Phát phân tập và các kỹ thuật MIMO qua kênh fading đa đường

Header Page of 27 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CƠNG NGHỆ HỒNG QUANG TRUNG PHÁT PHÂN TẬP VÀ CÁC KỸ THUẬT MIMO QUA KÊNH FADING ĐA ĐƢỜNG Ngành: Công nghệ Điện tử-Viễn thông Chuyên ngành: Kỹ thuật Điện tử Mã số: 60.52.70 LUẬN VĂN THẠC SĨ NGƢỜI HƢỚNG DẪN KHOA HỌC PGS.TS TRẦN XUÂN NAM Hà Nội – 2009 Footer Page of 27 Header Page of 27 MỞ ĐẦU Thông tin vô tuyế n phát triển sang thế ̣ mới đáp ứng yêu cầ u của người dùng về truyền dữ liệu tốc độ cao Các nghiên cứu gần bởi thế tâ ̣p trung vào các kỹ thuâ ̣t cho phép tăng khả kênh truyề n Phương pháp truyề n dẫn MIMO (hay truyề n dẫn sử du ̣ng nhiề u anten thu và nhiề u anten phát ) đươ ̣c xem là các kỹ thuâ ̣t then chố t để giải quyế t vấ n đề Luâ ̣n văn nhằ m giới thiê ̣u tổ ng quan về các kỹ thuâ ̣t truyề n dẫn MIMO và đánh giá phẩm chất hệ thống Cụ thể, tác giả nghiên cứu hệ thống kế t hơ ̣p phân tâ ̣p phát sử du ̣ng mã khối không gian-thời gian (STBC) với sơ đồ ghép kênh theo không gian (SM) sơ đồ tách tín hiệu dành cho hệ thố ng này Hai sơ đồ tách ký hiê ̣u và tách khố i đươ ̣c đưa để so sánh về tỷ số lỗi bit (BER) Kế t quả mô phỏng cho thấ y phương pháp tách tín hiê ̣u sử dụng sơ đồ tách ký hiệu (symbol) cho tỷ số lỗi bit thấ p so với sơ đồ tách khố i Đặc biệt hệ thống STBC-SM có nhiều ưu điểm vượt trội so với hệ thống MIMO-SDM Nội dung trình bày chương: Chương 1: “Tổng quan về phương pháp phân tập thơng tin vơ tuyến” trình bày tổng quan về mơ hình kênh thơng tin vơ tuyến làm sở cho việc mơ hình hóa mơ hệ thống Cùng với kỹ thuật phân tập bao gồm phân tập thu phân tập phát Chương 2: “Các kỹ thuật phân tập phát không gian-thời gian hệ MIMO” trình bày phương pháp truyền dẫn dành cho hệ truyền thông qua kênh MIMO, cụ thể kỹ thuật ghép kênh phân chia theo không gian kỹ thuật mã hóa khơng gian thời gian Chương 3: “Kỹ thuật kết hợp phân tập phát MIMO-SDM” trình bày sơ đờ kết hợp phát phân tập ghép kênh theo không gian Trong phầ n này , luận văn tập trung vào phương pháp tách tín hiệu, cụ thể có hai sơ đờ sơ đồ tách khố i sơ đồ tách symbol Thông qua kế t quả mô để so sánh phẩm chất lỗi bit (BER) giữa phương pháp tách tín hiệu khác Cuố i cùng là đưa đánh giá chung Footer Page of 27 Header Page of 27 Chƣơng - TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP PHÂN TẬP TRONG THÔNG TIN VÔ TUYẾN 1.1 Xu hƣớng phát triển mạng truyền thông vô tuyến Trong những năm gần nhu cầu sử dụng thiết bị đầu cuối không dây để trao đổi thông tin gia tăng nhanh chóng Cơng nghệ trùn thơng vơ tuyến không ngừng phát triển đạt những thành tựu đáng kể Các nghiên cứu chủ yếu tập trung vào việc làm tăng tốc độ truyền dữ liệu để đáp ứng nhu cầu sử dụng truyền truyền thơng đa phương tiện của người dùng Vì trùn thông chất lượng cao mục tiêu cần đạt của mạng vô tuyến Ngày nay, mạng WLANs (Wireless Local Area Networks) đạt tốc độ 10 Mbit/s đến 100 Mbit/s Tuy nhiên, với tốc độ khơng đáp ứng đối mặt với việc đòi hỏi tốc độ truy cập dữ liệu ngày cao nội dung truyền thông trở