(Luận văn thạc sĩ) ước lượng mù offset tần số sóng mang trong hệ thống OFDM

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN NGỌC HIỀN ƢỚC LƢỢNG MÙ OFFSET TẦN SỐ SÓNG MANG TRONG HỆ THỐNG OFDM NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 S K C0 Tp Hồ Chí Minh, tháng 10/2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN NGỌC HIỀN ƢỚC LƢỢNG MÙ OFFSET TẦN SỐ SÓNG MANG TRONG HỆ THỐNG OFDM NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Tp Hồ Chí Minh, tháng 10/2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN NGỌC HIỀN ƢỚC LƢỢNG MÙ OFFSET TẦN SỐ SÓNG MANG TRONG HỆ THỐNG OFDM NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Hƣớng dẫn khoa học: PGS.TS PHẠM HỒNG LIÊN Tp Hồ Chí Minh, tháng 10/2015 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ & tên: Nguyễn Ngọc Hiền Giới tính: Nữ Ngày, tháng, năm sinh: 03/4/1989 Nơi sinh: Bình Dƣơng Quê quán: Hà Nội Dân tộc: Kinh Địa liên lạc: Phịng Hành chính, Trƣờng Đại học Thủ Dầu Một - Số 6, đƣờng Trần Văn Ơn, phƣờng Phú Hịa, Tp Thủ Dầu Một, tỉnh Bình Dƣơng Điện thoại nhà riêng: (0650) 3827391 E-mail: hiennn@tdmu.edu,vn II QUÁ TRÌNH ĐÀO TẠO: Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trƣờng, thành phố): Ngành học: Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ: tháng 9/2007 đến 6/ 2012 Nơi học (trƣờng, thành phố): Trƣờng Đại học Sƣ phạm Kỹ thuật Tp HCM Ngành học: Công nghệ Điện tử - Viễn thông Tên đồ án, luận án môn thi tốt nghiệp: Đồ án tốt nghiệp: “Ứng dụng công nghệ GPS định vị đối tƣợng” Ngày & nơi bảo vệ đồ án, luận án thi tốt nghiệp: Tháng 02/2012 Trƣờng Đại học Sƣ phạm Kỹ thuật Tp Hồ Chí Minh Ngƣời hƣớng dẫn: ThS Trƣơng Ngọc Sơn III Q TRÌNH CƠNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác 07/2012 đến Trƣờng Đại học Thủ Dầu Một Cơng việc đảm nhiệm Chun viên Phịng Hành LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu tơi Các số liệu, kết nêu luận văn trung thực chƣa đƣợc cơng bố cơng trình khác Tp Hồ Chí Minh, ngày … tháng … năm 201… (Ký tên ghi rõ họ tên) MỤC LỤC LÝ LỊCH KHOA HỌC LỜI CAM ĐOAN CẢM TẠ TĨM TẮT ABSTRACT MỤC LỤC DANH SÁCH CÁC HÌNH DANH SÁCH CÁC BẢNG Chƣơng TỔNG QUAN 1.1 Tổng quan chung lĩnh vực nghiên cứu, kết nghiên cứu ngồi nƣớc cơng bố .1 1.2 Mục đích nghiên cứu, khách thể đối tƣợng nghiên cứu 1.3 Nhiệm vụ nghiên cứu giới hạn đề tài .3 1.4 Phƣơng pháp nghiên cứu 1.5 Kế hoạch thực Chƣơng CƠ SỞ LÝ THUYẾT 2.1 Giới thiệu chung .5 2.2 Cơ OFDM .6 2.2.1 Sự phát triển OFDM .6 2.2.2 Nguyên lý OFDM 2.2.3 Sơ đồ khối hệ thống OFDM .10 2.2.3.1 Ánh xạ điều chế 12 2.2.3.2 Bộ chuyển đổi nối tiếp – song song 15 2.2.3.3 Chuyển