Professional Documents
Culture Documents
I, Cơ sở lý thuyết:
Trong mục này chúng ta sẽ xét một sơ đồ phức tạp hơn, trong đó có sử
dụng thêm một bộ khuếch đại công suất (KĐCS) phi tuyến và bộ lọc ở đầu ra
máy phát. Chúng ta đã biết rằng bộ khuếch đại công suất phi tuyến có hiệu
suất nguồn cao hơn bộ khuếch đại công suất tuyến tính, và vì vậy, thường
được sử dụng ở các ứng dụng đòi hỏi tiết nghiệm nguồn như thông tin di
động chẳng hạn. Tuy nhiên, việc sử dụng bộ khuếch đại phi tuyến lại tạo nên
méo hài và méo điều chế lẫn nhau (intermodulation), làm cho phổ của tín
hiệu đầu ra KĐCS rộng hơn rất nhiều so với phổ đầu ra bộ điều chế. Bộ lọc
đầu ra, thông thường là một bộ lọc băng thông có tần số trung tâm trùng với
tần số sóng mang, có nhiệm vụ làm suy giảm méo hài và méo điều chế lẫn
nhau do tính phi tuyến của bộ KĐCS gây nên. Tuy nhiên, bộ lọc này lại làm
cho tín hiệu bị phân tán theo thời gian, do đó gây nên nhiễu xuyên dấu (ISI).
Hậu quả của ISI là xác suất lỗi của một dấu phụ thuộc vào một hay nhiều dấu
trước đó. Nếu như xác suất lỗi của dấu thứ i phụ thuộc vào k dấu trước đó thì
chúng ta cần tính xác suất
Đối với trường hợp nhị phân có 2 k chuỗi khác nhau, do đó chúng ta cần
tính cho 2 k trường hợp. Giả thiết là mỗi dấu dữ liệu có xác suất là 0 hay 1
như nhau, chúng ta có xác suất lỗi của dấu thứ i được tính như sau
Tức là, chúng ta cần tính 2ˆk xác suất lỗi khác nhau, với mỗi xác suất lỗi
phụ thuộc một trong 2ˆk chuỗi trước đó, sau đó chia trung bình cho k. Do
kênh truyền đang xét là kênh AWGN nên mỗi xác suất trong 2ˆk xác xuất lỗi
là hàm Q Gauss. Phương pháp tính dễ hiểu, việc tính toán đối số của mỗi hàm
Q lại nhàm chán, và vì vậy, mô phỏng thường được sử dụng thay thế cho giải
tích.
Hệ thống ở Hình 3.2 có một tính chất quan trọng làm cho phân tích trở
nên dễ dàng hơn. Đó là phần hệ thống từ điểm có tạp âm đến điểm xuất hiện
thống kê Vk là tuyến tính. Thống kê ˜dk có thể được biểu diễn ở dạng
trong đó Sk và Ik là các thành phần của ˜dk do tín hiệu và nhiễu, còn Nk là
thành phần do tạp âm. Do tính chất tuyến tính nên nếu tạp âm là Gauss thì Nk
cũng là một biến ngẫu nhiên Gauss, do nó là kết quả của phép biến đổi tuyến
tính của một biến ngẫu nhiên Gauss. Hơn nữa, thống kê quyết định của ˜dk
cũng sẽ là một biến Gauss có cùng phương sai như của Nk, nhưng với giá trị
trung bình Sk + Ik, trong đó cả hai thành phần này đều xác định. Giá trị trung
bình của ˜dk được xác định từ kiến thức về mật độ phổ công suất của tạp âm
kênh và băng tần tạp âm tương đương của hệ thống từ kênh đến đầu ra của
˜dk. Vì vậy, hàm mật độ phổ công suất (PDF) của ˜dk có thể biết được và xác
suất lỗi dễ dàng được xác định. Nói tóm lại, lý do chúng ta có thể dễ dàng xác
định PDF của ˜dk, cho dù hệ thống có tính phi tuyến, là do tạp âm không đi
qua phần phi tuyến của hệ thống.