nên đa dạng Đặc biệt cạnh tranh với những mạng LAN (hữu tuyến) với công nghệ xDSL (đường dây thuê bao số) mạng cáp quang Các tiến khoa học gần minh chứng để nâng cao chất lượng trùn thơng vơ tuyến khơng tận dụng tài nguyên về thời gian (phân tập thời gian), tài nguyên về tần số (phân tập tần số) mà sử dụng ng̀n tài ngun lớn khơng gian Giải pháp kênh MIMO (Multiple-Input MultipleOutput) lựa chọn đắn cho phát triển tương lai của truyền thông vô tuyến (Mạng Wifi 802.11n, WiMAX, …) Mặc dù có rất nhiều kỹ thuật truyền dẫn khác nghiên cứu để áp dụng cho hệ thống sử dụng mơ hình Trong chương xem xét vấn đề liên quan kênh thơng tin vô tuyến kỹ thuật phân tập để làm sở cho việc tiếp cận với giải pháp kỹ thuật truyền dẫn qua kênh MIMO 1.2 Kênh thông tin vô tuyến 1.2.1 Kênh tạp âm AWGN Thuật ngữ tạp âm (noise) mô tả tín hiệu điện không mong muốn xuất hệ thống Sự xuất của tạp âm làm giảm khả tách chính xác của tín hiệu phát vậy, làm giảm tốc độ truyền dẫn thông Footer Page of 27 Header Page of 27 tin Tạp âm tạo từ nhiều ng̀n khác nhau, phân loại thành hai loại chính nhân tạo tự nhiên Nguồn tạp âm nhân tạo xuất từ nguồn đánh lửa, chuyển mạch hay phát xạ điện từ Tạp âm tự nhiên gồm tạp âm xuất mạch hay linh kiện điện tử, xáo động khí hay nguồn thiên hà Thiết kế mạch điện, thiết bị hay hệ thống cho phép loại bở giảm nhỏ đáng kể ảnh hưởng của tạp âm cách nối đất, chọn vị trí đặt thiết bị hay sử dụng phương pháp lọc Tuy nhiên, có ng̀n tạp âm tự nhiên loại bỏ tạp âm nhiệt Tạp âm nhiệt xuất chuyển động của điện tử tất cả linh kiện điện tử điện trở, dây dẫn hay phần tử dẫn điện khác Sự chuyển động ngẫu nhiên độc lập của vô hạn điện tử tạo nên đặc tính thống kên Gauss theo định lý giới hạn trung tâm Vì vậy, tạp âm nhiệt mơ tả q trình ngẫu nhiên Gauss có giá trị trung bình khơng Ví dụ về tạp âm Gauss với giá trị trung bình phương sai   miêu tả hình 1.1 Hình 1.1: Mô tả tạp âm Gauss Hàm mật độ xác suất (PDF: Probability Density Function) của trình ngẫu nhiên Gauss n(t) biểu diễn sau [1]: pn  x    x2  exp     2  2  (1.1) Hình vẽ 1.2 bểu diễn hàm PDF Gauss với giá trị trung bình khơng     độ lệch chuẩn (standard deviation) Footer Page of 27 Header Page of 27 Hình 1.2: Hàm mật độ xác suất Gauss với   Tạp âm trắng: Một đặc tính quan trọng tạp âm nhiệt mật độ phổ tần số nhƣ tần số Tức là, nguồn tạp âm phát lƣợng công suất nhƣ đơn vị băng tần tất tần số bằng: Gn  f   No  W/Hz (1.2) nhƣ mơ tả hình 1.3(a) dƣới Hệ số công thức thị Gn  f  hàm mật độ phổ cơng suất phía N o đƣợc gọi mật độ phổ công suất tạp âm Tạp âm với cơng suất có mật độ phổ nhƣ đƣợc gọi tạp âm trắng (white noise) [4] Hình 1.3: Mật độ phổ công suất hàm tự tƣơng quan tạp âm trắng Hàm tự tƣơng quan tạp âm trắng phép biến đổi Fourier ngƣợc mật độ phổ công suất tạp âm cho bởi: Footer Page of 27 Header Page of 27 Rn    1 Gn  f     G  f e n j 2 f  df 1.3   No    1.4  Nhƣ vậy, hàm tự tƣơng quan tạp âm trắng hàm xung delta   đƣợc nhân với trọng số No Để ý Rn    với   nên hai mẫu khác tạp âm trắng không tƣơng quan với chúng gần đến mức Do tạp