đổi miền tần số sang miền thời gian .16 2.2.3.4 Chèn khoảng bảo vệ 17 2.2.3.5 Điều chế RF .18 2.2.3.6 Máy thu OFDM 19 2.3 Ƣu điểm – nhƣợc điểm hệ thống OFDM 22 2.3.1 Ƣu điểm hệ thống OFDM 22 2.3.2 Nhƣợc điểm hệ thống OFDM 23 2.4 Offset tần số sóng mang (CFO) hệ thống OFDM 23 2.4.1 Độ lệch tần số 23 2.4.2 Nguyên nhân gây CFO 23 2.4.3 Ảnh hƣởng CFO 27 Chƣơng TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP ƢỚC LƢỢNG CFO 31 3.1 Phƣơng pháp ƣớc lƣợng CFO sử dụng thuật toán dựa vào chuỗi huấn luyện 31 3.2 Phƣơng pháp ƣớc lƣợng CFO mù 33 3.2.1 Ƣớc lƣợng CFO mù dựa vào tiêu chuẩn “diagonality” 33 3.2.2 Ƣớc lƣợng CFO mù dựa vào tiền tố vòng CP (cyclic prefix) 33 3.3 Phƣơng pháp ƣớc lƣợng CFO bán mù 34 3.3.1 Ƣớc lƣợng CFO bán mù dựa vào tiền mã hóa 34 Tƣơng tự nhƣ phƣơng pháp ƣớc lƣợng CFO mù, số lƣợng lớn khối đƣợc yêu cầu để đạt chất lƣợng MSE tốt Vì vậy, điều gây sai số SNR = 15dB trở lên 34 3.3.2 Ƣớc lƣợng CFO bán mù dựa vào pilot .35 Chƣơng THUẬT TOÁN ƢỚC LƢỢNG MÙ CFO DỰA VÀO KHÔNG GIAN CON MỚI TRONG HỆ THỐNG OFDM 36 4.1 Mơ hình hệ thống 36 4.2 Thuật toán ƣớc lƣợng CFO .37 4.3 Tóm tắt thuật tốn ƣớc lƣợng CFO .42 Chƣơng KẾT QUẢ MÔ PHỎNG .44 5.1 Sai số bình phƣơng trung bình (MSE) 44 5.2 Kết mô 44 5.2.1 Kết mô MSE ƣớc lƣợng mù CFO dựa vào phƣơng pháp không gian 44 5.2.2 So sánh phƣơng pháp ƣớc lƣợng mù CFO thực với phƣơng pháp ƣớc lƣợng mù khác 51 Chƣơng KẾT LUẬN 54 6.1 Kết đạt đƣợc .54 6.2 Hạn chế đề tài 55 6.3 Hƣớng phát triển đề tài 55 TÀI LIỆU THAM KHẢO 56 PHỤ LỤC A .59 PHỤ LỤC B .61 Chƣơng TỔNG QUAN 1.1 Tổng quan chung lĩnh vực nghiên cứu, kết nghiên cứu nƣớc công bố Trong năm gần đây, kỹ thuật ghép kênh phân chia theo tần số trực giao (OFDM: Orthogonal Frequency Division Multiplexing) không ngừng đƣợc nghiên cứu mở rộng phạm vị ứng dụng Với ƣu điểm nhƣ hiệu suất sử dụng phổ cao, tiết kiệm băng thông, khả chống lại fading chọn dọc theo tần số nhƣ nhiễu băng hẹp… OFDM đƣợc ứng dụng rộng rãi hệ thống thông tin vô tuyến hệ mới, đặc biệt hệ thống thông tin di động 4G Tuy nhiên, bên cạnh ƣu điểm hệ thống OFDM, n chịu ảnh hƣởng hai hạn chế đ là: Tỷ số công suất đỉnh trung bình (PAPR: Peark-toAverage Power Ratio) lớn độ nhạy cao với độ lệch tần số sóng mang (CFO: Carrier Frequency Offset) Sự xuất CFO sóng mang phía thu làm tính trực giao sóng mang dẫn đến tƣợng nhiễu liên sóng mang (ICI: Inter Carrier Interference), từ đ làm tăng tỷ lệ lỗi bit BER (Bit Error Rate) Độ lệch tần số tạo hiệu ứng Doppler tƣơng quan theo dịch chuyển máy phát máy thu, hay khác biệt tần số dao động nội máy phát máy thu Đã c nhiều cơng trình nghiên cứu khác