Do tạp âm chỉ đi qua phần tuyến tính của hệ thống nên phương pháp mô
phỏng được đơn giản hóa. Cũng do tạp âm không đi qua phần phi tuyến nên
giá trị trung bình của ˜dk có thể xác định được bằng giải tích và do đó PDF
của ˜dk có thể biết được và xác suất lỗi được xác định dễ dàng. Các khái
niệm này được kết hợp vào trong một kỹ thuật mô phỏng vừa đơn giản, lại
nhanh chóng. Đó là phương pháp bán giải tích (semi-analytical), trong đó giải
tích và mô phỏng được kết hợp với nhau làm cho mô phỏng được thực hiện
nhanh hơn. Mô phỏng bán giải tích là một công cụ quan trọng và được sử
dụng rộng rãi trong nghiên cứu.
Chúng ta có thể thấy rằng một mô hình có độ phức tạp thấp có sai số mô
hình hóa lớn, nhưng lại yêu cầu thời gian chạy mô phỏng ngắn. Ngược lại,
mô hình có độ phức tạp lớn có sai số nhỏ nhưng lại yêu cầu thời gian mô
phỏng dài.
Đại lượng này được gọi là BER theo N dấu. Ý nghĩa của BER là nó cho
ta ước lượng của xác suất lỗi dấu, mà theo định nghĩa tần suất tương đối của
xác suất là:
Do một mô phỏng theo yêu cầu có thể chỉ cần xử lý một số hữu hạn các
dấu, nên xác suất lỗi dấu chỉ có thể xác định xấp xỉ. Do thuật ngữ tỉ số lỗi bít
và xác suất lỗi bit thường được dùng chung, có thể có lúng túng trong việc
phân biệt hai khái niệm này. Thực chất hai khái niệm này hoàn toàn khác
nhau. BER là ước lượng của xác suất lỗi bit. BER thực chất là một tỉ số (tỉ
lệ), do nó mang ý nghĩa Ne lỗi trong N dấu truyền. Nếu xét một thí nghiệm
truyền N dấu qua một kênh ngẫu nhiên (tạp âm) K lần, thì số lỗi NE đếm
được trong mỗi lần thường khác nhau. Xác suất lỗi bit, tuy nhiên, lại là một
số chứ không phải một biến ngẫu nhiên. Ví dụ, xác suất lỗi bit cho một hệ
thống nhị phân PSK trên kênh AWGN là Q(( p 2Eb/N0)) là cố định nếu Eb
và N0 không đổi.
Thực tế là với N lớn, ước lượng Pˆ E hội tụ đến PE, theo định nghĩa tần
suất tương đối của xác suất.
Điều chế M-PSK thực hiện nhóm κ = log2 M bít dữ liệu nhị phân thành
một điểm tín hiệu trên sơ đồ phân bố tín hiệu như trên Hình 5.4. Dựa trên
phương pháp gán nhãn các điểm tín hiệu từ 0 đến M − 1 như ở hình vẽ,
chúng ta thấy rằng điểm tín hiệu thứ i có thể được biểu diễn bởi
Để tính được tỉ số BER chúng ta có thể sử dụng hàm biterr của Matlab
như sau:
* Code:
% BER performance of uncoded 8-PSK with AWGN
% Authors: duy.ptit1993, bangbi, ducna80
% Last updated April 26 2014
clear all
close all
clc
M=8;
k=log2(M);
% AWGN
ebno = 0:12;
snr = ebno + 10*log10(k);
%8PSK modulation
if use_gray
x=pskmod(s,M,0, 'gray');
else
x=pskmod(s,M);
end
for j=1:length(snr)
y=awgn(x,snr(j), 'measured'); % awgn uses SNR not EbN0
%8PSK demodulation
if use_gray
y=pskdemod(y,M,0 , 'gray');
else
y=pskdemod(y,M);
end
% Theoretical BER
%berawgn uses EbNo not SNR
% Experiment outcomes showed that is with Gray encoding
BERtheory(j) = berawgn(ebno(j),'psk',M,'nondiff');
end
semilogy(ebno,BERtheory,'b-',ebno,ber,'r*');
legend('Theoretical BER','Simulation BER');
xlabel('EbN0(dB)');
ylabel('BER');
title('BER performance of uncoded 8PSK under AWGN');
* Kết quả: