZF soit optimal dans les régimes à haut SNR pour la 4-QAM, le MMSE reste une alternative pratique et robuste pour les modulations d'ordre supérieur dans des environnements THz réalistes, à condition que l'écart de performance (environ 1 dB) soit acceptable pour les exigences de fiabilité de l'application.

Les auteurs concluent que leur cadre est un outil précieux pour la conception des systèmes THz, car il peut être étendu à d'autres modèles de canal et de bruit, et souligne la nécessité de prendre en compte la corrélation canal-bruit dans la conception des réseaux de nouvelle génération.