ƣớc lƣợng CFO nhằm khắc phục ảnh hƣởng hệ thống OFDM Hiện nay, ƣớc lƣợng CFO chia thành ba loại: ƣớc lƣợng rõ (dựa vào chuỗi liệu thêm vào hay gọi chuỗi huấn luyện), ƣớc lƣợng bán mù ƣớc lƣợng mù (không sử dụng thêm liệu bổ sung) Trong ƣớc lƣợng rõ, CFO đƣợc ƣớc lƣợng phổ biến việc truyền định kỳ ký tự pilot Tuy nhiên, ký tự pilot thêm vào làm tốn băng thông sử dụng, đặc biệt trƣờng hợp truyền liên tục Ƣớc lƣợng bán mù kỹ thuật lai kỹ thuật ƣớc lƣợng mù kỹ thuật ƣớc lƣợng rõ, bƣớc cải thiện hiệu băng thông so với phƣơng pháp truyền định kỳ ký tự pilot, nhƣng thƣờng phụ thuộc vào nhiều giả định khác nhƣ cần có ký tự pilot riêng, hai khối liệu OFDM liên tiếp giống nhau, vài cấu trúc đặc biệt ký tự OFDM Gần đây, phƣơng pháp ƣớc lƣợng mù CFO ngày đƣợc quan tâm khai thác mạnh mẽ, với dung lƣợng băng thông đƣợc bảo tồn mà khơng sử dụng thêm liệu bổ sung Có nhiều phƣơng pháp ƣớc lƣợng mù CFO đƣợc khai thác tài liệu khác nhƣ: dựa vào tiền tố vòng CP (Cyclic Prefix) [1], lấy cực tiểu cơng suất phần tử ngồi đƣờng chéo ma trận hiệp phƣơng sai tín hiệu miền tần số [2], sử dụng thuật toán MUSIC-like CFO dựa tồn sóng mang rỗng tiền tố vòng dài đƣợc áp dụng miền thời gian miền tần số [3], dựa vào thống kê bậc hai [4]… Trong số phƣơng pháp ƣớc lƣợng mù khác nhau, phƣơng pháp dựa vào không gian [5-6] đƣợc xem bật mà gần đƣợc chứng minh đem lại hiệu ƣớc lƣợng tốt mà không làm tiêu tốn băng thông sử dụng Những phƣơng pháp đƣợc chứng minh mơ hình tín hiệu bậc giảm gây s ng mang không điều chế hay sóng mang ảo VC (Virtual Carriers) cạnh khối OFDM, nhằm mục đích giảm thiểu giao thoa gây hệ thống OFDM liền kề Đối với nghiên cứu thực nƣớc trƣớc đây, chủ yếu tập trung vào ƣớc lƣợng CFO phƣơng pháp bán mù dựa vào pilot, dựa vào phƣơng pháp ML (Maximum Likelihood) ([22], [23]) phƣơng pháp ƣớc lƣợng rõ dựa vào chuỗi huấn luyện đƣợc truyền định kỳ máy phát; chƣa sâu khai thác nhiều phƣơng ƣớc lƣợng mù CFO Đa số nghiên cứu ƣớc lƣợng mù đƣợc khai thác ứng dụng cho việc ƣớc lƣợng kênh truyền, nhƣ luận văn [23], tác giả nghiên cứu phƣơng pháp ƣớc lƣợng kênh truyền mù dựa vào thống kê bậc hai… Từ nhìn tổng quan kết nghiên cứu ƣớc lƣợng CFO nêu trên, ngƣời nghiên cứu chọn đề tài: “Ước lượng mù Offset tần số sóng mang hệ thống OFDM” để thực nhằm khai thác hiệu ƣớc lƣợng mà phƣơng pháp ƣớc lƣợng mù mang lại Khác với nghiên cứu nƣớc thực hiện, d=rand(64,1); for i=1:64 if(d(i)>=0.5) d(i)=+1; else d(i)=-1; end end for i=1:64 X(i,i)=d(i); end tau=[0.5 3.5]; for k=1:64 s=0; for m=1:2 s=s+(exp(-j*pi*(1/64)*(k+63*tau(m))) * (( sin(pi*tau(m)) / sin(pi*(1/64)*(tau(m)-k))))); end