âm nhiệt đƣợc cộng với tín hiệu nên đƣợc gọi tạp âm cộng (additive noise) Tổng hợp đặc tính tạp âm nhiệt tóm tắt lại tạp âm nhiệt hệ thống thông tin tạp âm Gauss trắng cộng (AWGN: Additive White Gaussian Noise) 1.2.2 Kênh pha-đinh đa đường Hình vẽ 1.4 mơ tả đƣờng liên lạc anten trạm gốc (BS: Base Station) anten trạm di động (MS: Mobile Station) Xung quanh MS có nhiều vật phản xạ nhƣ nhà, cây, đồi núi, xung quanh BS lại có khơng có vật phản xạ anten trạm BS đƣợc đặt cao Các vật phản xạ đƣợc gọi chung vật tán xạ Liên lạc BS MS thông qua nhiều đƣờng (path), đƣờng chịu hay nhiều phản xạ, tín hiệu đến máy thu tín hiệu tổng hợp từ tất đƣờng Do đƣờng có biên độ, pha độ trễ khác nhau, nên tín hiệu truyền qua đƣờng kết hợp với cách có lợi khơng có lợi, tạo nên sóng đứng ngẫu nhiên Hiện tƣợng đƣợc gọi truyền sóng pha-đinh đa đƣờng Kênh truyền sóng kiểu đƣợc gọi kênh pha-đinh đa đƣờng Footer Page of 27 Header Page of 27 Hình 1.4: Mơ hình truyền sóng đa đƣờng 1.2.2.1 Mơ hình tốn học pha-đinh Tín hiệu vơ tuyến ln tín hiệu băng thơng (bandpass) có băng tần hẹp (narrowband) Tín hiệu băng thơng phát tần số sóng mang f c với đƣờng bao phức s  t  đƣợc biểu diễn nhƣ sau [4],[9]: s  t     s  t  e j 2 fct  (1.5) Trong   biểu diễn phép tốn lấy phần thực Đặt độ dài đƣờng l xl ký hiệu c tốc độ ánh sáng thời gian truyền sóng từ BS tới MS xl c Giả sử độ suy hao đƣờng l al , tín hiệu thu đƣợc MS khơng tính đến tạp âm là:  x  r  t    al s  t  l  c  l (1.6) Thế (1.5) vào (1.6) có:   x r  t    al   s  t  l c l    x   al s  t  l c  l Viết lại r  t  dƣới dạng: Footer Page of 27  xl   j 2 fc  t  c    e    xl   j 2 fc  t  c  e  1.7  1.8 Header Page of 27   x r  t      al s  t  l c   l  j 2 fct  j 2 fc cl  e  e   x    r  t  e j 2 fct  1.9  1.10  Trong thành phần đƣờng bao tín hiệu thu: r  t    al s  t   l  e j 2 fc l 1.11 l đƣợc gọi tín hiệu băng tần gốc tƣơng đƣơng r  t  ,  l  xl c thời gian trễ đƣờng thứ l 1.2.2.2 Ảnh hưởng chuyển động MS Khi MS chuyển động với tốc độ v , độ dài đƣờng truyền sóng thứ l thay đổi khoảng là: xl  xl  xl (1.12) Nếu góc tới tia thứ l so với hƣớng chuyển động l , có: xl  vtcos l  1.13 Nhƣ vậy, đƣờng bao phức tín hiệu thu là:  j 2 f c xl xl c  j 2 f c xl c r  t    al e l   al e e  x  xl  s  t  l c   j 2 f c v cosl  c l 1.14   x v cos l   s  t  l   c c   Do thay đổi độ trễ tín hiệu v cos l  c 1.15 nhỏ so với thang thời gian tín hiệu điều chế s  t  nên bỏ qua chúng Nhƣ vậy, đặt: l  al e j 2 f  c l viết lại r  t  dạng rút gọn sau: Footer Page of 27 1.16 Header Page of 27 r  t     l e j 2 fc v cosl  c t s  t   l  (1.17) l Do   c fc nên có fc c   , với  bƣớc sóng sóng mang Đặt fD  fc v c (1.18) tần số Doppler lớn nhất, có: j 2 f cos  t r  t    l e D  l  s  t   l  (1.19) l Từ công thức thấy vật tán xạ thứ l dịch tín hiệu phát  l thời gian f D cos l  tần số 1.2.2.3 Hậu truyền sóng pha-đinh đa đường Hậu truyền sóng pha-đinh đa đƣờng [4],[9]: * Pha-đinh chọn lọc theo thời gian (time slective fading) gắn với Doppler spread tạo chuyển động MS * Trải trễ (delay spread) hay chọn lọc theo