71 Hình 4-8: Hệ thống MIMO 2x2 Ta có : 1 1 11 2 12 2 1 21 2 22 * * * * Y X H X H Y X H X H (4.17)
Giả sử tại thời điểm phát ký hiệu thứ i là ký hiệu có chứa dữ liệu tham khảo, khe tần số thứ k, ta có : 1, , , 1, , , 11, , , 2, , , 12, , , 2, , , 1, , , 21, , , 2, , , 22, , , * * * * p i k p i k p i k p i k p i k p i k p i k p i k p i k p i k Y X H X H Y X H X H (4.18)
Bài toán đặt ra là làm thế nào xác định được hệ số kênh tại vị trí đặt dữ liệu tham khảo (pilot) H11, , ,p i k,H21, , ,p i k,H12, , ,p i k,H22, , ,p i k khi chỉ có hai phương trình
toán học như trên ? Giải quyết bài toán
Hệ số kênh tại vị trí pilot có thể tính như sau :
2, , , 1, , , 2, , , 1, , , 1, , , 1, , , 11, , , 11, , , 1, , , 0 2, , , 0 2, , , 2, , , 21, , , 22, , , 1, , , 0 2, , , 0 p i k p i k p i k p i k p i k p i k p i k p i k p i k X p i k X p i k p i k p i k p i k p i k X p i k X Y Y H H X X Y Y H H X X (4.19)
72
Điều đó có nghĩa : Trên cùng một ký hiệu thứ i, cùng khe tần số thứ k, nếu đặt dữ liệu tham khảo trên anten này thì trên anten còn lại phải đặt giá trị không và ngược lại.
Hình 4-9: Quy tắc sắp xếp dữ liệu tham khảo trên các anten của hệ thống MIMO 2x2
4.3 Mô phỏng hệ số kênh truyền ƣớc lƣợng bằng phƣơng pháp Wiener, SI và Linear
Kịch bản mô phỏng 1 : So sánh chất lượng tín hiệu giải mã khi sử dụng hệ số kênh chính xác và khi sử dụng hệ số kênh ước lượng bằng phương pháp Wiener, SI, Linear.
Tiêu chí so sánh : Tỷ số SER phía thu.
Giá trị ở Bảng 4-1 là giá trị đầu vào thực hiện mô phỏng hệ thống thu phát MIMO 2x2 OFDM. Chú ý rằng các giá trị BS 10 , MS 1 / 2 được chọn đều tối ưu nhất ( xem 3.4.1).
73
Bảng 4.1: Bảng giá trị đầu vào mô phỏng cho hệ thống MIMO-OFDM khi sử dụng các phương pháp ước lượng khác nhau
Tham số Giá trị
Hệ thống MIMO 2x2, LTE Extended Vehicular A case C, B=5MHz, sub-urban macro cell
Mô hình kênh SCM
Mức QAM 64
Khoảng cách cặp anten thu, phát. 10, 1 / 2 BS MS t D 2 f D 2 Số OFDM symbol 10 Số OFDM Pilot 3 Số OFDM Data 7 NFFT 512 G 212 N_Data 300
Hình 4-10 chỉ ra kết quả mô phỏng bằng MATLAB so sánh tỷ lệ lỗi ký hiệu
74
Hình 4-10: So sánh giá trị SER khi sử dụng hệ số kênh chính xác và hệ số kênh ước lượng sử dụng QAM64
Hình 4-11a Hình 4-11b
Hình 4-11c Hình 4-11d
Hình 4-11: Chất lượng hình ảnh nhận được khi sử dụng các phương pháp ước lượng kênh khác nhau, SNR = 16 dB.
75
Hình 4-11 chỉ rõ sự khác nhau về chất lượng hình ảnh giải mã được khi sử dụng các phương pháp ước lượng kênh khác nhau. Hình 4-11a, 4-11b, 4-11c và 4- 11d là kết quả nhận được khi sử dụng hệ số kênh ước lượng bằng phương pháp Linear, SI, Wiener-Hop và hệ số kênh chính xác với cùng giá trị SNR đầu vào là
16dB, điều chế QAM16.
