(123doc) Danh Gia Hieu Nang Mang Di Dong 5g Su Dung Ky Thuat Massive Mimo Co Code

ĐỒ ÁN TỐT NGHIỆP
ĐÁNH GIÁ HIỆU NĂNG MẠNG DI

ĐỘNG 5G SỬ DỤNG KỸ THUẬT
MASSIVE MIMO
MỤC LỤC
DANH MỤC CÁC HÌNH VẼ.......................................................................................VII
DANH MỤC CÁC TỪ VIẾT TẮT..................................................................................X
CHƯƠNG 1. CÁC VẤN ĐỀ CƠ BẢN.............................................................................1
1.1 GIỚI THIỆU ĐỀ TÀI......................................................................................................1

1.2 MỤC TIÊU CỦA ĐỀ TÀI................................................................................................1
1.3 PHƯƠNG PHÁP NGHIÊN CỨU.......................................................................................2
CHƯƠNG 2. LÝ THUYẾT CƠ BẢN..............................................................................3
2.1 HỆ THỐNG MIMO......................................................................................................3

2.2 CÁC KỸ THUẬT CHÍNH TRONG MIMO:......................................................................4
2.3 CÁC NGUYÊN NHÂN GÂY ẢNH HƯỞNG ĐẾN HỆ THỐNG MIMO...............5
2.3.1 Nhiễu trắng Gaussian:........................................................................................5
2.3.2 Nhiễu liên ký tự ISI.............................................................................................5
2.4 FADING:......................................................................................................................6
2.5 SỰ CAN NHIỄU CỦA SÓNG VÔ TUYẾN:........................................................................7
2.6 HỆ THỐNG MASSIVE MIMO......................................................................................7
2.6.1 Tổng quan...........................................................................................................7
2.6.2 Đặc điểm.............................................................................................................7
2.6.3 Phân tích hiệu suất.............................................................................................8
CHƯƠNG 3. NGHIÊN CỨU HIỆU NĂNG SỬ DỤNG MẠNG DI ĐỘNG 5G SỬ

DỤNG KỸ THUẬT TRONG MASSIVE MIMO...........................................................9
3.1 MIMO ĐA NGƯỜI DÙNG (MULTI-USER MIMO)........................................................9

3.2 KỸ THUẬT NHẬN BIẾT TUYẾN TÍNH ĐƯỜNG LÊN (UPLINK LINEAR DETECTION):....11
3.3 KỸ THUẬT MÃ HÓA TUYẾN TÍNH ĐƯỜNG XUỐNG (DOWNLINK LINEAR PRECODING)20
CHƯƠNG 4. KẾT QUẢ MÔ PHỎNG..........................................................................24
4.1 SƠ ĐỒ KHỐI VÀ LƯU ĐỒ GIẢI THUẬT........................................................................24

4.1.1 Sơ đồ khối mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát hiện
tuyến tính ở đường lên (Uplink linear detection)...........................................................24
4.1.2 Sơ đồ khối mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã hóa
tuyến tính ở đường xuống (Download linear precoding)...............................................25
4.1.3 Lưu đồ giải thuật mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật
phát hiện tuyến tính ở đường lên (Uplink linear detection)...........................................26
mã hóa tuyến tính ở đường xuống (Downlink linear precoding)...................................27
4.2 KẾT QUẢ MÔ PHỎNG..........................................................................................28
4.2.1 Thông số chung áp dụng vào mô phỏng...........................................................28
4.2.2 Kết quả mô phỏng so sánh hiệu suất phổ với số lượng anten M ở cả 2 phương
pháp Maximal Ratio và Zero-Forcing...........................................................................28
4.3 KẾT QUẢ MÔ PHỎNG HIỆU SUẤT PHỔ SO VỚI SỐ LƯỢNG ANTEN M Ở KỸ THUẬT PHÁT
HIỆN TUYẾN TÍNH Ở ĐƯỜNG LÊN (UPLINK LINEAR DETECTION)........................................29
4.3.1 Kết quả mô phỏng qua phương pháp Maximal Ratio.......................................29
4.3.2 Kết quả mô phỏng qua phương pháp Zero-Forcing.........................................30
4.4 KẾT QUẢ MÔ PHỎNG HIỆU SUẤT PHỔ SO VỚI SỐ LƯỢNG ANTEN M Ở KỸ THUẬT MÃ
HÓA TUYẾN TÍNH Ở ĐƯỜNG XUỐNG (DOWNLINK LINEAR PRECODING)..............................31
4.4.1 Kết quả mô phỏng qua phương pháp Maximal Ratio.......................................31
4.4.2 Kết quả mô phỏng qua phương pháp Zero-Forcing.........................................32
CHƯƠNG 5. NHẬN XÉT VÀ KẾT LUẬN..................................................................33
5.1 NHẬN XÉT................................................................................................................33

5.2 KẾT LUẬN.................................................................................................................33
5.3 HƯỚNG PHÁT TRIỂN.................................................................................................34
TÀI LIỆU THAM KHẢO...............................................................................................35
PHỤ LỤC A ....................................................................................................................37

DANH MỤC CÁC HÌNH VẼ
HÌNH 2-1 HỆ THỐNG MIMO..............................................................................3

