NGHIÊN CỨU HỆ THỐNG THÔNG TIN SỬ DỤNG CẤU HÌNH MIMO CỠ RẤT LỚN

NGHIÊN CỨU HỆ THỐNG THÔNG TIN SỬ DỤNG CẤU HÌNH MIMO CỠ RẤT LỚN Chương 1: Tổng quan về MIMO và ứng dụng trong thông tin di động. Chương 2: Hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn. Chương 3: Mô phỏng. Chương 4: Kết luận và khuyến nghị.

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG Nguyễn Hữu Hưng NGHIÊN CỨU HỆ THỐNG THÔNG TIN SỬ DỤNG CẤU HÌNH MIMO CỠ RẤT LỚN Chuyên ngành: Kỹ thuật Viễn thông Mã số: 60.52.02.08 TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI – 2014 Luận văn được hoàn thành tại: HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG Người hướng dẫn khoa học: ……………………………… (Ghi rõ học hàm, học vị) Phản biện 1: ……………………………………………………… Phản biện 2: ……………………………………………………… Luận văn sẽ được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học viện Công nghệ Bưu chính Viễn thông Vào lúc: giờ ngày tháng năm Có thể tìm hiểu luận văn tại: - Thư viện của Học viện Công nghệ Bưu chính Viễn thông 1 MỞ ĐẦU Ngày nay, sự bùng nổ của các thiết bị di động, cùng với những nhu cầu về dịch vụ ngày càng đa dạng của con người, là những động lực phát triển mạnh mẽ của lĩnh vực thông tin di động. Các nhu cầu về liên lạc, công việc cũng như giải trí của con người càng ngày càng có những đòi hỏi khắt khe hơn về chất lượng, ổn định và sự linh hoạt để tối đa hóa trải nghiệm của người dùng. Tài nguyên vô tuyến dùng cho thông tin di động là hữu hạn và đắt đỏ, trong khi nhu cầu sử dụng ngày càng cao, đã đặt ra nhiều thách thức cho các nhà cung cấp dịch vụ cũng như các nhà nghiên cứu. Một trong những giải pháp để nâng cao hiệu quả sử dụng tài nguyên vô tuyến là công nghệ truyền thông vô tuyến sử dụng đa ăngten, hay còn gọi là công nghệ truyền thông đa đầu vào và đa đầu ra (Multiple-Input Multiple-Output hay MIMO). Hiện nay, mặc dù các hệ thống thông tin di động tế bào thế hệ 3 (3G) và thế hệ 4 (4G) đã được chuẩn hoá việc ứng dụng công nghệ MIMO để tăng tốc độ hay độ tin cậy khi truyền dữ liệu. Tuy nhiên,các tiêu chuẩn hiện tại mới chỉ quy định việc sử dụng các các cấu hình MIMO cỡ nhỏ. Ví dụ, hệ thống thông tin di động 4G (3GPP LTE-Advanced) quy định trạm gốc có tối đa 8 ăngten trong khi thiết bị đầu cuối có tối đa 4 ăngten.Điều này chưa cho phép phát huy hết những tiềm năng mà công nghệ MIMO hứa hẹn mang tới. Hệthống thông tin sử dụng cấu hình MIMO cỡrất lớn (Massive MIMO) là một kỹthuật thông tin đột phá mới, hứa hẹn phát huy hết khảnăng của công nghệMIMO thông qua việc triển khai hàng trăm ăngten ởtừng trạm gốc và sửdụng kỹ thuật MU-MIMO đểphục vụ đồng thời hàng chục người dùng. Được đềcửchoPhiên bản 12 của bộ tiêu chuẩn 3GPP LTE/LTE-Advanced, công nghệ này đang trởthành một lĩnh vực nghiên cứu quan trọng. Với những lý do trên, hệ thống thông tin sử dụng cấu hình MIMO cỡrất lớnlà một hướng nghiên cứu 2 đang được quan tâm trên thế giới. Tuy nhiên, ở Việt Nam, hệ thống thông tin sử dụng cấu hình MIMO cỡrất lớn vẫn chưa được nghiên cứu nhiều. Từ động lực đó, theo định hướng của người hướng dẫn khoa học, học viên lựa chọn đề tài “Nghiên cứu hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn” làm nội dung nghiên cứu của luận văn cao học của mình. Đề tài được cấu trúc gồm 4 chương:  Chương 1: Tổng quan về MIMO và ứng dụng trong thông tin di động.  