Nhận xét : Cùng một điều kiện đầu vào như nhau, chất lượng tín hiệu sau quá trình giải mã khác nhau rõ rệt ở các phương pháp nội suy. Đường màu xanh lá cây ứng với việc giải mã sử dụng hệ số kênh chính xác cho kết quả tốt nhất, đường màu đỏ ứng với sử dụng hệ số kênh ước lượng bằng phương pháp nội suy Wiener-Hop cho kết quả giải mã kém hơn một chút so với việc giải mã tín hiệu sử dụng hệ số kênh chính xác nhưng không nhiều, tiếp đó là nội suy SI và kém nhất là khi sử dụng phương pháp nội suy Linear.
Kịch bản mô phỏng 2 : So sánh chất lượng tín hiệu giải mã khi sử dụng hệ số kênh ước lượng bằng phương pháp Wiener, SI, Linear với các mô hình kênh khác nhau (OneRing và SCM).
Tiêu chí so sánh : Tỷ số SER phía thu.
Thay đổi các mô hình kênh khác nhau và sử dụng cùng một phương pháp ước lượng ở phía thu. Các giá trị đầu vào khác xem ở Bảng 4-2.
Bảng 4-2: Bảng giá trị đầu vào mô phỏng cho hệ thống MIMO-OFDM khi các mô hình kênh khác nhau
Tham số Giá trị
Mô hình kênh SCM, OneRing
Mức QAM 64
Khoảng cách cặp anten thu, phát. BS 10,MS 1 / 2
t D 2 f D 2 Số OFDM symbol 10 Số OFDM Pilot 5 Số OFDM Data 5
Phương pháp ước lượng Linear, Wiener, SI
NFFT 512
G 212
76
Hình 4-12: Tỷ số SER phía thu khi truyền tín hiệu trong hai mô hình kênh OneRing và SCM sử dụng ước lượng kênh Wiener
Hình 4-13: Tỷ số SER phía thu khi truyền tín hiệu trong hai mô hình kênh OneRing và SCM sử dụng ước lượng kênh SI
77
Hình 4-14: Tỷ số SER phía thu khi truyền tín hiệu trong hai mô hình kênh OneRing và SCM sử dụng ước lượng kênh Linear
Hình 4-15: Tỷ số SER phía thu khi truyền tín hiệu trong hai mô hình kênh OneRing và SCM sử dụng ước lượng kênh Wiener, SI, Linear
78
Nhận xét : Hiệu quả của việc ước lượng kênh không phụ thuộc vào môi trường truyền tín hiệu, cụ thể là môi trường đồng bằng, đô thị hay đồi núi, nhưng phụ thuộc mạnh vào tỷ số SNR nhận được. Đây là một cơ sở để thể hiện tính độc lập của quá trình ước lượng hệ số kênh và giải mã tín hiệu không phụ thuộc vào các mô hình kênh khác nhau.
Kịch bản mô phỏng 3 : So sánh hiệu quả của thuật toán ước lượng kênh khi thay đổi khoảng cách đặt dữ liệu tham khảo
Tiêu chí so sánh : Tỷ số SER phía thu.
Thay đổi khoảng cách đặt dữ liệu pilot và giữ nguyên các điều kiện đầu vào khác xem ở Bảng 4-3: Bảng giá trị đầu vào mô phỏng cho hệ thống MIMO-OFDM khi thay đổi khoảng cách đặt dữ liệu pilot.