tần số Doppler spread: Nếu MS chuyển động qua vùng ngẫu nhiên, chịu ảnh hƣởng thay đổi cƣờng độ pha tín hiệu với tốc độ thay đổi tuỳ thuộc vào vận tốc chuyển động MS Giả sử băng tần tín hiệu nhỏ cho thời gian trễ  l khơng ảnh hƣởng tới tín hiệu, ta có s  t   l   s  t  Nhƣ vậy, công thức (1.19) viết lại thành: j 2 f cos  t r  t   s  t  l e D  l   g  t  s  t  (1.20) l với độ lợi kênh phức (complex channel gain) g  t  thay đổi theo thời gian góc pha 2 f D cosl t thay đổi theo thời gian Từ thấy chuyển động MS làm cho độ lợi đƣờng truyền biến đổi Do g  t  thay đổi nhanh sˆ  t  nên tín hiệu thu bị trải (spread) thang tần số Chính vậy, tƣợng đƣợc gọi Doppler spread Footer Page of 27 Header Page 10 of 27 Delay spread: Xét trƣờng hợp tần số Doppler nhỏ tƣơng ứng với MS đứng im, coi pha vật thể tán xạ không đổi Nhƣ công thức (1.20) đƣợc viết lại nhƣ sau: r  t    gl s  t   l  (1.21) l với gl  l e j l pha ngẫu nhiên Kênh truyền: l g  t ,    g l   t   l  (1.22) l lúc đóng vai trò lọc có đáp ứng xung hữu hạn (FIR: Finite Impulse Respose filter) Hình (1.5) dƣới mô tả đáp ứng xung lọc FIR thời điểm quan sát to Dải  D đƣợc gọi trải trễ (delay spread) Chúng ta thấy độ dài đƣờng truyền sóng khác nên làm cho tín hiệu bị dịch chuyển trễ Hình 1.5: Đáp ứng xung lọc FIR Thực biến đổi Fourier lên đáp ứng xung này, có đáp ứng tần số: G  f    gl e j 2 f  l 1.23 l Từ thấy trải trễ  D làm biến đổi đáp ứng tần số G  f  , tức là, tần số khác biên độ G  f  có giá trị khác Kênh truyền dẫn trƣờng hợp đƣợc gọi kênh chọn lọc tần số (frequency selective) 1.2.3 Kênh pha-đinh Rayleigh Hàm truyền đạt kênh thực chất trình xác suất phụ thuô ̣c cả thời gian và tầ n số Biên đô ̣ hàm truyền đa ̣t củ a kênh ta ̣i mô ̣t Footer Page 10 of 27 Header Page 17 of 27 Giả sử tín hiệu s  t  truyền qua môi trường pha-đinh Rayleigh tới máy thu sử dụng phân tập không gian với M nhánh phân tập Sau tách sóng cao tần, tín hiệu thu tách nhánh phân tập (anten) thứ m, m 1, 2,, M  , biểu diễn sau: ym  t   hm  t  s  t   zm  t  1.36 Trong hm  t  , số phức Gauss có giá trị trung bình không, biểu diễn đường truyền pha-đinh từ anten phát tới anten thu thứ m ; zm  t  tạp âm nhánh phân tập m Từ M tín hiệu nhánh trên, mong muốn sử dụng phương pháp kết hợp thích hợp cho tín hiệu đầu kết hợp có chất lượng tốt Trong phần tiếp theo, tìm hiểu ba phương pháp kết hợp phân tập không gian sử dụng phổ biến máy thu Cụ thể phương pháp kết hợp chọn lọc (selection combining), kết hợp tỷ lệ tối đa (maximalration combining) kết hợp đồng độ lợi (equal-gain combining) 1.4.2 Kết hợp chọn lọc (Selection Combining) Cấu hình của kết hợp chọn lọc minh họa hình Tại thời điểm t, mạch chọn lọc logic thực việc đo lường tính toán tỷ số tín hiệu tạp âm SNR của nhánh phân tập chọn tín hiệu nhánh có tỷ số SNR lớn nhất Trong thực tế, việc đo lường tỷ số SNR rất khó thực và, vậy, tín hiệu nhánh phân tập có tổng cơng śt tín hiệu tạp âm lớn nhất chọn Footer Page 17 of 27 Header Page 18 of 27 Hình 1.7: Phương pháp kết hợp chọn lọc Tỷ số tín hiệu tạp âm (SNR): Giả sử tín