HÌNH 2-2 NHIỄU TRẮNG GAUSSIAN...............................................................5
HÌNH 2-3 NHIỄU LIÊN KÝ TỰ ISI.....................................................................5
HÌNH 2-4 HIỆN TƯỢNG FADING.......................................................................6
HÌNH 2-5 CÁC DẠNG MẢNG ANTEN ĐƯỢC SỬ DỤNG TRONG
MASSIVE MIMO....................................................................................................8
HÌNH 3-1 MỘT TRẠM BTS CÓ NHIỀU ANTEN VÀ PHỤC VỤ SỐ LƯỢNG
THIẾT BỊ ĐẦU CUỐI VỚI TẦM NHÌN THẲNG VÀ Ở KÊNH TRUYỀN
HƯỚNG XUỐNG..................................................................................................10
HÌNH 3-2 MỘT TRẠM BTS CÓ NHIỀU ANTEN VÀ PHỤC VỤ SỐ LƯỢNG
THIẾT BỊ ĐẦU CUỐI VỚI TẦM NHÌN THẲNG VÀ Ở KÊNH TRUYỀN
HƯỚNG LÊN........................................................................................................10
HÌNH 3-3 SƠ ĐỒ BIỂN DIỄN CÁCH HOẠT ĐỘNG CỦA KỸ THUẬT
LINEAR DETECTION Ở ĐƯỜNG LÊN............................................................13
HÌNH 3-4 SƠ ĐỒ BIỂN DIỄN CÁCH HOẠT ĐỘNG CỦA KỸ THUẬT
LINEAR PRECODING Ở ĐƯỜNG XUỐNG.....................................................21
HÌNH 4-1 SƠ ĐỒ KHỐI MÔ PHỎNG HIỆU SUẤT PHỔ SO VỚI SỐ
LƯỢNG ANTEN M Ở KỸ THUẬT PHÁT HIỆN TUYẾN TÍNH Ở ĐƯỜNG
LÊN........................................................................................................................ 24
HÌNH 4-2 SƠ ĐỒ KHỐI MÔ PHỎNG HIỆU SUẤT PHỔ SO VỚI SỐ
LƯỢNG ANTEN M Ở KỸ THUẬT MÃ HÓA TUYẾN TÍNH Ở ĐƯỜNG
XUỐNG.................................................................................................................. 25
HÌNH 4-3 LƯU ĐỒ GIẢI THUẬT MÔ PHỎNG HIỆU SUẤT PHỔ SO VỚI
SỐ LƯỢNG ANTEN M Ở KỸ THUẬT PHÁT HIỆN TUYẾN TÍNH Ở
ĐƯỜNG LÊN.........................................................................................................26
HÌNH 4-4 LƯU ĐỒ GIẢI THUẬT MÔ PHỎNG HIỆU SUẤT PHỔ SO VỚI
SỐ LƯỢNG ANTEN M Ở KỸ THUẬT MÃ HÓA TUYẾN TÍNH Ở ĐƯỜNG
XUỐNG.................................................................................................................. 27
HÌNH 4-5 KẾT QUẢ MÔ PHỎNG SO SÁNH HIỆU SUẤT PHỔ VỚI SỐ
LƯỢNG ANTEN M Ở CẢ 2 PHƯƠNG PHÁP MAXIMAL RATIO VÀ
ZERO-FORCING..................................................................................................28
HÌNH 4-6 KẾT QUẢ MÔ PHỎNG HIỆU SUẤT PHỔ SO VỚI SỐ LƯỢNG
ANTEN M Ở KỸ THUẬT PHÁT HIỆN TUYẾN TÍNH Ở ĐƯỜNG LÊN QUA
PHƯƠNG PHÁP MAXIMAL RATIO................................................................29
ANTEN M Ở KỸ THUẬT PHÁT HIỆN TUYẾN TÍNH Ở ĐƯỜNG LÊN QUA
PHƯƠNG PHÁP ZERO-FORCING...................................................................30
ANTEN M Ở KỸ THUẬT MÃ HÓA TUYẾN TÍNH Ở ĐƯỜNG XUỐNG
QUA PHƯƠNG PHÁP MAXIMAL RATIO.......................................................31
ANTEN M Ở KỸ THUẬT MÃ HÓA TUYẾN TÍNH Ở ĐƯỜNG XUỐNG
QUA PHƯƠNG PHÁP ZERO-FORCING..........................................................32
DANH MỤC BẢNG BIỂU
BẢNG 4-1 THÔNG SỐ CƠ BẢN DÙNG TRONG MÔ PHỎNG......................28

DANH MỤC CÁC TỪ VIẾT TẮT
BER Bit Error Ratio

BTS Base Transceiver Station
FDD Frequency Division Duplex
IEEE Institute of Electrical and Electronics Engineers
ISI Intersymbol Interference
LMMSE Linear Minimum Mean Square Error
MIMO Multiple-Input and Multiple-Output
MR Maximal Ratio
MU-MIMO Muti-Users MIMO
OFDM Orthogonal Frequency-Division Multiplexing
OFDMA Orthogonal Frequency-Division Multiplexing Access
SINR Signal to Interfence and Noise Ratio
SNR Signal to Noise Ratio
TDD Time Division Duplex
ZF Zero Forcing
Trang 1/50
CHƯƠNG 1. CÁC VẤN ĐỀ CƠ BẢN
1.1 Giới thiệu đề tài

Trước nhu cầu phát triển ngày càng tăng của các dịch vụ thông tin di động, kỹ
thuật truyền tin trong lĩnh vực này cũng đang được các nhà khoa học tập trung
nghiên cứu mạnh mẽ trong điều kiện băng tần hạn chế ở mọi quốc gia. Nếu như ở
các thế hệ di động từ 1G đến 3G các tài nguyên trên miền thời gian và tần số đã
được khai thác sử dụng khá triệt để thì các thế hệ phát triển tiếp theo 4G và 5G các
tài nguyên trên miền không gian đang được nghiên cứu phát triển cũng nhằm khai
thác tối đa hiệu quả sử dụng của nó thông qua kỹ thuật MIMO.
Thế hệ mạng 5G sẽ đóng vai trò là chìa khóa đưa con người tiến vào thời đại công
nghiệp 4.0, nơi mà mọi vật đều kết nối với nhau thành một mạng lưới lớn. Để cụ thể
hóa cho mạng 5G, Massive MIMO là kỹ thuật có thể mang lại sự cải thiện to lớn về
dung lượng bằng cách cải thiện hiệu suất sử dụng phổ.
1.2 Mục tiêu của đề tài