Bảng 4-3: Bảng giá trị đầu vào mô phỏng cho hệ thống MIMO-OFDM khi thay đổi khoảng cách đặt dữ liệu pilot
Tham số Giá trị
Hệ thống MIMO 2x2, LTE Extended Vehicular
A case C, B=5MHz, sub-urban macro cell
Mô hình kênh SCM
Mức QAM 64
Khoảng cách cặp anten thu, phát. 10, 1 / 2 BS MS t D 2 hoặc 4 f D 2 Số OFDM symbol 11 Số OFDM Pilot 2, 3, 5 Số OFDM Data 6, 8, 10 NFFT 512 G 212 N_Data 300
79
Hình 4-16: Tỷ số SER thu được khi thay đổi khoảng cách đặt dữ liệu pilot sử dụng ước lượng kênh Linear
Hình 4-17: Tỷ số SER thu được khi thay đổi khoảng cách đặt dữ liệu pilot sử dụng ước lượng kênh SI
80
Hình 4-18:Tỷ số SER thu được khi thay đổi khoảng cách đặt dữ liệu pilot sử dụng ước lượng kênh Wiener-Hop
Nhận xét : Nếu khoảng cách đặt dữ liệu pilot càng gần nhau, chất lượng tín hiệu giải mã được càng tốt. Lý do, khi các OFDM chứa pilot càng gần nhau, quá trình ước lượng hệ số kênh tại các vị trí đặt dữ liệu có ích càng chính xác, tuy nhiêu bù lại dung lượng kênh giảm đi do việc chèn dữ liệu pilot tăng lên.
Kịch bản mô phỏng 4 : Ước lượng kênh kết hợp với các phương pháp cân bằng kênh ZF và MMSE
Tiêu chí so sánh : Tỷ số SER phía thu.
Kịch bản mô phỏng các phương pháp ước lượng kênh kết hợp với thuật toán cân bằng kênh là ZF và MMSE, sử dụng mã hóa không gian-thời gian STBC. Phương trình toán học cho hai phương pháp cân bằng này xem công thức (2.17) và (2.18) Chƣơng 2.
81
Bảng 4-4: Bảng giá trị đầu vào mô phỏng cho hệ thống MIMO-OFDM khi sử
dụng các phương pháp cân bằng kênh khác nhau
Tham số Giá trị
Hệ thống MIMO 2x2, LTE Extended Vehicular
A case C, B=5MHz, sub-urban macro cell
Mô hình kênh SCM
Mức QAM 64
Khoảng cách cặp anten thu, phát. 10, 1 / 2 BS MS t D 2 f D 2 Số OFDM symbol 10 Số OFDM Pilot 5 Số OFDM Data 5 NFFT 512 G 212 N_Data 300
Hình 4-19: Tỷ số SER thu được khi kết hợp các phương pháp ước lượng và cân bằng kênh MMSE và ZF
82
Nhận xét : Tỷ số SER được cải thiện hơn khi sử dụng phương pháp cân bằng kênh MMSE so với phương pháp ZF khi sử dụng cùng một phương pháp ước lượng kênh. Hình 4-19 chỉ ra rằng ước lượng kênh Wiener kết hợp với phương pháp cân bằng kênh MMSE sẽ cho kết quả SER tốt nhất.
4.4 Kết luận chƣơng
Trong chương này, đồ án đã trình bày về lý thuyết khôi phục kênh truyền tại phía thu căn cứ vào dữ liệu tham khảo được phát đi cùng với dữ liệu có ích, tiếp đó đồ án đã chỉ ra sự khác nhau về chất lượng tín hiệu khôi phục được khi sử dụng hệ số kênh chính xác và hệ số kênh ước lượng. Đây là khối quan trọng nhất cùng với chức năng cân bằng kênh quyết định phần lớn khả năng giải mã được tín hiệu hay không. Trong thực tế, chức năng ước lượng kênh và cân bằng kênh được lập trình sẵn trong các chip DSP nhằm làm giảm thời gian tính toán các phép toán số học ở trên.
83
KẾT LUẬN CHUNG
Nội dung của đồ án đã nghiên cứu hai mô hình kênh băng rộng và chọn lọc tần số là OneRing và SCM và áp dụng hai mô hình kênh trên cho việc mô phỏng một hệ thống MIMO-OFDM tổng quát. Tiếp đó, đồ án đã tiến hành thử nghiệm và so sánh hiệu quả của các thuật toán ước lượng và cân bằng kênh, nhằm đánh giá tính chính xác của các phương pháp đó so với hệ số kênh thực tế.
