Thiết lập mô phỏng

Một phần của tài liệu Ứng dụng machine learning trong việc tăng hiệu suất phổ hệ thống NOMA massive MIMO (Trang 57 - 58)

CHƯƠNG 4 : KẾT QUẢ THỰC HIỆN VÀ ĐÁNH GIÁ HIỆU QUẢ

4.2 Thiết lập mô phỏng

Tham số cấu hình mơ phỏng

Trước tiên, để xác định những lợi ích cơ bản của NOMA áp dụng trong MIMO; ta thực hiện giả lập với trường hợp đơn giản nhất với L= [1, 4], K = [16, 32, 48, 64].

Bảng 4.1: Thông số cơ bản của mạng giả lập

Tham số Giá trị

Số lượng cell (L) L= [1, 4]

Kích thước cell 250m × 250m

Số lượng anten (M) 64

Số lượng UE trong cell (L) K= [16, 32,48,64]

Góc φ 2𝜊

Băng thơng 20MHz

Số symbol trong một coherence block 𝜏𝑐

𝜏𝑐 = 200

Công suất nhiễu UL 𝜎2 = −94

Số lượng symbol pilot 𝜏𝑝 = 𝐾

Công suất UE 100mW

Trong cấu hình mơ phỏng, chúng ta xây dựng một mạng di động với cell omni có vùng phủ sóng giả định là 250m × 250m, trạm BS ở mỗi cell được đặt ở chính giữa cell, sử dụng mảng ULA hàng ngang (Horizontal-Uniform Linear Array) gồm M anten đẳng hướng (dipole) khoảng cách ⅆ𝐻 = 0.5𝜆 phục vụ cho K thiết bị người

dùng UE.

Nếu tồn tại đường truyền nhìn thẳng (LOS – Line of Sight) thì hệ số suy hao đường truyền fading tầm rộng 𝛽𝑙𝑖𝑗(dB) giữa UE i trong cell l và BS trong cell j được mơ hình hóa như sau:

𝛽𝑙𝑖𝑗 = −30,18 − 26 𝑙𝑜𝑔10( 𝑑𝑙𝑖 𝑗

1 𝑘𝑚)+𝐹𝑙𝑖𝑗 (4.1)

Trong đó ⅆ𝑙𝑖𝑗 (km) là khoảng cách máy thu BS và máy phát UE. 𝐹𝑙𝑖𝑗~𝜎𝑠f2 là hiện

tượng bóng râm với 𝜎𝑠f = 4.

Nếu khơng tồn tại đường LOS thì hệ số suy hao đường truyền fading tầm rộng

𝛽𝑙𝑖𝑗(dB) giữa UE i trong cell l và BS trong cell j được mơ hình hóa như sau:

𝛽𝑙𝑖𝑗 = −34,53 − 38 𝑙𝑜𝑔10( 𝑑𝑙𝑖 𝑗

1 𝑘𝑚)+𝐹𝑙𝑖𝑗 (4.2)

Trong đó 𝐹𝑙𝑖𝑗~𝜎𝑠f2 là hiện tượng bóng râm với 𝜎𝑠f = 10.

Kịch bản mơ phỏng cho trường hợp sử dụng thuật tốn phân loại người

dùng K-means/K-medoids được xây dựng trên các bước sau:

Bước 1: Xây dựng cấu hình mạng

- Đặt các UE vào các vị trí ngẫu nhiên trong cell - Tính khoảng cách ⅆ𝑙𝑖𝑗

- Xây dựng mơ hình kênh thơng qua ma trận tương quan không gian 𝑹𝑙𝑘𝑗 .

Bước 2: Tạo tham số kênh truyền

- Tạo ngẫu nhiên các hệ số fading bóng râm 𝐹𝑙𝑖𝑗 - Tính tốn hệ số suy hao kênh 𝛽𝑙𝑖𝑗

Bước 3: Ước lượng kênh truyền

- Ước lượng kênh truyền ℎ𝑙𝑘𝑗 được ước lượng thông qua việc sử dụng chuỗi pilot

Bước 4: Áp dụng thuật toán phân loại người dùng K-means/K-medoids để phân nhóm người dùng

- Dựa trên ma trận tương quan giữa các người dùng mà thực hiện phân nhóm người dùng sử dụng theo 2 thuật toán K-means và K-medoids

Bước 5: Tính tốn hiệu suất phổ sử dụng máy thu MR/MMSE

- Tính 𝑆𝐼𝑁𝑅𝑗𝑘𝑈𝐿 tức thời theo cơng thức trình bày ở chương 3

- Tính hiệu suất phổ 𝑆𝐸𝑗𝑘𝑈𝐿 của các UE trong tất cả các lần mô phỏng.

Một phần của tài liệu Ứng dụng machine learning trong việc tăng hiệu suất phổ hệ thống NOMA massive MIMO (Trang 57 - 58)

Tải bản đầy đủ (PDF)

(79 trang)