Luận văn nhằm mục đích nghiên cứu kỹ thuật sử dụng trong Massive MIMO.
Các vấn đề cần giải quyết:
Nghiên cứu về Massive MIMO, bao gồm định nghĩa, đặc điểm và hiệu suất của hệ
thông Massive MIMO trong mạng di động tế bào.
Khảo sát mạng di động 5G gồm nhiều cell, mỗi cell gồm 1 BTS có nhiều antenna và
nhiều user đơn antenna. Từ đó, cho ta thấy được những lợi ích mà hệ thống Massive
MIMO đem lại trong mạng di động tế bào.
Đánh giá các tiêu chí về hiệu suất sử dụng phổ tỉ lệ với số lượng anten qua 2 kỹ
thuật chính
 Đường truyền hướng lên dùng máy thu tuyến tính (Uplink linear detection).
 Đường truyền hướng xuống sử dụng mã hóa (Downlink linear precoding).
Viết chương trình Matlab mô phỏng thông qua phương pháp tạo các ma trận truyền
và nhiễu rồi tính toán ma trận ước lượng kênh truyền.
Đánh Giá Hiệu Năng Mạng 5G
Sử Dụng Kỹ Thuật Massive MIMO

Trang 2/50
Từ đó, dựa vào các thông số trong ma trận ước lượng kênh truyền, áp dụng các
phương pháp Maximal Ratio và Zero Forcing để tính toán ở cả 2 kỹ thuật trên và vẽ
biểu đồ so sánh.
1.1 Phương pháp nghiên cứu

Sử dụng công cụ Matlab để viết code mô phỏng ma trận kênh truyền và nhiễu,
tính toán các thông số và thiết lập ma trận ước lượng kênh truyền. Sử dụng công cụ
CVX để tối ưu hóa thông số về dung lượng và công suất.
CVX là phần mềm để chuyển bài toán được mô hình dưới dạng dạng ngôn ngữ toán
học thông thường, từ đó giải quyết các dưới dạng số. CVX là phần mềm được viết
bằng Matlab và được phát triển chính bởi Michel Grant và giáo sư Stephen Boyds,
đại học Stanfond.

Trang 3/50
CHƯƠNG 1. LÝ THUYẾT CƠ BẢN
1.2 Hệ thống MIMO

Hệ thống thông tin MIMO (Multiple-Input and Multiple-Output) trong lĩnh vực
vô tuyến là truyền dẫn vô tuyến sử dụng đồng thời nhiều anten ở máy phát và ở máy
thu nhằm tận dụng chiều không gian để cải thiện tốc độ và chất lượng truyền thông
tin.
Việc sử dụng nhiều anten thu và anten phát để phát đi cùng một tín hiệu qua nhiều
anten khác nhau qua các kênh truyền với các thông số kênh truyền khác nhau và ở
phía thu sẽ sử nhiều anten để thu lại cùng một tín hiệu nhưng trên nhiều anten khác
nhau. Từ đó, chúng ta có thể làm giảm nhiễu, giảm ảnh hưởng của fading và tăng độ
lợi thu được trên cùng một tín hiệu.
MIMO đang dần trở thành thành phần cốt yếu trong các tiêu chuẩn truyền thông
không dây, như IEEE 802.11n/ac (Wifi), HSPA+ (3G), WiMAX (4G) và Long
Term Evolution (4G LTE).
Hình 2-1 Hệ Thống MIMO

Trang 4/50
Ưu điểm:
 Tăng dung lượng (capacity) kênh truyền do đó có thể tăng được tốc độ dữ liệu.
 Tăng cường khả năng chống fading thậm chí phần nào khai thác được nó.
 Loại bỏ nhiễu.
 Giảm mức công suất phát trên đường truyền từ anten phát nhờ sẽ giảm điện
năng tiêu thụ và đơn giản hóa các vấn đề thiết kế bộ khuếch đại công suất.
Nhược điểm:
 Chi phí giá thành cho thiết bị cao hơn (do sử dụng nhiều anten thu phát, và phải
dùng các bộ vi xử lý đặc biệt chuyên dụng…)
 Giải thuật xử lý tín hiệu phức tạp hơn.
1.3 Các kỹ thuật chính trong MIMO:

Kỹ thuật MIMO tập trung chủ yếu vào 3 hướng: kỹ thuật beamforming đa luồng,
ghép kênh không gian, mã hóa phân tập (thời gian, không gian...), để nâng cao chất
lượng truyền tin.
Khi bộ thu tín hiệu có nhiều hơn một anten, kỹ thuật beamforming thông thường
(đơn luồng) không thể tối ưu hóa tín hiệu cho tất cả các anten thu này, vì thế người
ta sử dụng kỹ thuật beamforming đa luồng nhằm mục đích tối ưu hóa tín hiệu cho
tất cả các anten trên bộ thu tín hiệu.
Trong kỹ thuật ghép kênh không gian, một tín hiệu tốc độ cao sẽ được chia nhỏ
thành các dòng tín hiệu hiệu tốc độ thấp hơn và được phát trên các anten khác nhau
ở cùng một kênh tần số. Kỹ thuật này rất hiệu quả để tăng năng suất của kênh và tỷ
lệ tín hiệu trên nhiễu (SNR). Kỹ thuật ghép kênh không gian làm cho bộ thu tín hiệu
trở nên phức tạp hơn. Vì vậy người ta thường kết hợp MIMO với kỹ thuật OFDMA
hay OFDM để giải quyết các vấn đề về fading đa đường. Tiêu chuẩn
IEEE 802.16e là sự kết hợp giữa MIMO và OFDMA; còn IEEE 802.11n kết hợp
MIMO và OFDM.