Cũng cần nhắc lại là mô hình hệ thống MIMO-OFDM như trên là mô hình đơn giản nhưng tương đối tổng quát cho các hệ thống MIMO-OFDM thực tế. Chẳng hạn, trong hệ thống LTE, phần mã hóa và giải mã ở lớp vật lý (physical layer) được chia thành hai phần: phần xử lý bit và phần xử lý ký hiệu. Ngoài ước lượng và cân bằng kênh ở mức ký hiệu thì giải mã kênh sẽ là khâu tiếp theo và quan trọng nhất ở mức xử lý bit để khôi phục hoàn toàn dữ liệu phát đi. Một số phương pháp mã hóa kênh sử dụng trong hệ thống LTE như Turbo Coding, Convolutional Coding. Nội dung của đồ án không đề cập đến quá trình giải mã ở mức bit, tuy nhiên, hiệu quả của việc giải mã được tín hiệu bit ban đầu về cơ bản phụ thuộc rất lớn vào quá trình ước lượng kênh ở khâu xử lý ký hiệu. Nếu quá trình ước lượng kênh sai lệch nhiều với hàm truyền đạt thực tế, quá trình giải mã ở các khâu tiếp theo sẽ bị thất bại hoàn toàn.
Để có thể hoàn thành luận văn, bên cạnh những nỗ lực nghiên cứu và tìm tòi tài liệu của cá nhân, tác giả cũng xin gửi lời cảm ơn chân thành đến thầy giáo TS. Phạm Văn Tiến và PGS. TS Nguyễn Văn Đức đã tận tình hướng dẫn và góp ý sửa chữa để nội dung luận văn hoàn thiện nhất . Em xin chân thành cảm ơn các thầy.
84
TÀI LIỆU THAM KHẢO
[1] Nguyễn Văn Đức, Vũ Văn Yêm, Đào Ngọc Chiến, Nguyễn Quốc Khương, Nguyễn Trung Kiên, (2007), “Bộ sách k thuật thông tin số, tập 4, Thông tin vô tuyến”, NXB Khoa học và kỹ thuật.
[2] Nguyễn Quốc Khương, (2013) , “Các hệ thống không gian thời gian”, pp 23-26, 41-58.
[3] 3GPP, (2009), “3rd Generation Partnership Project; Technical Specification Group Radio Access Network; Spatial channel model for Multiple Input Multiple Output (MIMO) simulations”, 3GPP Organizational.
[4] 3GPP, (2010), “3rd Generation Partnership Project; Technical Specification Group Radio Access Network; Evolved Universal Terrestrial Radio Access (E-UTRA); Physical Channels and Modulation (Release 9.1.0)”, 3GPP Organizational, pp. 81-82.
[5] Haixia Zhang, Dongfeng Yuan, Matthias P¨atzold, Yi Wu and Van Duc Nguyen, (2009)), “A novel wideband space-time channel simulator based on the geometrical one-ring model with applications in MIMO-OFDM systems” Paper, published online in Wiley InterScience.
[6] Nguyen Van Duc, Bach Tran, Nga Nguyen, Quoc Khuong Nguyen, Byeungwoo Jeon, “An Investigation of the Spatial Correlation Influence on Coded MIMO-OFDM system ” Paper, published online in
http://www.researchgate.net.
[7] Thuong Nguyen Canh, Van Duc Nguyen, Phuong Dang, Luong Pham Van, Thu Nga Nguyen, Patzold.M, (2012), “Performance of MIMO-OFDM- Based LTE-A downlink channel modeled by the extended geometrical one- ring approach," Intern. Conf. on IEEE Advanced Technologies for Communications (ATC).
85
[8] Taylor and Francis Group,“Lingyang Song and Jia Shen, Evolved cellular network planning and optimization for UMTS and LTE”, chapter 2, CRC Press , 2011.
[9] Alan V. Oppenheim and Ronald W. Schafer, ,“Discreate Time signal processing ”, chapter 7, pp. 473-475, Pential Hall, 1999.