ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
o0o
LÊ ANH ĐỨC
KỸ THUẬT XỬ LÝ CƠ BẢN TRONG HỆ THỐNG
MIMO KÊNH FADING PHẲNG VÀ ĐÁNH GIÁ
ĐỘ PHỨC TẠP CỦA CÁC KỸ THUẬT NÀY
LUẬN VĂN THẠC SỸ
CHUYÊN NGÀNH : KỸ THUẬT ĐIỆN TỬ
MÃ SỐ : 60 52 70 HÀ NỘI – 2009
Luận văn thạc sĩ
1
MỤC LỤC
Danh mục các hình vẽ 4
Danh Mục viết tắt 6
MỞ ĐẦU 7
3.6 ZF với SIC 41
3.6.1 Miêu tả thuật toán 41
3.7 MMSE với SIC 42
3.7.1 Miêu tả thuật toán 42
3.8 Phƣơng pháp tách với xác suất lớn nhất (MLD) 43
3.8.1 Miêu tả thuật toán 43
3.8.2 Phân tích hiệu suất 44
3.8.3 MLD với lối ra quyết định mềm 46
3.9 So sánh hiệu suất 48
3.9.1 Mô phỏng không mã hóa 48
3.9.2 Mô phỏng có mã hóa 54
3.10 Tƣơng quan không gian 56
CHƢƠNG IV:SO SÁNH ĐỘ PHỨC TẠP CỦA CÁC KỸ THUẬT
MIMO 59
4.1 Mở đầu. 59
4.2 Độ phức tạp của ZF 60
4.3 Độ phức tạp của MMSE 61
4.4 Độ phức tạp của ZF với SIC 62
Luận văn thạc sĩ
3
4.5 Độ phức tạp của MMSE có SIC 63
Luận văn thạc sĩ
4
Danh mục các hình vẽ
Hình 1-1: Mô hình tín hiệu truyền 11
Hình 1-2: Phổ công suất Doppler 12
Hình 1-3: Mô hình quả cầu đóng gói 12
Hình 1-3 hàm mật độ xác suất của đại lượng
2
log(1 )h SNR
với kênh fading
Rayleigh . 14
Hình 2-1: Mô hình vật lý tương đương của hệ thống MIMO 16
Hình 2-2: Phân bố công suất theo thuật toán đổ nước 18
Hình 3-1 : Cấu trúc tổng quát của một hệ thống MIMO 21
Hình 3-2: Sơ đồ STBC Alamouti 25
môi trường fading Rayleigh có tương quan, r= r
RX
= r
TX
=0.6 BPSK và 16-
QAM, không mã hóa 53
Hình 3-15: BER với hệ số tương quan r= r
RX
= r
TX
ở hệ thống 4x4 trong môi
trường fading Rayleigh phẳng có tương quan không gian, BPSK và 16-
QAM, không mã hóa, và ZF và MLD cho trường hợp SNR trung bình
khác nhau trên anten RX 53
Hình 3-16: BER với hệ số Ricean K ở hệ thống 4x4 trong môi trường fading
Ricean phẳng không có tương quan không gian, điều chế BPSK , không
mã hóa, và ZF và MLD cho trường hợp SNR trung bình khác nhau trên
anten RX 54
Hình 3-17: SDM với mã hóa liên kết 54
Hình 3-18: BER và PER với SNR trung bình trên anten RX ở hệ thống 2x1 và 2x2
trong môi trường fading Rayleigh phẳng với hiệu quả của 2bits/Hz như
sơ đồ mã hóa: Alamouti (A), STTC 8 trạng thái (T), và SOMLD với mã
ngoài cuốn 8 trạng thái, giới hạn dưới PER của hệ 2x1 cũng được vẽ ra 55
Hình 3-19: BER và PER với SNR trung bình trên anten RX ở hệ thống 2x4 và 2x8
trong môi trường fading Rayleigh phẳng với hiệu quả của 2bits/Hz như
sơ đồ mã hóa: Alamouti (A), STTC 8 trạng thái (T), và SOMLD với mã
ngoài cuốn 8 trạng thái, giới hạn dưới PER của hệ 2x1 cũng được vẽ ra 56
Hình 3-20: Hiệu suất và giới hạn trên của BER MLD với trung bình SNR trên
anten RX cho trường hợp tương quan không gian ở mô hình và ở phép đo
trong hệ thống 4x4 58
MLD Maximum likehood detection
PAC Per-Antenna coding
PDF Possibility distribution function
RX Receiver
SDM Space division multiplexing
SER Symbol error rate
SIC Successive interface cancellation
SIMO Single input multiple output
SISO Single Input Single Output
SNR Signal to noise ratio
SVD Singular Value Decomposition
STBC Space time block code
STC Space time coding
STTC Space time trellis code
V-BLAST Vertical Bell-Labs Layered Space-Time
ZF Zero focing
Luận văn thạc sĩ
7
MỞ ĐẦU
- Ngày nay có rất nhiều những ứng dụng truyền tin đòi hỏi băng thông rộng
như mạng cục bộ tốc độ cao, các dịch vụ đa phương tiện tới từng gia đình,
các dịch vụ y tế cá nhân bao gồm truyền cả hình ảnh số, hệ thống thông tin
vô tuyến băng rộng thế hệ 3 Song do phổ tần số là hữu hạn, nên các hệ
thống trong tương lại phải thiết kế theo hướng tận dụng phổ có hiệu quả
nhằm tăng thông lượng kết nối và dung lượng mạng.
