CHƯƠNG 4: Mô Phỏng Ước Lượng
4.1Giới thiệu chương
Chúng ta đã biết rằng các phương pháp ước lượng MMSE và ước lượng LS đều có những ưu và nhược điểm của nó. Tùy theo những trường hợp và các đòi hỏi của các ứng dụng cụ thể mà phương pháp này hay phương pháp kia được lựa chọn. Để đánh giá được các đặc điểm của các phương pháp này, ta phải dựa vào các thông số cụ thể để đưa ra những so sánh và kết luận thực tế.
đi. Về cơ bản, nếu mỗi biểu tượng là một bit thì tốc độ lỗi biểu tượng là tốc độ bit, tuy nhiên nếu biểu tượng là một số bit thì tốc độ biểu tượng khác tốc độ bit.
Nhìn vào kết quả ở hình 4.1( đường màu đen-là SER của MMSE, đường màu xanh-là SER của LS ), ta thấy tỷ lệ lỗi biểu tượng của MMSE nhỏ hơn so với LS ở từng SNR (6 mức SNR). Nếu nhìn vào của sổ Command thì ta thấy kết quả SER của MMSE có giá trị nhỏ hơn nhiều so với SER của LS ở từng mức SNR khác nhau.
Hình 4.1: Mô phỏng SER của MMSE và LS. 4.3 Mô phỏng ước lượng MMSE so với LS:
Hình 4.2: So sánh MMSE và LS. 4.3.1 Ưu điểm của MMSE:
Từ biểu đồ ta thấy, đường màu xanh mô tả ước lượng MMSE, đường màu đỏ mô tả ước lượng LS.
Có thể nói ước lượng MMSE có chất lượng tốt hơn ước lượng LS (tại cùng một SNR trên biểu đồ thì điểm ước lượng MMSE luôn nằm dưới điểm ước lượng LS).
Ta cũng có thể chứng minh điều đó bởi những thông số của Hmmse và Hls trong cửa sổ Command của Matlab. Ước lượng MMSE luôn cho những con số thấp hơn ước lượng LS từ 0.1 cho đến 0.01.
4.3.2 Nhược điểm của MMSE:
Tuy MMSE cho kết quả chính xác hơn LS nhưng quá trình tính toán cũng như công thức của ước lượng MMSE phức tạp hơn ước lượng LS nhiều.
Hơn nữa ước lượng MMSE là kiểu ước lượng có liên quan đến các thông số thống kê của kênh và kích thước của ma trận Fourier nên quá trình tính toán thực hiện chậm hơn, nhưng ước lượng LS hoàn toàn không tuân theo quy luật thống kê.
4.4 Mô phỏng phương pháp giảm kích thước FFT: 4.4.1 Ưu điểm:
các sóng mang con, điều này sẽ làm tăng khoảng thời gian tính toán, cũng như gây ra việc chậm trễ sẽ ảnh hưởng đến các chất lượng dịch vụ đòi hỏi việc xử lý nhanh chóng. Để giảm thời gian tính toán thì ta phải giảm bớt kích thước FFT bằng cách dựa vào đáp ứng xung.
Như vậy chỉ những đáp ứng xung có mức năng lượng cần thiết mới được giữ lại còn những đáp ứng xung có mức năng lượng gần bằng 0 thì ta bỏ đi, khi đó sẽ làm giảm đi đáng kể kích thước của ma trận Fourier.
4.4.3.2 Nhược điểm:
Tuy phương pháp này cho kết qủa tính toán nhanh hơn nhưng thiếu tính chính xác, việc giảm bớt kích thước FFT sẽ tỷ lệ nghịch với mức độ chính xác. Ở biểu đồ sau dây ta có thể thấy mức độ chính xác sẽ tăng dần khi ta tăng kích thước của FFT thì các đường có kích thước cửa sổ lớn hơn (như MMSE5, MMSE10) tiến gần hơn với đường MMSE mặc định.
Hình 4.3: Mô phỏng giảm kích thước FFT Đường màu đỏ mô tả ước lượng MMSE0.
Đường màu xanh biển mô tả ước lượng MMSE10.
Đường màu xanh lục mô tả ước lượng MMSE với FFT là 64 phần tử.
Ta thấy rằng khi kích thước FFT tăng lên thì mức độ chính xác của ước lượng MMSE cũng tăng dần đến đường mặc định.
Tuy nhiên với việc giảm kích thước FFT ta vẫn thấy rằng với một số điểm nhất định, nó vẫn có tính chính xác hơn ước lượng LS, đó là những điểm nằm dưới đường LS.
4.5 Kết luận
Như vậy, với việc so sánh ước lượng kênh giữa MMSE và LS, cùng với phương pháp giảm kích thước FFT, cho ta thấy những ưu nhược điểm của từng phương pháp. Nó giúp ta xác định cũng như lựa chọn trong các ứng dụng cụ thể để lựa chọn từng phương pháp cho phù hợp nhằm đạt được hàm truyền của kênh gần với yêu cầu đề ra.