Trang 5/50
Trong kỹ thuật mã hóa phân tập, một dòng tín hiệu được phát đi sau khi đã được mã
hóa bằng kỹ thuật mã hóa thời gian - không gian. Nó tận dụng sự không phụ thuộc
vào fading trong các liên kết đa anten để làm tăng độ phân tập tín hiệu.
1.4 CÁC NGUYÊN NHÂN GÂY ẢNH HƯỞNG ĐẾN HỆ THỐNG MIMO
1.1.1 Nhiễu trắng Gaussian:
Nhiễu trắng là một loại tín hiệu ngẫu nhiên có mật độ phân bố công suất phẳng
nghĩa là tín hiệu nhiễu có công suất bằng nhau trong toàn khoảng băng thông.
Chúng ta không thể tạo ra nhiễu trắng theo đúng lý thuyết vì theo định nghĩa của nó,
nhiễu trắng có mật độ công suất phân bố trong khoảng tần vô hạn và do vậy nó cũng
phải có công suất vô hạn. Lưu ý rằng nhiễu Gaussian là nhiễu có phân bố biên độ
theo hàm Gaussian.
Hình 2-2 Nhiễu trắng Gaussian
1.1.2 Nhiễu liên ký tự ISI

Do ảnh hưởng của kênh truyền ngoài nhiễu Gausian trắng cộng. ISI gây ra do trải
trễ đa đường. Trong môi trường truyền đa đường, kí tự phát đến đầu thu của máy
thu với các khoảng thời gian khác nhau thông qua nhiều đường khác nhau. Sự mở
rộng của chu kỳ kí tự gây ra sự chồng lấn giữa kí tự hiện thời với kí tự trước đó và
kết quả là có nhiễu liên kí tự (ISI).
Hình 2-3 Nhiễu liên ký tự ISI
1.5 Fading:

Trang 6/50
Fading là hiện tượng sai lạc tín hiệu thu một cách bất thường xảy ra đối với các
hệ thống vô tuyến do tác động của môi trường truyền dẫn.
Các yếu tố gây ra fading đối với các hệ thống vô tuyến mặt đất như:
 Sự thăng giáng của tầng điện ly đối với hệ thống sóng ngắn.
 Sự hấp thụ gây bởi các phân tử khí, hơi nước, mưa, tuyết, sương mù... hấp thụ
này phụ thuôc vào dải tần số công tác đặc biệt là dải tần cao (>10 GHz).
 Sự khúc xạ gây bởi sự không đồng đều của mật độ không khí.
 Sự phản xạ sóng từ bề mặt trái đất, đăc biệt trong trường hợp có bề mặt nước và
sự phản xạ sóng từ các bất đồng nhất trong khí quyển. Đây cũng là một yếu tố
dẫn đến sự lan truyền đa đường.
 Sự phản xạ, tán xạ và nhiễu xạ từ các chướng ngại trên đường lan truyền sóng
điện từ, gây nên hiện tượng trải trễ và giao thoa sóng tại điểm thu do tín hiệu
nhận được là tổng của rất nhiều tín hiệu truyền theo nhiều đường. Hiện tượng này
đặc biệt quan trọng trong thông tin di động.
Hình 2-4 Hiện tượng Fading

Trang 7/50
1.6 Sự can nhiễu của sóng vô tuyến:

Thiết bị thông tin tăng lên rất nhanh mỗi ngày, nên số lượng sóng lan truyền
trong không gian tự do là rất lớn. Sự tác động của chúng lẫn nhau là không thể nào
tránh khỏi. Các sóng can nhiễu lẫn nhau có thể trùng hoặc không trùng tần số. Ví dụ
như hai trạm viba hoạt động ở hai vùng lân cận, hoạt động trên cùng một dải tần số
hoặc là trên các dải tần số gần nhau. Ngoài ra nó còn bị ảnh hưởng bởi các trạm mặt
đất của các hệ thống thông tin vệ tin lân cận...
1.7 Hệ thống Massive MIMO

1.1.3 Tổng quan
Massive MIMO (còn được gọi là MIMO tập hợp lớn) là bước đột phá hiện nay
khi sử dụng một lượng lớn anten phục vụ tại trạm cơ sở với số thiết bị đầu cuối kết
hợp với kỹ thuật song công theo thời gian. Những anten bổ sung còn lại ở trạm cơ
sở giúp tập trung năng lượng vào vùng nhỏ hơn của không gian, mang lại những cải
tiến rất lớn về dung lượng và tiết kiệm năng lượng bức xạ.
1.1.4 Đặc điểm

Massive MIMO một hệ thống MIMO đa người dùng với M anten và K người sử
dụng trong mỗi trạm thu phát (BS). Số lượng M anten lớn hơn rất nhiều so với số K
người sử dụng. Hệ thống hoạt động ở chế độ TDD.
Một mảng anten thường bao gồm các M anten lưỡng cực. Một mảng anten có diện
tích 1 m2 có thể chứa 100 anten với tần số sóng mang là 1,5 GHz và 400 anten ở tần
số 3 GHz.
Một mảng anten có thể có nhiều loại hình học: đường thẳng, hình chữ nhật, hình trụ
và cả ở dạng phân phối.

Trang 8/50
Hình 2-5 Các dạng mảng anten được sử dụng trong Massive MIMO
1.1.5 Phân tích hiệu suất

Trong phần này, chúng ta mô tả kỹ thuật nhận biết tuyến tính đường lên (uplink
linear detection) và kỹ thuật mã hóa tuyến tính đường xuống (downlink linear
precoding) cho mạng Massive MIMO.
Một mạng Massive MIMO thông thường sẽ gồm có L cell, với mỗi cell có duy nhất
1 trạm BTS với M anten và phục vụ cho K thiết bị đầu cuối đơn anten.
Đáp ứng kênh giữa trạm BTS thứ l và thiết bị đầu cuối k trong cell thứ i được biểu
T
thị bởi hli , k =[ hli ,k ,1 … hli , k , M ] ∈C M
Giá trị trung bình của đáp ứng kênh được biểu thị bằng
T
h́li , k =E { hli ,k }=[ h́li , k ,1 … h́li , k ,M ] (2.1)
Phương sai của hli , k của hệ số thứ m được biểu thị bằng
β li ,k =V {hli ,k , m } (2.2)