Chương 2: Hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn.  Chương 3: Mô phỏng.  Chương 4: Kết luận và khuyến nghị. Luận văn nghiên cứu hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn từ những khái niệm ban đầu và các khía cạnh cơ bản. Hệ thống được phân tích dựa theo mô hình toán học và xử lý tín hiệu, từ đó có thể đưa ra những biểu thức để đánh giá.Từ các phân tích toán học, luận văn cũng sẽ tiến hành mô phỏng để làm rõ hơn các kết quả lý thuyết.Cuối cùng, dựa trên kết quả mô phỏng thu được,học viên đưa ra một số nhận xét và đánh giá một cách trực quan về hiệu năng hoạt động cũng như sự hứa hẹn của hệ thống MIMO cỡ rất lớn. Học viên hy vọng luận văn có thể là một tài liệu tham khảo tiếng Việt có giá trị cho những người bắt đầu tìm hiểu và nghiên cứu về hệ thống thông tin MIMO cỡ rất lớn. 3 Chương 1. Tổng quan về MIMO và ứng dụng trong thông tin di động Chương này sẽ trình bày tổng quan một số nét chính về hệ thống truyền thông MIMO. Bên cạnh đó sẽ đề cập đến các khái niệm MIMO đơn người dùng (Single User MIMO hay SU MIMO) và MIMO đa người dùng (Multi User MIMO hay MU MIMO) cùng với ưu, nhược điểm của từng mô hình.Sau đó là tìm hiểu tình hình ứng dụng của SU-MIMO và MU-MIMO trong các tiêu chuẩn di động 3GPP LTE/LTE-Advanced. 1.1. Tổng quan về MIMO 1.1.1. Giới thiệu MIMO Hệ thống thông tin MIMO là viết tắt của cụm từ Multiple Input – Multiple Output: hệ thống thông tin đa đầu vào – đa đầu ra. Trong lĩnh vực vô tuyến, MIMOlà hệ thống truyền dẫn vô tuyến sử dụng đồng thời nhiều ăngten ở máy phát và ở máy thu nhằm tận dụng chiều không gian để cải thiện chất lượng truyền thông tin.Ý tưởng của MIMO là sử dụng nhiều ăngten ở phát hoặc máy thu, hoặc cả hai nhằm tận dụng chiều không gian để cải thiện chất lượng truyền tin. 1.1.2. Mô hình hệ thống MIMO MIMO là các hệ thống truyền dẫn vô tuyến sử dụng đồng thời nhiều ăngten ở máy phát và máy thu.Để các hệ thống MIMO đạt được hiệu quả, yêu cầu tương quan tín hiệu qua các ăngten phải thấp, dẫn đến môi trường truyền sóng phải đủ ngẫu nhiên và khoảng cách giữa các ăngten trên cùng thiết bị phải đủ lớn (khoảng cách tối thiểu giữa 2 ăngtenlà /2  ). 4 Mỗi cặp đầu vào, đầu ra được kết nối bằng một đáp ứng xung kênh h . Từ đó, kênh MIMO có t M đầu vào và r M đầu ra sẽ được biểu diễn bằng một ma trận rt MM 1.1.3. Dung lượng kênh MIMO MIMO có thể khắc phục được các hạn chế về dung lượng kênh truyền củaSISO. Với t M ăngten phát và r M ăngtenthu, trong môi trường fading Rayleigh giàu tán xạ và biến đổi chậm, kênh MIMO tr MM có dung lượng có thể tăng tuyến tính theo số ăngten phát hoặc thu và có thể đạt đến   , tr r Min M M lần dung lượng của kênh SISO truyền thống. 