hiệu thu nhánh phân tập không tương quan có phân phối Rayleigh với cơng śt trung bình      m2 E ym 1.37   biểu thị phép toán lấy giá trị trung bình thống kê (ensemble E  average) Hàm mật độ của đường bao tín hiệu nhánh m là: p  ym     ym2  exp  2 2  2  ym 1.38 Trong ym đường bao tín hiệu nhánh m Giả sử cơng śt trung bình của tạp âm nhánh  zm  t      E zm  t   1.39 Tỷ số SNR tức thời nhánh m định nghĩa sau ym m  2 Tiếp theo, định nghĩa tỷ số SNR trung bình của  m Footer Page 18 of 27 1.40  Header Page 19 of 27   E ym  m  E  m   2 1.41 Ta có hàm mật độ xác suất của  m cho p  m      exp   m  m  m  1.42  Xác suất SNR của nhánh phân tập nhỏ giá trị x  x  F  x   Pr  m  x   exp     m  1.43 Do pha-đinh nhánh phân tập giả định độc lập, xác suất   x chính tích số của xác suất để  m  x , tức M M   x  Pr   x   Pr  m  x   1  exp    m 1 m 1   m  1.44  Như vậy, hàm mật độ xác suất tương ứng p     x   d  M    1  exp     dx   m    m1    x  d d      M    1  exp      m    m1    1.45 Xét trường hợp đặc biệt tất cả nhánh phân tập đều có cùng giá trị SNR trung bình, tức m   Khi ta có   x  Pr   x  1  exp         M 1.46  Và M       p     exp    1  exp            M 1 1.47  Nhờ SNR trung bình của nhánh chọn    E      p  d Thế công thức p   vào ta thu Footer Page 19 of 27 1.48 Header Page 20 of 27 M m 1 m  sc     1.49  Hình 1.8 biểu diễn phân phối xác suất của SNR cho phương pháp kết hợp phân tập lựa chọn với M nhánh phân tập sử dụng công thức   x  Pr   x  1  exp         M 1.50  Hình 1.8:Phân phối xác suất của SNR cho phân tập lựa chọn Thơng qua hình vẽ ta thấy hiệu quả của việc tăng số lượng nhánh phân tập M Cụ thể việc tăng số lượng anten cho phép giảm nhỏ xác suất SNR thấp giá trị cho trước, hay nói cách khác, làm tăng xác suất SNR lớn giá trị cho trước Ngồi ra, từ cơng thức M nhận thấy rằng, tăng số lượng nhánh phân tập m 1 m  sc     giúp tăng độ lợi phân tập cách đáng kể Mức độ độ lợi thu của phương pháp kết hợp chọn lọc so sánh với phương pháp khác hình vẽ So với phương pháp khác, phương pháp kết hợp lựa chọn có độ lợi phân tập thấp nhất Footer Page 20 of 27 Header Page 21 of 27 Hình 1.9: Độ lợi phân tập của phương pháp kết hợp phân tập 1.4.3 Kết hợp tỷ lệ tối đa (Maximal Ratio Combining) Phương pháp kết hợp tỷ lệ tối đa Kahn đề xuất năm 1954 Sử dụng phương pháp này, tín hiệu của M nhánh phân tập nhân trọng số (weighted) cân xứng theo tỷ lệ SNR của nhánh, sau điều chỉnh đờng pha rời kết hợp (cộng) với Sơ đờ cấu hình kết hợp tỷ lệ tối đa trình bày hình đây: Hình 1.10:Phương pháp kết hợp tỷ lệ tối đa Footer Page 21 of 27 Header Page 22 of 27 Tỷ số tín hiệu tạp âm (SNR) trung bình: Tín hiệu thu nhánh phân tập, sau chuyển về băng tần gốc (baseband) biểu diễn sau: ym  t   hm  t  s  t   zm  t  1.51 Trong đó, hm  t  số phức Gauss có giá trị trung bình không, biểu diễn đường truyền pha-đinh từ anten phát tới anten thu thứ m; zm  t  tạp âm nhánh phân tập m Sau đồng pha nhân trọng số, đường bao của tín hiệu kết hợp M y  t    wm ym  t  1.52  m 1 Với w m số phức, thường gọi trọng số kết hợp (combining