Trang 9/50
CHƯƠNG 2. NGHIÊN CỨU HIỆU NĂNG SỬ DỤNG MẠNG DI ĐỘNG

5G SỬ DỤNG KỸ THUẬT TRONG MASSIVE MIMO
1.8 MIMO đa người dùng (Multi-user MIMO)

Dung lượng kênh của một kênh truyền vô tuyến một ngõ vào một ngõ ra (SISO),
được tính dựa vào công thức kênh Shannon
´
C Shannon=log 2 (1+ SNR) (3.1)
Để tăng dung lượng kênh truyền, chúng ta phải tăng SNR lên rất nhiều lần. Khi tăng
SNR, ta phải tăng công suất phát lên rất lớn và điều này là không khả thi.
Mỗi trạm thu phát gốc (BTS) trong mạng di động tế bào đều phục vụ lượng l ớn
người sử dụng. Theo truyền thống, tài nguyên thời gian / tần số được chia thành
nhiều khối tài nguyên và chỉ một thiết bị đầu cuối mới sử dụng được một khối tài
nguyên đó.
Nếu chúng ta có G đường tín hiệu truyền độc lập và song song, chúng ta sẽ có t ổng
dung lượng kênh C Shannon=G log 2 (1+ SNR
´ )(3.2). Truyền tín hiệu song song sẽ được
thực hiện bằng nhiều anten phát và nhiều anten thu.

MIMO đa người dùng sử dụng một trạm thu phát gốc có nhiều anten liên lạc với
nhiều thiết bị đầu cuối với mỗi thiết bị đầu cuối có một hay nhiều anten.
Có rất nhiều ý kiến giải thích vì sao MU – MIMO là gi ải pháp mang kh ả n ăng m ở
rộng và thu hút nhất cho mạng di động trong tương lai. Đầu tiên, bước sóng của
MU- MIMO là khoảng 5 – 30 cm trong khoảng tần số của mạng di động tế bào (1 –
6 GHz). Do đó, một người sử dụng có thể được số lượng anten ph ục v ụ tách bi ệt
nhau trong cùng một thời điểm.
Tiếp theo, hạn chế của người sử dụng MU – MIMO là mỗi thiết bị s ử dụng phải
cách nhau vài mét để có được các đặc điểm khác nhau của kênh truyền, đó là m ột
hạn chế tương đối không chặt chẽ so với thực tế.
Cuối cùng, đối với MU- MIMO, các thiết bị đầu cuối chỉ cần phát hiện ra mỗi dòng
dữ liệu khác nhau của từng anten.

Trang 10/50
Hình 3-6 Một trạm BTS có nhiều anten và phục vụ số lượng thiết bị đầu cuối với tầm nhìn thẳng và ở
kênh truyền hướng xuống
Hình 3-7 Một trạm BTS có nhiều anten và phục vụ số lượng thiết bị đầu cuối với tầm nhìn thẳng và ở
kênh truyền hướng lên
Với ví dụ trên, ta thấy một trạm thu phát gốc có M anten phục vụ cho K thiết bị đầu
cuối đơn anten. Ta thấy các anten sẽ phục vụ trực tiếp các yêu cầu ở đường xuống
của mỗi người dùng và các tín hiệu gửi ở đường lên sẽ được thu một cách tách biệt.

Trang 11/50
1.9 Kỹ thuật nhận biết tuyến tính đường lên (Uplink Linear Detection):
Đối với mỗi ký tự uplink, tín hiệu băng tần thu được y l ∈C M tại l BTS được biểu
thị bằng :
L K
y l=∑ ∑ hli , k √ p i ,k xi , k +nl (3.3)
l =1 k=1
với x i ,k là ký tự truyền được chuẩn hóa và pi , k là công suất truyền của người sử dụng
k trong cell thứ i.
Các kênh hli , k cần được ước lượng tại l BTS để thực hiện các dò tìm và điều này
được thực hiện trong hướng lên bằng cách cho phép các thiết bị đầu cuối truyền
chuỗi ký tự pilot τ p. Chúng ta cho τ p = fK khi f là một số nguyên dương được gọi là
nhân tố tái sử dụng pilot.
Tín hiệu nhận được ở đường lên Y lpilot ∈C M × τ tại l BTS có truyền pilot p
L
Y lpilot =∑ H li P1i /2 ΦiH + N l (3.4)
i=1
H τ ×K
với H li = [ h li ,1 … h li , K ] ∈C M × K Pi=diag ( pi ,1 … pi , K ) ∈C K × K , và Φ i =[ ϕi ,1 … ϕi , K ] ∈C p
được gọi là ma trận pilot bởi K thiết bị đầu cuối trong cell thứ i.
Bằng cách sử dụng trung bình kênh và phương sai, chúng ta tính toán sai số trung
bình tối thiểu tuyến tính (LMMSE) với mỗi thành phần của hli , k từ tín hiệu pilot
nhận được. Ước lượng kênh h^ li , k liên quan đến đáp ứng kênh hli , k theo công thức:
l l
h^ i , k =h́ i, k +
√ p j , k β lj ,k (Y l
pilot l
ϕ j , k − ∑ √ pi ,k τ p h́i , k ) (3.5)
l 2
∑ p i ,k τ p β i, k +σ UL i∈P j
i∈ Pj
Với mỗi thành phần ước tính lỗi không tương quan e lj , k =h lj ,k −h^ lj ,k có trung bình và
phương sai
p j , k τ p β lj , k
MSE =β l
j,k
l
j,k
( 1−
∑
i∈ P j
pi ,k τ p β li ,k +σ 2UL ) (3.6)