1.1.4. Các phương pháp truyền dẫn MIMO Các phương pháp truyền dẫn có thể phân loại thành 2 nhóm: ghép kênh theo không gian (SM: Spatial Multiplexing) và mã hóa không gian – thời gian (STC: Space–Time Coding) 1.2. MIMO đơn người dùng (SU-MIMO) và MIMO đa người dùng (MU-MIMO) 1.2.1. MIMO đơn người dùng (SU-MIMO) Hệ thống MIMO truyền thống là MIMO điểm-điểm hay MIMO đơn người dùng (SU-MIMO).Tốc độ đạt được của hệ thống MIMO đơn người dùng là:       22 ax , log 1 min , log 1 . tr r t r t m M M M C M M M           Giới hạn dưới đạt được trong trường hợp ma trận kênh là hạng 1, hay đường truyền là đường truyền thẳng (LOS). Giới hạn trên đạt được trong trường 5 hợp thuận lợi nhất khi ma trận kênh là biến ngẫu nhiên i.i.d. Với điều kiện đường truyền thuận lợi và một tỷ số SNR cao thì tốc độ có thể đạt được tỷ lệ tuyến tính với số nhỏ hơn trong số ăngten phát và số ăngten thu. 1.2.2. MIMO đa người dùng (MU-MIMO) Công nghệ MIMO đa người dùng (MU-MIMO), về cơ bản khác với SU- MIMO bằng cách chia sẻ không gian của kênh cho các người dùng khác nhau cùng lúc, bằng cách tác động sâu hơn vào giao thức đa truy nhập. MU-MIMO có thể được chia thành hai loại: kênh MIMO quảng bá (MIMO Broadcast Channel hay MIMO BC) cho đường xuống; và kênh MIMO đa truy nhập (MIMO Multiple Access Channel hay MIMO MAC) cho đường lên. 1.2.3. So sánh SU-MIMO và MU-MIMO Phần này trình bày một số ưu, nhược điểm của MU-MIMO so với SU- MIMO. 1.3. Ứng dụng của SU-MIMO và MU-MIMO trong LTE Hệ thống MIMO trong 3GPP LTE/LTE-A quy định 2,4 hoặc 8 ăngten phát và tối thiểu 2 ăngten thu ở đường xuống. Hệ thống này cũng quy định 1,2 hoặc 4 ăngten phát và tối thiểu 2 ăngten thu ở đường lên. Hệ thống MIMO có thể được cấu hình SU-MIMO hoặc MU-MIMO. Những giới hạn này chưa cho phép khai thác hết tiềm năng của công nghệ MIMO 6 Chương 2. Hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn Chương này giới thiệu về hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn. Hệ thống được trình bày từ các khái niệm cơ bản, từ phân tích một số tiềm năng có thể đạt được so với các mô hình truyền thống. Tiếp theo cũng trình bày mô hình toán học của hệ thống, dùng để phân tích và đánh giá. 2.1. Giới thiệu hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn MIMO cỡ rất lớn là những hệ thống mà dùng các mảng với số ăngtenlên tới hàng trăm. MIMO cỡ rất lớn sẽ dùng các ăngten để phục vụ cho một số nhỏ hơn nhiều người dùng đồng thời, mà mỗi người dùng chỉ cần sử dụng đầu cuối với ăngten đơn. Sự chênh lệch giữa số lượng ăngten ở trạm gốc và số người dùng chính là điều kiện để hệ thống hoạt động tốt trong thực tế. Việc mỗi đầu cuối chỉ sử dụng một ăngten đơn mang lại lợi ích trong việc tiết kiệm chi phí đầu cuối. Tức là với các đầu cuối rẻ tiền hơn, vẫn có thể khai thác hết hiệu năng cao mà MIMO cỡ rất lớn mang lại Trong hệ thống MIMO cỡ rất lớn, thông tin trạng thái kênh (CSI: Channel state information) là một yếu tố then chốt. MIMO cỡ rất lớn sử dụng MU- MIMO, do đó trạm gốc cần thông tin về CSI đểtiền mã hóa ở đường xuống và lọc thu ở đường lên. Để thu được CSI một cách thuận lợi, hệ thống sử dụng hoa tiêu ở đường lên cùng với chế độ song công phân chia theo thời gian TDD. Quá trình xử lý trong MIMO cỡ rất lớn có thể sử dụng các bộ mã hóa và lọc thu tuyến tính đơn giản mà vẫn cho phép đạt được hiệu suất cao như MRC/MRT, ZF… Với mô hình đơn cell, hệ thống MIMO cấu hình cỡ rất lớn làm trung bình hóa fading nhanh và hiệu ứng tạp âm nhiệt. Trong trường hợp đa cell, hệ thống 7 lại chịu ảnh hưởng chủ yếu bởi nhiễu hoa tiêu, do việc tái sử dụng tập hoa tiêu tại các