Mặt khác do fading trong đường truyền vô tuyến kết hợp với giới hạn
Shannon nên việc tăng tốc độ truyền dữ liệu quả là khó khăn
thiêt kế chế tạo sau này cho từng ứng dụng cụ thể. Khóa luận gồm 4
chương
Chƣơng 1: Đặc tính đƣờng truyền tin vô tuyến và dung năng
kênh đơn
Chƣơng 2: Mô hình kênh MIMO
Chƣơng 3: Kỹ thuật xử lý trong kênh fading phẳng
Chƣơng 4: So sánh độ phức tạp của các kỹ thuật và kết luận
Luận văn thạc sĩ
9
CHƢƠNG I: ĐẶC TÍNH ĐƢỜNG TRUYỀN TIN VÔ TUYẾN
VÀ DUNG NĂNG KÊNH ĐƠN (SISO)
Khác với kênh truyền hữu tuyến, quá trình truyền dẫn từ bộ phát đến bộ thu
Công suất suy hao trung bình của một tín hiệu là
L=cd
n
(1.2)
C: là một hằng số
n: là số mũ giới hạn từ 2 tới 5
Giá trị c và n phụ thuộc vào môi trường.Suy hao là một nhân tố giới hạn thông tin
truyền đi từ bộ phát
Luận văn thạc sĩ
10
1.2 Hiệu ứng che khuất
Nguyên nhân che khuất là do các chướng ngại vật tương đối lớn trên đường truyền
của tín hiệu vô tuyến. Các yếu tố ảnh hưởng đến hiệu ứng che khuất là địa hình
bao quanh trạm cơ sở, các thành phần di động và độ cao của anten
Thông thường hiệu ứng che khuất được tạo ra là một quá trình ngẫu nhiên. Nếu
không tính đến các nguyên nhân gây nên suy hao khác, thì tín hiệu thu r(t) được
cho bởi:
r(t)= g(t)s(t) (1.3)
s(t): là tín hiệu phát
g(t): là một quá trình ngẫu nhiên tạo ra hiệu ứng che khuất
Với một khoảng thời gian quan sát đã cho, giả sử g(t) là một hằng số thường được
tạo ra là một biến số ngẫu nhiên loga, thì mật độ phổ công suất của nó được cho
bởi :[2]
được đo bằng dB. Đối với môi trường di động tế bào
1.3 Hiệu ứng fading
Tín hiệu đi từ nơi phát đến nơi thu không chỉ theo một đường duy nhất mà
nó đi theo rất nhiều đường khác nhau. Giữa nơi thu và nơi phát có nhiều vật thể
che chắn chúng sẽ gây ra phản, các vật che chắn như là tòa nhà, cây, đồi núi…Nó
ảnh hưởng rất lớn tới tín hiệu thu. Nói chung tín hiệu được truyền từ nơi nhận đến
nơi thu theo tất cả các đường khác nhau, tín hiệu có thể đến trực tiếp hoặc có thể
đến gián tiếp thông qua một loạt các phản xạ trên các vật cản. Do sự khác nhau về
chiều dài của các đường truyền: đường trực tiếp, đường phản xạ, đường nhiễu xạ,
và sự phân tán của tín hiệu mà thời gian đến nơi thu của từng đường khác nhau
thêm vào đó pha của các sóng tín hiệu cũng thay đổi do phản xạ hoặc do quang
trình khác nhau. Kết quả là nơi thu sẽ có sự chồng chập của nhiều tín hiệu có pha
và thời gian đến khác nhau ( hay còn gọi là trễ thời gian). Các tín hiệu thu được
mạnh hay yếu tùy thuộc vào từng thời điểm.