Trang 12/50
Sử dụng các ước lượng kênh như trên, ta phân tích hiệu suất của một mạng Massive
MIMO. BS trong cell thứ l phân biệt tín hiệu truyền bởi người sử dụng thứ k từ sự
giao thoa bằng cách nhân tín hiệu thu được với một vectơ phát hiện tuyến tính
vl ,k ∈ C M như sau:
L K
vlH,k y l=∑ ∑ v Hl ,k hli ,t √ pi ,t x i ,t +v lH, k n l
i=1 t=1
K L K
¿ v lH, k hll ,k √ p l ,k xl , k + ∑ vlH, t hll , t √ pl , t xl , t + ∑ ∑ v Hl ,k hll , k √ pl , k x l ,k + v Hl ,k nl (3.7)
t=1 i=1 t =1
t≠k i≠l
Chúng ta sử dụng 2 phương pháp chính trong phần này là maximum ratio (MR) và
zero forcing (ZF)
(3.8)
Với phương pháp phát hiện MR, các thông số được khai thác trong M anten trong
tín hiệu y l được tối đa hóa tỉ lệ giữa độ lợi tín hiệu trung bình và tiêu chuẩn của tín
hiệu phát hiện:
(3.9)
Còn với phương pháp phát hiện ZF, các ma trận phát hiện ZF sử dụng các thông số
trên M anten để giảm thiểu giao thoa trung bình trong tế bào:
(3.10)

Trang 13/50
Hình 3-8 Sơ đồ biển diễn cách hoạt động của kỹ thuật linear detection ở đường lên
Tại đường lên, ta có dung lượng kênh truyền ergodic chặn dưới của số thiết bị đầu
cuối k trong cell :
(3.11)
Với tỉ lệ tín hiệu trên giao thoa và nhiễu (SINR) là
(3.12)
Tỉ lệ tín hiệu trên giao thoa và nhiễu được biểu diễn bao gồm tử số là độ lời của tín
hiệu mong muốn. Mẫu số được chia thành 3 phần bao gồm: công suất trung bình
của toàn bộ tín hiệu, bao gồm cả tín hiệu giao thoa bởi nhiều người dùng và tín hiệu
mong muốn. Trong khi đó, phần tiếp theo thể hiện một phần công suất của tín hiệu
mong muốn được dùng để giải mã. Và phần cuối cùng là công suất nhiễu.

Trang 14/50
τp τ
Ở công thức (3.11), hệ số trước hàm log ( 1− ¿ là thông số bù cho thực tế là p của
τc τc
các ký tự truyền chứa các pilot thay vì chứa các dữ liệu. Hiệu suất sử dụng phổ có
thể được nhân lên bởi γ UL, được định nghĩa là một phần của dữ liệu đường lên.
Từ đó, ta thấy phương pháp phát hiện MR sẽ nhắm tới tối đa hóa tử số của SINRUL
l ,k
và phương pháp phát hiện ZF sẽ cố gắng giảm thiểu sự giao thoa bên trong cell.
Những kỳ vọng trong công thức (3.11) có thể được tính toán số cho bất kỳ kênh nào
phân phối và bất kỳ chương trình phát hiện nào. Trong trường hợp phát hiện MR,
2
độ lợi tín hiệu mong muốn đạt được |E {v Hl ,k hll , k }| phát triển thành M 2đối với hầu hết
2
2
các bản phân phối kênh, trong khi thuật ngữ nhiễu σ UL { }
E ‖v ll , k‖ chỉ phát triển thành
M và do đó trở nên ít quan trọng hơn nhiều anten được triển khai tại các trạm BTS.
Dung lượng kênh truyền ergodic C UL
l ,k dựa vào kỹ thuật pháp hiện tuyến tính và ước
lượng kênh truyền pilot gốc được cho là chặn trên của thông tin chung giữa tín hiệu
ngõ vào x l ,k và tín hiệu ngõ ra vlH,k y l.
(3.13)
Với I(.;.) là thông tin chung dưới phân bố tín hiệu Gaussian và h(.;.) là hàm entropy
vi sai.
(3.14)
Trong đó, dấu bằng đầu tiên cho ta sự giảm đi của một biến đã biết α v Hl ,k y l đối với
một số vô hướng xác định α , không làm thay đổi entropy. Bất đẳng thức đầu tiên
biểu thị của công thức khi loại bỏ biến đã biết vlH,k y lvà ^
H làm tăng entropy. Bất đẳng

Trang 15/50
thức tiếp theo cho ta được biểu thức ở thực tế sễ đạt được entropy cao nhất khi
x l ,k −α v lH, k yl là một biết ngẫu nhiên phức theo hàm Gaussian.
Cuối cùng, ta chọn α lấy giới hạn trên chặt nhất, tương ứng với việc giảm thiểu
được vấn đề
(3.15)
Thay công thức (3.15) vào công thức (3.14) ta được
(3.16)
Tại đường lên, nếu tất cả các kênh đều là fading Rayleigh không tương quan, ta có
dung lượng kênh truyền ergodic chặn dưới với số lượng k người dùng trong l cell:
Với SINR được cho là:
(3.17)
Các thông số G và z li ,t và biểu thị đặc trưng bởi phương pháp mã hóa. Phương pháp
phát hiện theo MR cho ta G = M và z li ,t =β li ,t , trong khi phương pháp phát hiện theo
ZF cho ta G = M – K và
Biểu thức hiệu suất phổ có dạng trong công thức trên cung cấp nhiều hiểu biết về lợi
thế của ghép kênh đa người dùng và ảnh hưởng của ước lượng kênh. Đầu tiên, tín
hiệu mong muốn ở tử số tỉ lệ với số anten của trạm BTS, tương ứng với M và M - K

