Hình 5.2 Ảnh hưởng của số lần giải mã lặp đến hiệu năng mã Tur o
Hình 5.2 cho ta kết quả của việc tín hiệu giải mã hóa với giải mã Turbo với số lần thực hiện giải mã lặp khác nhau. Kết quả chỉ ra rằng, với số lần giải mã lặp càng lớn thì khả năng sửa lỗi của mã Turbo càng tốt, dẫn đến tỉ lệ bit lỗi BER càng giảm. Tuy nhiên BER chỉ giảm mạnh khi tăng số lần lặp mã hóa từ 1-6. Nếu ta tăng số lần giải mã từ 6 lên một giá trị lớn hơn thì BER giảm không đáng kể
Hình 5.3 Ảnh hưởng của m c điều chế đến tỉ lệ lỗi t
Hình 5.3 cho ta kết quả của việc sử dụng kết hợp mã hóa Turbo với các phương thức điều chế khác nhau. Phương thức điều chế có mức điều chế càng cao thì càng nhạy cảm với nhiễu, nên tỉ lệ lỗi bit càng cao.
Hình 5.4 So sánh khả năng sửa lỗi của mã Tur o và mã xoắn khi sử dụng mã hóa MIMO SFBC
Hình 5.4 cho ta kết quả mô phỏng hệ thống được mô tả có sử dụng kết hợp mã hóa MIMO SFBC với mã hóa kênh và điều chế QAM-64.
Hình 5.5 So sánh khả năng sửa lỗi của mã Tur o và mã xoắn khi sử dụng mã hóa MIMO VBLAST
Hình 5.5 cho ta kết quả mô phỏng hệ thống kết hợp mã hóa MIMO VBLAST với m hóa kênh và điều chế QAM-64
Hình 5.6 So sánh sự kết hợp giữa mã hóa MIMO và mã hóa kênh
Dựa vào những kết quả so sánh ở hình ở trên, ta có thể đưa ra được những nhận xét sau:
- Mã Turbo có khả năng sửa lỗi cao hơn m xoắn nên đạt được tỉ lệ lỗi bit thấp hơn.
- BER trong các trường hợp sử dụng kết hợp mã hóa kênh với mã SFBC thấp hơn so với mã VBLAST. Do đó m hóa I O SFBC có độ tin cậy dữ liệu cao hơn
- Với cùng một tỉ lệ lỗi bit, tỉ lệ công suất trên nhiễu yêu cầu đối với mã Turbo thấp hơn m chập và thấp hơn nhiều so với khi không mã hóa. Ví dụ tại tỉ lệ lỗi bit bằng 10-6, m Turbo có độ lợi mã hóa so với mã xoắn là khoảng hơn 4 dB.
KẾT LUẬN
Tóm lại, từ kết quả mô phỏng cũng như các công cụ lý thuyết đ chỉ ra, ta có thể thấy mã Turbo là bộ mã có chất lượng tốt nhất so với các bộ m đ được biết từ trước tới nay, với độ phức tạp của bộ m hóa cũng như bộ giải mã có thể chấp nhận được. Kết quả mô phỏng cũng cho thấy chất lượng của bộ mã này tiến gần tới giới hạn Shannon khi các khung dữ liệu lớn được phát đi, và đối với các khung dữ liệu nhỏ thì chất lượng của nó vẫn khá tốt so với các bộ mã hóa khác.
Hướng phát triển của đề tài là nghiên cứu và đánh giá sự kết hợp của mã hóa kênh với một phương pháp m hóa I O thông dụng trong LTE là mã hóa ghép kênh không gian (Spatial Multiplexing) và so sánh với kết quả đạt được trong luận văn này. Đồng thời so sánh tỉ lệ lỗi bit của các cặp kết hợp giữa mã hóa kênh và điều chế dữ liệu để đưa ra tiêu chí lựa chọn kiểu m hóa kênh và điều chế trong
TE tương ứng với từng dải giá trị của tỉ lệ tín hiệu trên nhiễu.
TÀI LIỆU THAM KHẢO
[1] Nguyễn Văn Đức, Vũ Văn Yêm, Đào Ngọc Chiến, Nguyễn Quốc Khương, Nguyễn Trung Kiên, (2007), Bộ sách kỹ thuật thông tin số, tập 4, Thông tin vô tuyến, NXB Khoa học và Kỹ thuật, Hà Nội.
[2] Erik Dahlman, Stefan Parkval, Jonhan Skold, (2011), 4G LTE/LTE-Advanced for Mobile Broadband, Elsevier Ltd, USA.
[3] Van Duc Nguyen, Nga Nguyen, Quoc Khuong Nguyen, Bach Tran, Byeungwoo Jeon, (2014), An Investigation of the Spatial Correlation Influence on Coded MIMO-OFD system , ACM INCOM,
[4] 3GPP, (2011), TS 36.212 3rd Generation Partnership Project; Technical Specication Group Radio Access Network; Evolved Multiplexing and channel coding (Release 9), 3GPP Organizational.
[5] 3GPP, (2011), “Technical Specification Group Radio Access Network Spatial channel model for Multiple Input Multiple Output (MIMO) simulation”, 3GPP Organizational.
[6] Charanangton, (1999), Turorial 12: Coding and decoding with Convolutionals Codes , published online in www.complextoreal.com.
[7] Charan Langton, (2006, 2007), Turbo Coding and MAP decoding – Part 1 , published online in www.complextoreal.com.
[8] Joannis A. Xirouchakis, (2008), Spatial Channel odel for
I O Simulations ,
published online in:
http://read.pudn.com/downloads126/sourcecode/comm/535862/SCM_Simulator_M anual_v.1_Xirouchakis.pdf