Segmentation of Signals by Wavelet Maxima: Application to the Prediction of the Radioelectric Coverage Zones. Segmentation de Signaux par Maxima D’Ondelette: Application à la Prédiction de Zones de Couverture Radioélectrique

Segmentation of Signals by Wavelet Maxima: Application to the Prediction of the Radioelectric Coverage Zones

Segmentation de Signaux par Maxima D’Ondelette: Application à la Prédiction de Zones de Couverture Radioélectrique

P. Carré Y. Pousset  R. Vauzelle  C. Fernandez 

Laboratoire Ircom-SIC UMR CNRS 6615, BP 179, 86960 Futuroscope

Corresponding Author Email: 
carre@sic.sp2mi.univ-poitiers.fr
Page: 
195-211
|
Received: 
23 July 1999
|
Accepted: 
N/A
|
Published: 
30 June 2001
| Citation

OPEN ACCESS

Abstract: 

Within the framework of a research on cellular networks of radio communication, it is essential to be able to predict the area which would be covered by transmitters. To study a transmitter, the standard method consists in applying an electromagnetic wave propagation model to various positions defined according to a constant spatial step. Yet, that method leads to a considerable computation time which might become unexploitable in complex geographical environments. There have already been some researches studying how to reduce that computation time. They consist in the simplification of the propagation model used. The processes in our article is complementary to them. Indeed, our technique is independent of the model. The idea is to reduce the number of calculation points of the model. The method presented here is based on an hypothesis which needs two elements to be confirmed: the segmentation of the signals measured by a mobile receiver ; a software used for the electromagnetic analysis of the geographic studied area. Thus, the purpose is to segment the received signal into intervals corresponding to particular combinations of physical phenomena. To do that, a representation suggested by Mallat and Zhong called “Wavelet Maxima Representation” is studied. That decomposition allows the study of the derivative of a function at different scales. We shall present a method of signal segmentation based on the maxima chaining through the scales of the decomposition. The chaining helps us select the largest discontinuities of the signal and thus segment it.

Résumé

Dans le cadre du déploiement des réseaux cellulaires de radiocommunication, il est nécessaire de prédire la zone de couverture des émetteurs. Pour un site d'émission, la technique classique consiste à appliquer un modèle de propagation des ondes électromagnétiques en différentes positions définies selon un pas spatial constant. Toutefois, cette méthode conduit à un temps de calcul très important voire prohibitif dans des environnements géographiques complexes. Des approches existent pour réduire le temps de calcul ; elles consistent à simplifier la complexité du modèle de propagation utilisé. La démarche proposée dans cet article est complémentaire. En effet, elle est indépendante du modèle et porte sur la réduction du nombre de points d'application de ce modèle. La méthode présentée s'appuie sur une hypothèse dont la vérification nécessite la segmentation de signaux mesurés par un récepteur mobile et un logiciel d'analyse électromagnétique de l'environnement de mesures. Ainsi, l'objectif est de segmenter le signal reçu en intervalles correspondant à des combinaisons particulières de phénomènes physiques. Pour cela, une représentation proposée par Mallat et Zhong appelée « représentation en maxima d'ondelettes » est étudiée. Cette décomposition permet l'étude des dérivées d'une fonction à différentes échelles. Nous proposons une méthode de segmentation de signaux basée sur le chaînage des maxima à travers les échelles. Ce chaînage permet de sélectionner les discontinuités les plus importantes du signal et ainsi de le segmenter.

Keywords: 

Mobile, wavelet maxima, chaining, segmentation, measured signals, prediction of coverage areas.

Mots clés 

Radiocommunication, maxima d'ondelettes, chaînage, segmentation, signaux mesurés, prédiction de zones de couverture.

1. Introduction
2. Hypothèse pour L’optimisatio
3. Segmentation de Signaux par Maxima D’ondelettes
4. Méthode D’optimisation
5. Conclusion
6. Remerciements
  References

[1] G. Athanasiadou and A. Nix. Investigation into the sensitivity of the power predictions of a microcellular ray tracing propagation. IEEE Trans. on Vehicular technology, 49(4) : 1140-1151, July 2000.

