Un modèle de canal à deux états de Markov alternant entre un état « bon » avec faible probabilité d'erreur et un état « mauvais » à probabilité d'erreur plus élevée ; les transitions d'état suivent une chaîne de Markov à états finis, introduisant une corrélation temporelle (rafales) des erreurs.

Principe

Parce que le canal possède une mémoire via les transitions markoviennes, la seule probabilité d'erreur moyenne à long terme ne suffit pas à caractériser les performances ; la distribution des longueurs de rafales et les taux de transition d'état influencent l'agrégation des erreurs et la performance des codes.

Démonstration

Scénario illustratif → Un lien binaire est modélisé par deux états G et B. Reconnaissance → le concepteur suppose des probabilités d'erreur p_G≪p_B et des probabilités de transition markoviennes entre G et B. Action → le système utilise de l'entrelacement (interleaving) ou des codes contre erreurs par rafales dimensionnés sur les longueurs de rafale attendues. Conséquence → ces mesures atténuent l'impact des erreurs consécutives qui feraient échouer des codes optimisés pour des erreurs indépendantes.

Mauvaise application

Employer un modèle sans mémoire (par ex. BSC avec la même probabilité d'erreur moyenne) ignore la structure en rafales et peut produire des codes qui échouent de manière catastrophique pendant une rafale ; la moyenne masque l'agrégation temporelle cruciale pour les modes de défaillance du décodeur.

Conséquence

Si applicable, le modèle prédit la rafale d'erreurs et motive l'usage d'entrelacement, de codes orientés rafales ou de décodage état‑dépendant. Son mauvais usage conduit à sous-estimer les concentrations d'erreurs de pointe, augmentant les pertes de trames ou paquets.

Inversion

Si la dynamique du canal n'est pas bien décrite par une chaîne de Markov à deux états (p. ex. plusieurs états, dépendance à longue portée ou comportement non markovien), le modèle Gilbert–Elliott peut mal représenter les statistiques de rafales et nécessiter un modèle plus riche.

Limite

Clairement inclus : canaux dont le comportement d'erreur à court terme bascule entre régimes de qualité distincts et dont la mémoire est approximée par une Markov à deux états. Cas limite : canaux avec plus de deux régimes dominants ou qualité variant lentement, où deux états sont une approximation. Hors du champ : canaux sans mémoire ou canaux avec processus d'erreurs à queues lourdes/dépendance à longue portée.

Tension sémantique

Parcimonie du modèle et tractabilité analytique (Markov à deux états) ↔ Nécessité de capturer une dépendance temporelle riche (modèles multi‑états ou à longue portée) pour des prédictions précises.

Synthèse

Le modèle Gilbert–Elliott fournit l'extension markovienne minimale pour capturer les erreurs par rafales et explique pourquoi codage avec entrelacement ou décodage état‑sensible est nécessaire dans les canaux à mémoire ; son adéquation doit être vérifiée par rapport aux transitions d'état mesurées.