weight) Thay ym  t  biểu thức ta có: M y  t    wm  hm  t  s  t   zm  t   m 1 M M m 1 m 1  s  t   wm hm  t    wm zm  t  1.53 Từ công thức trên, ta có cơng śt tạp âm tức thời đầu kết hợp   mrc  E z t   M   wm  m 1.54  m 1 Như vậy, tỷ số SNR tức thời đầu M  mrc   wm hm m 1 M w m m 1  1.55 m Để tìm giá trị lớn nhất của SNR đầu ra, sử dụng bất đẳng thức sau của Schwarz [3]:  M  M 2  a b   m m   am   bm  m 1  m1  m1  M Điều kiện để thu dấu Footer Page 22 of 27 1.56  Header Page 23 of 27 1.57  bm  Cam ; m Với C số bất kỳ Đặt hm am  1.58 m 1.59  bm  wm m Ta có M a m 1 h m m  M hm   M        wm  m2   m1  m   m1    1.60  So sánh với biểu thức  mrc ta thu  mrc M h   m2 m1  m 1.61 Với dấu xảy wm  C  hm 1.62   m2 Đây chính giá trị của trọng số của phương pháp kết hợp tỷ lệ tối đa Trong trường hợp công suất tạp âm nhánh phân tập nhau, tức là,  m2   z2 , ta nhận thấy C  m2 số chung cho tất cả nhánh phân tập Do đó, ta loại bỏ C  m2 khỏi w m mà không làm ảnh hưởng đến SNR đầu Như vậy, w m biểu diễn rút gọn thành 1.63 w m  hm Giá trị tối đa của SNR tức thời đầu kết hợp tỷ lệ tối đa  mrc M M h   m2    m m1  m m 1 1.64  Theo [13],  m phân tích thành 2M biến ngẫu nhiên Gauss có cùng giá trị trung bình khơng cùng variance  Như vậy,  mrc chính phân bố  (chi-square) của 2M biến ngẫu nhiên Gauss với phương sai Footer Page 23 of 27 Header Page 24 of 27  2   Vì vậy, hàm mật độ xác suất  trường hợp m   viết sau [13]:  M 1   p    exp    ;   M  M  1!    1.65 Từ đây, tính hàm phân bố xác suất  cách lấy tích phân của hàm mật độ xác suất Pr   x   p   d   x x    M 1 exp    M    M  1 !   m 1 x  M   x    exp        m 1  m  1 ! 1.66  Hàm phân phối xác suất Pr   x của phương pháp kết hợp tỷ lệ tối đa mơ tả hình vẽ So sánh với phương pháp kết hợp chọn lọc trên, phương pháp kết hợp tỷ lệ tối đa có tỷ lệ tải (outage rate) tốt Thực tế, phương pháp kết hợp tỷ lệ tối đa phương pháp kết hợp cho độ lợi lớn nhất Phương pháp kết hợp gọi phương pháp kết hợp tới ưu (optimum combining) Hình 1.11: Phân phối xác suất của SNR cho phương pháp kết hợp tỷ lệ tối đa Footer Page 24 of 27 Header Page 25 of 27 1.4.4 Kết hợp đồng độ lơi (Equal Gain Combining) Như phần trước, MRC phương pháp kết hợp tối ưu cho độ lợi phân tập lớn nhất tất cả phương pháp kết hợp phân tập thu Tuy nhiên, phương pháp MRC yêu cầu cần phải biết chính xác trọng số kết hợp, tương đối phức tạp Hơn nữa, độ lợi thu của phương pháp MRC không lớn nhiều so với phương pháp kết hợp chọn lọc Điều có nghĩa phần lớn độ lợi phân tập thu từ nhánh phân tập có công suất lớn nhất phương pháp kết hợp thu độ lợi từ nhánh phân tập tổng độ lợi thu hầu không thay đổi Quan sát dẫn đến phương pháp phân tập mới, kỹ thuật kết hợp phân tập đồng độ lợi (EGC: Equal Gain Combining), đơn giản phương pháp MRC Sử dụng phương pháp kết hợp EGC, tín hiệu nhánh đồng pha (cophasing) giống trường hợp MRC, sau nhân với trọng số có cùng độ lớn, rời kết hợp với Trường hợp đơn giản nhất đặt độ lợi của trọng số số đơn vị Như vậy, phương pháp kết hợp EGC trường hợp đặc biệt của phương pháp MRC Sử dụng công thức  mrc M hm   2 m1  m (1.67) Ta có tỷ số SNR đầu kết hợp EGC M  hm       mM1  2  m 1 1.68 m Giả sử tỷ số SNR  m nhánh phân tập nhau, hàm mật độ xác suất của SNR đầu kết hợp với giá trị  nhỏ là: p    Trong Footer Page 25 of 27 2M 1  2M  1!  