cell lân cận. 2.2. Phân tích hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn đơn cell 2.2.1. Mô hình kênh truyền Mô hình kênh truyền MIMO cỡ rất lớn đơn cell được mô tả như Hình 2- 3.Hệ thống hoạt động ở chế độ song công phân chia theo thời gian TDD. Do đó ma trận kênh của đường xuống là chuyển vị liên hợp của ma trận kênh đường lên. K x 1 x k x k g K g 1 g Hình 2-3 Mô hình kênh truyền đơn cell Với mỗi đầu cuối ta có kênh truyền k k k gh   trong đó: k h là ma trận cột mô tả fading phạm vi hẹp giữa đầu cuối thứ k và Măngten ở trạm gốc. [...]... số hướng nghiên cứu tiếp theo cho hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn: - Nghiên cứu sự hoạt động của hệ thống khi sử dụng các bộ tiền mã hóa và lọc thu khác phức tạp hơnnhư Zero Forcing (ZF) vàMinimum Mean Squared Error (MMSE) trong các trường hợp thực tế khi số anten ở trạm gốc không phải là vô cùng lớn - Nghiên cứu các ảnh hưởng thực tế của hệ thống mà trong luận văn đã giả sử là không... nghiên cứu đang rất được quan tâm, và có thể được xem là “mỏ vàng” 19 dành cho các nhà nghiên cứu Các nghiên cứu về MIMO cỡ rất lớn có thể thuộc nhiều lĩnh vực: xử lý tín hiệu, vi điện tử, tổ chức kiến trúc mạng, vv vv 4.2 Đề xuất hướng nghiên cứu tiếp theo Như đã trình bày ở trên, luận văn mới chỉ đề cập đến những vấn đề cơ bản, đầu tiên của hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn Trên cơ... người sử dụng trong cell trung tâm 17 Chương 4 Kết luận và khuyến nghị 4.1 Kết luận Như vậy, hệ thống MIMO cỡ rất lớn đã đưa ra một triển vọng hấp dẫn cho mạng viễn thông vô tuyến trong tương lai Về mặt lý thuyết, dung lượng của hệ thống có thể tăng lên chỉ với việc thêm các ăngten ở trạm gốc, tức là MIMO cỡ rất lớn có thể mang lại hiệu suất sử dụng phổ cô tuyến cao hơn Bên cạnh đó, MIMO cỡ rất lớn. .. bản của hệ thống MIMO cỡ rất lớn là trạm gốc cần biết được thông tin kênh truyền, để phục vụ cho tiền mã hóa ở đường xuống và lọc thu ở đường lên Với việc sử dụng song công phân chia theo thời gian TDD và lợi dụng tính thuận nghịch của kênh truyền đường lên – đường xuống, việc tăng số ăngten ở trạm gốc không làm ảnh hưởng đến khả năng “học” kênh của hệ thống Như vậy, một hệ thống MIMO cỡ rất lớn tương... của hệ thống thông tin MIMO cỡ rất lớn 3.1 Mô tả ngữ cảnh mô phỏng Học viên sử dụng bộ chương trình mô phỏng mMIMOsim viết bằng ngôn ngữ Matlab được phát triển bởi nhóm nghiên cứu của TS Trương Trung Kiên(mà học viên là một thành viên)để mô phỏng một mạng thông tin di động có 7 cell (hay 7 ô tế bào) hình lục giác đều Trạm gốc của mỗi cell được đặt ở tâm cell trong khi các thiết bị đầu cuối người sử dụng. .. thiết sử dụng trong luận văn là số ăngten ở trạm gốc rất lớn, tiến đến vô cùng, dẫn đến giả thiết đường truyền thuận lợi Ở đây cũng sử dụng các bộ tiền mã hóa và bộ lọc thu tuyến tính đơn giản Như vậy, sẽ còn rất nhiều vấn đề tồn tại cần phân tích, nghiên cứu để phát huy hiệu quả cũng như để có thể đưa hệ thống áp dụng vào thực tế Hiện nay trên thế giới, MIMO cỡ rất lớn cũng là một hướng nghiên cứu đang... thiết bị đầu cuối người sử dụng trong cell trung tâm tuy nhiên lại làm giảmtốc độ trung bình của mỗi thiết bị đầu cuối người sử dụng 16 3.4 Phân bố