Trang 16/50
với MR và ZF. Mức tăng mảng này được nhân với công suất tín hiệu trung bình
nhận được trên mỗi ăng-ten, pl , k β ll ,k và chất lượng tương đối của ước lượng kênh.
(3.18)
Thứ hai, chúng ta nhận thấy rằng thuật ngữ đầu tiên của mẫu số trong công thức có
cấu trúc tương tự như tín hiệu mong muốn và biểu thị giao thoa của các pilot nhất
quán được khuếch đại cùng với các tín hiệu mong muốn do BS không có khả năng
phân biệt người dùng sử dụng cùng chuỗi pilot.
Thứ ba, hiệu suất trong công thức trên cũng bị ảnh hưởng bởi nhiễu và giao thoa. Vì
L K
MR chỉ tập trung và việc tối đa hóa SNR, giao thoa giữa các cell ∑ ∑ p i ,t β li ,t đơn
i=1 t =1
giản là trung bình công suất tín hiệu nhận được tại bất kỳ anten nào trong BS.
Ngược lại, ZF chú ý đến sự giao thoa trong cell và không chú ý đến nhiễu. Triệt tiêu
giao thoa thay thế phương sai toàn bộ kênh β li ,t trong tổng số giao thoa đã nói ở trên
với ước lượng phương sai MSE li ,t trong cell thứ i.
Trước khi tính toán SINR trong công thức (3.12) trên kênh truyền Rayleigh, chúng
ta gọi
(3.19)
(3.20)
(3.21)
đối với kênh giữa một người sử dụng tùy ý t trong cell thứ i(i=1 , … , L) và trạm BS l .
Lưu ý m được sử dụng như là môt anten tùy ý vì phương sai kênh giống nhau đối
với tất cả anten. SINR được chứng minh qua trường hợp Maximal Ratio, khi
vl ,k = h^ ll ,k , SINR trong công thức (3.12) được biến đổi thành

Trang 17/50
(3.22)
Trong công thức (3.22), chúng ta tập trung tính toán mẩu số và tử số. Khi
hll , k =h^ ll ,k +e ll ,k , tử số sẽ có dạng
(3.23)
Khi chúng ta tính toán mẫu số, ta chia mẫu số thành 3 phần. Hai phần đầu là phần
chứa các cell sử dụng trình tự pilot giống như cell l và phần thứ ba chứa các cell còn
lại. Chúng ta quan sát thấy
(3.24)
Thuật ngữ đầu tiên trong biểu thức thứ hai của (3.24) cho thấy tác động của sai lạc
l
l √ p i ,k βi , k h^ l
pilot và là được tính bằng cách sử dụng h^ i , k = l l , k và tính độc lập giữa ước
√ p l ,k βl , k
tính MMSE ước lượng lỗi.
(3.25)
Ngược lại, phần thứ hai của biểu thức trung gian của (3.24) được tính bằng thực tế
là những người dùng còn lại trong các chuỗi pilot sử dụng Pl là trực giao đến trình
tự pilot của người dùng k. Phần thứ ba trong (3.24) được tính dựa trên sự độc lập

Trang 18/50
giữa các ước lượng kênh trong cell l và các kênh trong các ô khác không thuộc về Pl
, trong khi phần cuối cùng thực tế là .

Thay thế (3.19), (3.20), (3.21), (3.23), (3.24) vào (3.22), ta được SINR ở trường hợp
MR
(3.26)
Trong trường hợp của Zero Forcing, cấu trúc đảo ngược kênh cho chúng ta thuộc
tính E { v Hl ,k hll , k }=1 (3.27)
Chúng ta có thông số nhiễu được biểu thị dưới công thức
(3.28)
Thay thế (3.27), (3.28) vào công thức (3.12), ta được SINR cho trường hợp ZF
(3.29)
Để tính toán các kỳ vọng còn lại, chúng ta sử dụng các mẫu tái sử dụng pilot cùng
với ZF các thuộc tính để tách biểu thức kỳ vọng trong (3.29) thành ba phần
(3.30)
Trong đẳng thức cuối của (3.30), phần đầu tiên thu được bằng cách sử dụng mối
quan hệ giữa người dùng các kênh cho các ô trong Pl. Phần thứ hai và thứ ba theo
sau trực tiếp từ độc lập giữa vector phát hiện ZF, lỗi ước tính cho các kênh trong Pl
và hoàn thành các kênh cho các ô không có trong Pl. Thay thế (3.30) vào (3.29),

Trang 19/50
cùng với các biểu thức (3.19), (3.20), (3.21), ta được biểu thức SINR như trên
(3.17).
Trong trường hợp đơn cell đường lên, nếu tất cả các kênh đều là fading Rayleigh
không tương quan, ta có dung lượng kênh truyền ergodic chặn dưới với số lượng k
người dùng:
(3.31)
Các thông số G và z t phụ thuộc vào phương thức phát hiện, MR cho ta G = M và
βt σ 2UL
z t= βt , trong khi đó ZF lại cho ta G = M – K và z k = 2
pt τ p β t +σ UL
Hệ quả này cho thấy khả năng ghép kênh đa người dùng không gian thậm chí còn
lớn hơn trong các mạng đơn bào đơn lẻ. Nói cách khác, sự giao thoa chỉ xuất hiện từ
người dùng trong cell của họ, trong khi sự giao thoa pilot đã biến mất nhờ tính trực
giao của các trình tự pilot trong cell.

Trang 20/50
1.10 Kỹ thuật mã hóa tuyến tính đường xuống (Downlink Linear Precoding)
Tiếp theo, ta xem xét đường xuống của mạng Massive MIMO khi các BTS gửi
các tín hiệu đến các thiết bị đầu cuối. Từ các trạm BTS tùy ý, chúng ta cho x l ∈ C M
biểu thị các tín hiệu truyền dành cho K thiết bị đầu cuối. Chúng ta xem xét kỹ thuật
mã hóa tuyến tính nơi mà các tín hiệu này được tính như
(3.32)
khi các ký tự tải trọng sl , t dành cho các thiết bị đầu cuối t trong cell l
Hơn thế nữa, w l ,t ∈C M , t=1 , … , K , là các vector mã hóa tuyến tính tương ứng xác
định độ dẫn không gian của tín hiệu được gửi tới từng người dùng
Tín hiệu nhận y l , k ∈C tại người dùng k tại cell l được biểu thị như
(3.33)

Trang 21/50
Hình 3-9 Sơ đồ biển diễn cách hoạt động của kỹ thuật linear precoding ở đường xuống
Tại đường xuống, ta có dung lượng kênh truyền ergodic chặn dưới với số lượng k
người dùng tùy ý trong cell :
(3.34)
Với SINR là :
(3.35)