m2  m 1   M  M 1 M  m 1 m 1.69  Header Page 26 of 27 M    m2  1.70  m 1 Để tối đa hóa độ lợi kết hợp của phương pháp EGC, ta cần tối giản hóa p   Điều tương đương với việc tối đa hóa thành phần mẫu số Tuy nhiên, từ biểu thức ta có  m2   m 1   M 1.71 Như vậy, ta cần phải tìm tập hợp của M cho tích của chúng tối đa với điều kiện tổng của chúng đơn vị Sử dụng phương pháp bội số Lagrange (Lagrange multipliers), giá trị của hệ số M Do ta thu  m2      M  m 1   M M 1.72  Do p   trở thành: p    2M 1 M M  M 1  2M  1! M   m 1.73 m 1 Hàm phân phối xác suất tương ứng của SNR đầu kết hợp [4]  2M  Pr   x   p    d    2M ! M x xM M  m 1 1.74  k 1.4.5 Kết hợp phân tập thu tách sóng MLD Trong phần trước, biết phương pháp kết hợp phân tập MRC phương pháp kết hợp tối ưu Vì vậy, phương pháp phân tập sử dụng phổ biến nhất thực tế Trong phần nghiên cứu sơ đồ thực phương pháp MRC kết hợp với phương pháp tách sóng hợp lệ tối đa (MLD: Maximum Likehood Detection) Mơ hình của hệ thống vơ tuyến máy thu sử dụng nhánh phân tập MRC hình vẽ Footer Page 26 of 27 Header Page 27 of 27 Hình 1.12: Máy thu với nhánh phân tập MRC tách MLD Tín hiệu đầu kết hợp MRC: giả sử thời điểm k, tín hiệu sk truyền từ máy phát Độ lợi kênh truyền giữa anten máy phát tới anten máy thu thứ nhất thứ hai thời điểm k ký hiệu h1,k h2,k Giả sử kênh truyền chịu ảnh hưởng của pha-đinh biến đổi chậm Nhờ ta bỏ qua số thời gian k, tức là, h1,k  h1 h2,k  h2 Các kênh biểu diễn sau: h1  1e j1 h2   2e j2 1.75 1.76  Trong  mvà m (m = 1, 2) tương ứng biên độ phức pha của kênh Các tín hiệu thu hai nhánh phân tập y1,k  h1sk  z1,k y2,k  h2 sk  z2, k 1.77  1.78 Trong zm,k mẫu (samples) tạp âm Gauss Như phần trước, để tối đa hóa SNR đầu ra, tín hiệu thu hai nhánh phân tập nhân với hệ số trọng số w m rồi kết hợp lại với Theo wm  hm , tức Footer Page 27 of 27 Header Page 28 of 27 1.79  1.80  w1  h1 w2  h2 Vì vậy, sử dụng ước lượng kênh truyền máy thu, ta biết kênh truyền h1 h2 , nhờ tính trọng số kết hợp w1 w2 Giả sử kênh truyền ước lượng h1 h2 chính xác, tức là, h1  h1 h2  h2 Sử dụng phương pháp MRC, tín hiệu đầu kết hợp cho 1.81 sˆk  y1,k w1  y2,k w2 Thay biểu thức của w1 w2 , công thức trở thành: sˆk  y1,k h1  y2,k h2   h1sk  z1,k  h1   h2 sk  z2,k  h2 1.82   h1 sk  z1,n h1  h2  z2,n h2 2 Được biểu diễn rút gọn thành  sˆk  h1  h2 2 s  z k 1.83  1, k h  z2,k h2 Tách sóng tối ưu: giả sử tín hiệu phát sk  c ,  c biểu đờ phân phối điểm tín hiệu (signal constellation) Do mẫu tạp âm zm,k có phân phố Gauss, luật định xác suất tối đa (maximum likelihood decision rule) máy thu 2 M 2 sk  arg   ym,k  hm sk  sk  c  m1  M 2   arg   d  ym,k , hm sk   sk  c  m 1  1.84  Trong d  ym,k , hm sk   ym,k  hm sk   ym,k  hm sk  ym,k  hm sk   1.85 Là bình phương khoảng cách Euclid giữa tín hiệu thu ym,k tín hiệu