tốc độ của các UE ởcell trung tâm vs số UE/cell Từ mô phỏng, cho thấy hệ thống MIMO cỡ rất lớn có phân bố tốc độ là rất tốt, điều này chứng minh cho độ tin cậy của hệ thống Có thể nhận thấy rằng tăng số thiết bị đầu cuối người sử dụng trong mỗi cell sẽ... trong tương lai Những lợi ích của hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn có thể được nhìn nhận một cách trực quan hơn trong các phân tích ở Chương 2 và kết quả mô phỏng ở Chương 3 Với cấu hình đơn cell, việc tăng số anten ở trạm gốc là luôn luôn có lợi Khi số anten tiến tới vô cùng, hiệu ứng tạp âm nhiệt và fading nhanh sẽ bị loại bỏ, và tổng dung lượng của hệ thống sẽ tỷ lệ với số anten ở... cuối người sử dụng trong cell trung tâm Bên cạnh đó, từ phân tích phân bố tốc độ, có thể thấy hệ thống cũng có khả năng phục vụ được nhiều người sử dụng với tốc độ và độ tin cậy cao hơn Tóm lại, ý tưởng về MIMO cỡ rất lớn sẽ giải quyết được nhiều vấn đề hạn chế của lý thuyết thông tin truyền thống Tuy vậy, trong khuôn khổ luận văn mới chỉ đề cập đến những vấn đề cơ bản, có tính khởi đầu của hệ thống Giả... mang tin qua ma trận tiền mã hóa AM K mà tỷ lệ với ma trận chuyển vị liên hợp của ước lượng kênh đường xuống Ước lượng kênh đường ˆ* ˆ xuống là G , do đó ma trận tiền mã hóa sẽ là AM K  G Tín hiệu nhận được ở đầu cuối thứ ktrong cell sẽ là x fk   f  p rp M  k qk 1   p rp 2.3 Phân tích hệ thống thông tin sử dụng cấu hình MIMO cỡ rất lớn đa cell Một hiện tượng xuất hiện chưa bị gặp ở hệ thống . src="data:image/png;base64,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 1Tt2 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 0tt7 DzIPLE0qlUqlUkoPNZbL5Q4dOlSz20DLPDSpfD4/+96ASg+18cwzzwwODra3t4+Njck8UC1tbW1tbW0N9AMrPQlQLBbHx8dLb+/ZsyeOY5kHUHoSorW1NYqi0tvT09NHjhyReQClJzlefvnl8tuDg4PFYlHmAZSehOjq6urv7y+/u2/fPpkHUHqSY+/eveW3R0dHqzrQyzyJlclkMpmMdVB6qDcdHR2zB/pdu3ZV73u52C02Ew1sgavhnv0/3/v6449ZIupToVBob28vv3vlypWOjg7TPFAxuVwul8uZ6WFVtLW1zd7dODw8XEfTfBzHV69erdLfHcZE0zw120YhKbf2ueFMb5qnzhWLxV/ 5lV+ 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. src="data:image/png;base64,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 1Tt2 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 0tt7 DzIPLE0qlUqlUkoPNZbL5Q4dOlSz20DLPDSpfD4/+96ASg+18cwzzwwODra3t4+Njck8UC1tbW1tbW0N9AMrPQlQLBbHx8dLb+/ZsyeOY5kHUHoSorW1NYqi0tvT09NHjhyReQClJzlefvnl8tuDg4PFYlHmAZSehOjq6urv7y+/u2/fPpkHUHqSY+/eveW3R0dHqzrQyzyJlclkMpmMdVB6qDcdHR2zB/pdu3ZV73u52C02Ew1sgavhnv0/3/v6449ZIupToVBob28vv3vlypWOjg7TPFAxuVwul8uZ6WFVtLW1zd7dODw8XEfTfBzHV69erdLfHcZE0zw120YhKbf2ueFMb5qnzhWLxV/ 5lV+ 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. src="data:image/png;base64,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 1Tt2 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 0tt7 DzIPLE0qlUqlUkoPNZbL5Q4dOlSz20DLPDSpfD4/+96ASg+18cwzzwwODra3t4+Njck8UC1tbW1tbW0N9AMrPQlQLBbHx8dLb+/ZsyeOY5kHUHoSorW1NYqi0tvT09NHjhyReQClJzlefvnl8tuDg4PFYlHmAZSehOjq6urv7y+/u2/fPpkHUHqSY+/eveW3R0dHqzrQyzyJlclkMpmMdVB6qDcdHR2zB/pdu3ZV73u52C02Ew1sgavhnv0/3/v6449ZIupToVBob28vv3vlypWOjg7TPFAxuVwul8uZ6WFVtLW1zd7dODw8XEfTfBzHV69erdLfHcZE0zw120YhKbf2ueFMb5qnzhWLxV/ 5lV+ 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