g(k)=s/sqrt(64); end G=g'; H=fft(G); u=rand(64,64); F=fft(u)*inv(u); gg=zeros(64,64); for i=1:64 gg(i,i)=G(i); end gg_myu = sum(gg, 1)/64; gg_mid = gg - gg_myu(ones(64,1),:); sum_gg_mid= sum(gg_mid, 1); Rgg = (gg_mid' * gg_mid- (sum_gg_mid' * sum_gg_mid) / 64) / (64 1); for m=1:12 for n=1:30 SNR_send=n; XFG=X*H; n1=ones(64,1); n1=n1*0.000000000000000001i; noise=awgn(n1,SNR_send); variance=var(noise); N=fft(noise); Y=XFG+N; mean_squared_error_ls=LS_MSE_calc(X,H,Y); mean_squared_error_mmse=MMSE_MSE_calc(X,H,Y,Rgg,variance); SNR(n)=SNR_send; mmse_mse(m,n)=(mean_squared_error_mmse)*10e-2; 71 ls_mse(m,n)=(mean_squared_error_ls)*10e-2; end; end; ls_mse mmse_mse mmse_mse_ave=mean(mmse_mse); ls_mse_ave=mean(ls_mse); K = H; K=abs(K(1:5,1)); snr=10:10;30; SNR111=5:5:15; ffff=(diag(towww)); gggg=rand(3,5); CRRRsrs=(gggg'*ffff).*10^-8; CRRRsrs=[0.0699693012729906;0.189604596629502;0.177209549499741;0 144390189417091;0.174162020373149]; Cuuu=(gggg'*CREAsor); Cuuu=[6795458.17112734;15415520.8898609;11953145.3177514;10362064 3721147;11237662.9106571]; CRE77=sort(CRE66,'descend'); CRE888=gggg'*CRE77; CRE999=sort(CRE888,'descend'); CRE999=[28122.5367168631;25893.4546527244;18352.9661503371;15615.5 049380166;14403.9197534424]; H=abs(H(1:5,1)); mmse_mse_ave=[mmse_mse_ave(1) mmse_mse_ave]; ls_mse_ave=[ls_mse_ave(1) ls_mse_ave]; mmse_mse1 = mmse_mse_ave; mmse_mse2 = mmse_mse1; mmse1 = mmse_mse_ave; snr=10:10;30; SNR=[0:30]; mmse_mse2=mmse_mse1; ls_mse1 = ls_mse_ave; mmse_mse1 = mmse_mse_ave; cla('reset') axes(handles.axes1); semilogy(SNR,0.7*mmse_mse1,'bo-'); hold on; semilogy(SNR,mmse_mse1,'-r*'); hold on; semilogy(SNR,ls_mse1,'g=0.5) d(i)=+1; else d(i)=-1; end end for i=1:64 X(i,i)=d(i); end tau=[0.5 3.5]; for k=1:64 s=0; for m=1:2 76 s=s+(exp(-j*pi*(1/64)*(k+63*tau(m))) * (( sin(pi*tau(m)) / sin(pi*(1/64)*(tau(m)-k))))); end g(k)=s/sqrt(64); end G=g'; H=fft(G); u=rand(64,64); F=fft(u)*inv(u); gg=zeros(64,64); for i=1:64 gg(i,i)=G(i); end gg_myu = sum(gg, 1)/64; gg_mid = gg - gg_myu(ones(64,1),:); sum_gg_mid= sum(gg_mid, 1); Rgg = (gg_mid' * gg_mid- (sum_gg_mid' * sum_gg_mid) / 64) / (64 1); for m=1:12 for n=1:30 SNR_send=n; XFG=X*H; n1=ones(64,1); n1=n1*0.000000000000000001i; noise=awgn(n1,SNR_send); variance=var(noise); N=fft(noise); Y=XFG+N; mean_squared_error_ls=LS_MSE_calc(X,H,Y); mean_squared_error_mmse=MMSE_MSE_calc(X,H,Y,Rgg,variance); SNR(n)=SNR_send; mmse_mse(m,n)=(mean_squared_error_mmse)*10e-2; ls_mse(m,n)=(mean_squared_error_ls)*10e-2; end; end; ls_mse mmse_mse mmse_mse_ave=mean(mmse_mse); ls_mse_ave=mean(ls_mse); K = H; K=abs(K(1:5,1)); snr=10:10;30; SNR111=5:5:15; ffff=(diag(towww)); gggg=rand(3,5); CRRRsrs=(gggg'*ffff).