[2] L. Aveneau,Y. Pousset, R. Vauzelle, and M. Meriaux. Physical and computer optimisation for the 3d utd model. In AP2000, Swizerland, April 2000. 

[3] A. Bijaoui, J. Starck, and F. Murtagh. Restauration des images multiéchelles par l’algorithme à trous. Traitement du Signal, 11 : 232-243, 1994. 

[4] L. Boithias. Propagation des ondes radioélectriques dans l’environnement terrestre. Collection technique et scientifique des télécommunications. DUNOD, 1983. 

[5] S. Chang. Image interpolation using wavelet-based edge enhancement and texture analysis. Master’s thesis, Berkeley University, May 1995. 

[6] J. Deygout. Correction factor for multiple knife-edge diffraction. IEEE Trans. On Antennas and Propagation, 39(8), 1991. 

[7] M. Hata. Empirical formula for propagation loss in land mobile radio services. IEEE Trans. on Vehicular Techn., 29(3) : 317-325, 1980. 

[8] M. Holschneider, R. Kronland-Martinet, J. Morlet, and P. Tchamitchian. A real-time algorithm for signal analysis with the help of the wavelet transformIn J.M. Combes, A. Grossmann, and P. Tchamitchian, editors, Wavelet, Time-Frequency Methods and Phase Space, pages 289-297. Springer-Verlag, Berlin, 1989. 

[9] X. Lagrange. Les réseaux radiomobiles. Hermes, 2000. 

[10] C. Lee. Mobile cellular telecommunications systems. Mc Gray-Hill international editions, New York, 1990. 

[11] W. Lee. Mobile Communications Design Fundamentals. Wiley Series in Telecommunications, New York, 1993. 

[12] J. Lu. Signal Recovery and Noise Reduction with Wavelets. PhD thesis, Dartmouth College, June 1993. 

[13] J. Lu, J. Weaver, D. Healy, and Y. Xu. Noise reduction with multiscale edge representation and perceptual criteria. In International Symposium on Time-Frequency and Time-Scale Analysis. IEEE, October 1992. 

[14] S. Mallat. A theory for multiresolution signal decomposition: the wavelet transform. IEEE Trans. on PAMI, 11(7) : 674-693, 1989. 

[15] S. Mallat. A wavelet Tour of Signal Processing. Academic Press, San Diego, 1998. 

[16] S. Mallat and W. Hwang. Singularity detection and processing with wavelets. IEEE Trans. Information Theory, 38(2) : 617-643, 1992. 

[17] S. Mallat and S. Zhong. Characterization of signals from multiscale edges. IEEE Trans. on PAMI, 14(7) : 710-732, July 1992. 

[18] Y. Meyer. Ondelettes et opérateurs, volume I. Hermann, Paris, 1990. 

[19] G. Nason and B. Silverman. The stationary wavelet transform and some statistical applications. In Anestis Antoniadis and Georges Oppenheim, editors, Wavelets and Statistics, volume 103 of Lecture Notes in Statistics, pages 281-299, New York, 1995. Springer-Verlag. 

[20] Y. Okumura. Field strength and its variability in VHF and UHF land-mobile radio service. Review of the electrical communnication laboratory, 16 (910) : 825-873, 1968. 

[21] D. Parsons. The mobile radio propagation channel. Wiley-Pentech Publications, 1992. 

[22] J. Parsons. The Mobile Radio Propagation Channel. Pentech Press, 1992. 

[23] J. Pesquet, H. Krim, and H. Carfantan. Time-invariant orthonormal wavelet representation. IEEE Trans. Signal Processing, 44(8) : 1964-1970, August 1996. 

[24] Y. Pousset. Optimisations pour la prédiction des zones de couverture radioelectrique. PhD thesis, Ircom-Sic Laboratory, University of Poitiers, July 1999. 

[25] M. Shensa. Wedding the à trous and Mallat algorithms. IEEE Trans. Signal Processing, 40(10) : 2464-2482, 1992. 

[26] S. Zhong. Edge Representation from Wavelet Transform Maxima. PhD thesis, New York University, September 1990.