không chứa tạp âm hm sk Footer Page 28 of 27 Header Page 29 of 27 Khai triển đối số của cơng thức ta có TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt Nguyễn Văn Đức (2006), Lý thuyết về k ênh vô tuyến, Nhà xuấ t bản Khoa học Kỹ thuật Nguyễn Hoàng Hải -Nguyễn Viê ̣t Anh (2006), Lập trình Matlab ứng dụng, Nhà xuất bản Khoa học Kỹ thuật Nguyễn Viết Kính-Trịnh Anh Vũ (2007), Thông tin số, Nhà xuất bản Giáo dục Trầ n Xuân Nam (2008), Mô phỏng các ̣ thố ng thông tin vô tuyế n sử dụng Matlab, Học viện KTQS Phan Thanh Tao (2005), Giáo trình Matlab, Nhà xuất bản Đà Nẵng Trịnh Anh Vũ (2006), Thông tin di động, Nhà xuất bản Đại học Quốc gia Hà Nội Tài liệu Tiế ng Anh S M Alamouti (1998), A simple transmit diversity technique for wireless communications, IEEE Journal on Selected Areas in Communications, vol 16 A L F de Almeida, W C Freitas Jr., J C M Mota, F R P Cavalcanti and R L de Lacerda Neto (2003), Performance of MIMO Systems with a Hybrid of Transmit Diversity and Spatial Multiplexing, www.gtel.ufc.br Sergio Benedetto and Ezio Biglieri (1999), Principles of digital transmission with wireless applications, ISBN 0-306-45753-9 10 A B Gershman (2005), Space-Time Processing for MIMO Communications, www.wiley.com 11 Andrea Goldsmith (2005), Wireless Communications, Cambridge University Press 12 Volker Kuhn (2006), Wireless Communications over MIMO Channels, Universitat Rostock, Germany Footer Page 29 of 27 Header Page 30 of 27 13 B Sklar (1988), Digital Communicatons Fundamentals and Applicatons Prentice Hall 14 V Tarokh, H Jafarkhani, and A R Calderbank (1998), Space-time codes for high data rate wireless communications: performance criterion and code construction, IEEE Transactions on Information Theory, vol 44, no 2, pp 744–765 15 Xuan Nam Tran, Tetsuki Taniguchi, Yoshio Karasawa (2004), Adaptive Beamforming for Multiuser Space-Time Block Coded Systems, ISSSTA2004, Sydney, Australia 16 Xuan Nam Tran, Huan Cong Ho, Tadashi Fujino and Yoshio Karasawa (2008), Performance Comparison of Detection Methods for Combined STBC and SM Systems, IEICE trans Commun, Vol.E91-B 17 Branka Vucetic (2003), Space-Time Coding, University of Sydney, Australia 18 Lan Zhao, Student Member, IEEE and V K Dubey, Senior Member (2005), Detection Schemes for Space – Time Block Code and Spatial Multiplexing Combined System, IEEE Communications Letters, Vol 9, no Footer Page 30 of 27 Header Page 31 of 27 Footer Page 31 of 27 ... với kỹ thuật phân tập bao gồm phân tập thu phân tập phát Chương 2: Các kỹ thuật phân tập phát không gian-thời gian hệ MIMO trình bày phương pháp truyền dẫn dành cho hệ truyền thông qua kênh. .. kênh MIMO, cụ thể kỹ thuật ghép kênh phân chia theo không gian kỹ thuật mã hóa khơng gian thời gian Chương 3: Kỹ thuật kết hợp phân tập phát MIMO- SDM” trình bày sơ đờ kết hợp phát phân tập. .. phương phân tập sử dụng thơng tin vơ tuyến phân loại thành: phân tập thời gian, phân tập tần số, phân tập phân cực phân tập không gian [4],[9] 1.3.1 Phân tập thời gian Do tính chất ngẫu nhiên