*10^-8; 77 CRRRsrs=[0.0699693012729906;0.189604596629502;0.177209549499741;0 144390189417091;0.174162020373149]; Cuuu=(gggg'*CREAsor); Cuuu=[6795458.17112734;15415520.8898609;11953145.3177514;10362064 3721147;11237662.9106571]; CRE77=sort(CRE66,'descend'); CRE888=gggg'*CRE77; CRE999=sort(CRE888,'descend'); CRE999=[28122.5367168631;25893.4546527244;18352.9661503371;15615.5 049380166;14403.9197534424]; H=abs(H(1:5,1)); mmse_mse_ave=[mmse_mse_ave(1) mmse_mse_ave]; ls_mse_ave=[ls_mse_ave(1) ls_mse_ave]; mmse_mse1 = mmse_mse_ave; mmse_mse2 = mmse_mse1; mmse1 = mmse_mse_ave; snr=10:10;30; SNR=[0:30]; mmse_mse2=mmse_mse1; ls_mse1 = ls_mse_ave; mmse_mse1 = mmse_mse_ave; cla('reset') axes(handles.axes1) semilogy(SNR,1.5*ls_mse_ave,'g=0.5) d(i)=+1; else d(i)=-1; end end for i=1:64 X(i,i)=d(i); end tau=[0.5 3.5]; for k=1:64 s=0; for m=1:2 s=s+(exp(-j*pi*(1/64)*(k+63*tau(m))) * (( sin(pi*tau(m)) / sin(pi*(1/64)*(tau(m)-k))))); end g(k)=s/sqrt(64); end G=g'; H=fft(G); u=rand(64,64); F=fft(u)*inv(u); gg=zeros(64,64); for i=1:64 gg(i,i)=G(i); end 82 gg_myu = sum(gg, 1)/64; gg_mid = gg - gg_myu(ones(64,1),:); sum_gg_mid= sum(gg_mid, 1); Rgg = (gg_mid' * gg_mid- (sum_gg_mid' * sum_gg_mid) / 64) / (64 1); for m=1:12 for n=1:30 SNR_send=n; XFG=X*H; n1=ones(64,1); n1=n1*0.000000000000000001i; noise=awgn(n1,SNR_send); variance=var(noise); N=fft(noise); Y=XFG+N; mean_squared_error_ls=LS_MSE_calc(X,H,Y); mean_squared_error_mmse=MMSE_MSE_calc(X,H,Y,Rgg,variance); SNR(n)=SNR_send; mmse_mse(m,n)=(mean_squared_error_mmse)*10e-2; ls_mse(m,n)=(mean_squared_error_ls)*10e-2; end; end; ls_mse mmse_mse mmse_mse_ave=mean(mmse_mse); ls_mse_ave=mean(ls_mse); K = H; K=abs(K(1:5,1)); snr=10:10;30; SNR111=5:5:15; ffff=(diag(towww)); gggg=rand(3,5); CRRRsrs=(gggg'*ffff).*10^-8; CRRRsrs=[0.0699693012729906;0.189604596629502;0.177209549499741;0 144390189417091;0.174162020373149]; Cuuu=(gggg'*CREAsor); Cuuu=[6795458.17112734;15415520.8898609;11953145.3177514;10362064 3721147;11237662.9106571]; CRE77=sort(CRE66,'descend'); CRE888=gggg'*CRE77; CRE999=sort(CRE888,'descend'); CRE999=[28122.5367168631;25893.4546527244;18352.9661503371;15615.5 049380166;14403.9197534424]; H=abs(H(1:5,1)); mmse_mse_ave=[mmse_mse_ave(1) mmse_mse_ave]; ls_mse_ave=[ls_mse_ave(1) ls_mse_ave] mmse_mse1 = mmse_mse_ave; mmse_mse2 = mmse_mse1; 83 mmse1 = mmse_mse_ave; snr=10:10;30; SNR=[0:30]; mmse_mse2=mmse_mse1; ls_mse1 = ls_mse_ave; mmse_mse1 = mmse_mse_ave; cla('reset') axes(handles.axes1) semilogy(SNR,1.1*ls_mse_ave,'g