Hiện tượng trên gọi là fading đa đường. Đây chính là tính chất đặc trưng trong
kênh vô tuyến. Mức tín hiệu sóng truyền thay đổi lien tục. Fading đa đường làm
tăng tốc độ lỗi bít cảu dữ liệu tại máy thu. Fading chia ra thành nhiều loại
Luận văn thạc sĩ
11
- Fading phẳng
- Fading chọn lọc tần số
- Fading nhanh
- Fading chậm
Fading phẳng là khi kênh vô tuyến có băng thông tuyến tính lớn hơn băng
thông tín hiệu. Fading phẳng sẽ làm thay đổi tín hiệu sóng mang như nhau
trong một dải tần
Hình 1-1: Mô hình tín hiệu truyền
cv
ff
/1
1
0
(1.5)
Với c là tốc độ lan truyền của sóng trong môi trường, v là thành phần vận tốc
chuyển động của nguồn so với môi trường theo phương chỉ đến người quan sát (
âm đi về phía người quan sát, dương nếu ngược lại). Tương tự nếu nguồn đứng
yên còn người quan sát chuyển động thì
c
v
ff 1
0
(1.6)
Luận văn thạc sĩ
12
Xung đơn
Công suất thu trung bình
Dịch Doppler
13
Xét một đường truyền có hệ số kênh truyền là h, ồn Gaus. Công thức dung
năng kênh tức thời là:
C= log(1+/h/
2
SNR). Bit/s/Hz (1.8)
h là đại lượng ngẫu nhiễn phụ thuộc vào môi trường thực cho nên dung năng của
kênh cũng là một đại lượng ngẫu nhiên gắn với xác suất không tin cậy khác không
của tốc độ này, bất kể đó là tốc độ nào. Theo cách hiểu này thì ở kênh Gaus theo
định lý Shannon khi tốc độ truyền dưới dung năng sẽ có xác suất không tin cậy
bằng zero.
Thế nhưng nếu h là đại lượng ngẫu nhiên và tại 1 thời điểm nào đó h=0 (fading
sâu) thì dung năng cũng bằng 0 (tức là không thể truyền tin cậy với bất kỳ tốc độ
nào cả, hay kênh bị hỏng). Nếu phân bố của h được biết thì phân bố của
log(1+/h/
2
SNR) cũng được biết và ta biết được nếu truyền với tốc độ R (còn gọi là
tốc độ đích) thì về lý thuyết kênh bị hỏng bao nhiêu phần trăm đối với tốc độ đó
hay tính được xác suất:
p
out
(R)=P{log(1+/h/
2
SNR)<R} (1.9)
Xác suất này còn gọi là xác suất dừng truyền.
Đồ thị sau đây sẽ diễn tả điều này với SNR=0dB, và h có phân bố Rayleigh,
Đặt:
R= log(1+/h/
2
SNR) (1.10)
dừng khác 0
Một vấn đề đặt ra là nếu tiếp tục dùng mô hình SISO thì dung năng đường truyền
vô tuyến khó có thể cải thiện theo như phân tích ở trên, vì nó bị giới hạn không chỉ
bởi noise mà còn ở hiệu ứng fading làm hỏng kênh truyền có tính ngẫu nhiên.
Với công trình của Focini…mô hình kênh MIMO đã có bước đột phát về mở rộng
dung năng của đường truyền vô tuyến. Kèm theo các chứng minh lý thuyết về tiềm
năng dung lượng, xuất hiện một loạt các mô hình mã hóa không thời gian và thuật
toán xử lý cả ở bên phát và thu nhằm khai thác hết tiềm năng của mô hình này.
Chương tiếp sau sẽ trình bày bức tranh khái quát này. class="bi xd y19 w3 h6" src="data:image/png;base64,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
Copyright: Tài liệu đại học ©