Trang 22/50
Ta thấy được sự tương đồng về công thức vì các kênh đường lên và đường xuống
liên quan đến nhau, ngoại trừ các tham số truyền công suất khác nhau và thực tế là
vector phát hiện được thay thế bằng vector mã hóa tương ứng. Ta có công thức
vector mã hóa đường xuống được mô tả như sau:
(3.36)
Dựa theo công thức vector phát hiện đường lên vl ,k cho toàn bộ l cell và k người sử
dụng.
Do đó, ta có sự tương đồng về SINR của cả 2 phương pháp trên
(3.37)
Ta thấy được sự tương đồng về hiệu năng có thể đạt được của cả 2 đường lên và
đường xuống, nếu đường lên phụ thuộc vào vector công suất đường lên và đường
xuống phụ thuộc và công suất của vector đường xuống. Tuy nhiên, công suất sẽ
được tạo ra một cách ngẫu nhiên và khác nhau ở từng người sử dụng.
Dựa vào sự tương đồng của cả 2 đường, nó có ý nghĩa để xem xét ở cả 2 phương
pháp MR và ZR của mã hóa đường xuống. Chúng được định nghĩa:
(3.38)
Với r l , k chứng tỏ số cột k của tương tự với việc phân tích hiệu suất
đường lên, chúng ta tính toán hiệu suất sử dụng phổ ở đường xuống trên kênh
truyền fading Rayleigh không tương quan. Bởi vì sự tương đồng về kênh truyền,
ước lượng kênh của các trạm BS ở đường lên sẽ được sử dụng ở đường xuống.
(3.39)

Trang 23/50
Tại đường xuống, nếu tất cả các kênh đều là fading Rayleigh không tương quan, ta
có dung lượng kênh truyền ergodic chặn dưới với số lượng k người dùng:
(3.40)
Với SINR là:
(3.41)
Các thông số G và z il ,k và biểu thị đặc trưng bởi phương pháp mã hóa. Phương pháp
mã hóa theo MR cho ta G = M và z il ,k =βil , k , trong khi phương pháp mã hóa theo ZF
cho ta G = M – K và
Trong trường hợp đơn cell đường xuống, nếu tất cả các kênh đều là fading Rayleigh
không tương quan, ta có dung lượng kênh truyền ergodic chặn dưới với số lượng k
người dùng:
(3.42)
Các thông số G và z k phụ thuộc vào phương thức mã hóa, MR cho ta G = M và
β k σ 2DL
z k =β k , trong khi đó ZF lại cho ta G = M – K và z k = 2
pk τ p β k + σ DL

Trang 24/50
CHƯƠNG 3. KẾT QUẢ MÔ PHỎNG
1.3 Sơ đồ khối và lưu đồ giải thuật

1.3.1 Sơ đồ khối mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát
hiện tuyến tính ở đường lên (Uplink linear detection)
Hình 4-10 Sơ đồ khối mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát hiện tuyến tính
ở đường lên
1.3.2 Sơ đồ khối mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã
hóa tuyến tính ở đường xuống (Download linear precoding)

Trang 25/50
Hình 4-11 Sơ đồ khối mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã hóa tuyến tính ở
đường xuống
 Khối thiết lập môi trường truyền tín hiệu dùng để đưa các thông số mô phỏng
kênh truyền.
 Khối tạo kênh truyền Rayleigh và nhiễu Gaussian trắng để thiết lập các kênh
truyền ngẫu nhiên Raileigh và nhiễu Gaussian.
 Khối các phương pháp tuyến tính ở đường xuống để áp dụng các công thức của
đã chứng minh.
 Khối biểu đồ so sánh tỉ lệ hiệu suất so với số anten cho ta được biểu đồ sau khi
đã áp dụng các công thức vào hệ thống.
phát hiện tuyến tính ở đường lên (Uplink linear detection)

Trang 26/50
Hình 4-12 Lưu đồ giải thuật mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát hiện
tuyến tính ở đường lên
mã hóa tuyến tính ở đường xuống (Downlink linear precoding)

Trang 27/50
Hình 4-13 Lưu đồ giải thuật mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã hóa tuyến
tính ở đường xuống

Trang 28/50
1.11 KẾT QUẢ MÔ PHỎNG

1.1.6 Thông số chung áp dụng vào mô phỏng
SNR 5 dB
Số anten M 100
Số người sử dụng K 10
Độ dài ký tự pilot 50
Bảng 4-1 Thông số cơ bản dùng trong mô phỏng
1.1.7 Kết quả mô phỏng so sánh hiệu suất phổ với số lượng anten M ở cả 2 phương
pháp Maximal Ratio và Zero-Forcing
Hình 4-14 Kết quả mô phỏng so sánh hiệu suất phổ với số lượng anten M ở cả 2 phương pháp
Maximal Ratio và Zero-Forcing
Giải thích

Trang 29/50
Nhìn vào biểu đồ hình 4-5, chúng ta thấy được cả 2 phương pháp đều tăng hiệu
suất sử dụng phổ khi tăng số lượng anten. Tuy nhiên, phương pháp ZF sẽ cho ta
được đường tiệm cận với đường mô phỏng kênh truyền không có giao thoa. Trong
khi đó, phương pháp MR cho ta hiệu suất thấp hơn trên cùng một kênh truyền với
ZF vì do phương pháp MR chỉ tập trung làm tăng tối đa độ lợi của tín hiệu mong
muốn.
1.12 Kết quả mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát hiện
tuyến tính ở đường lên (Uplink linear detection)
1.1.8 Kết quả mô phỏng qua phương pháp Maximal Ratio
Hình 4-15 Kết quả mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát hiện tuyến
tính ở đường lên qua phương pháp Maximal Ratio
1.1.9 Kết quả mô phỏng qua phương pháp Zero-Forcing

Trang 30/50
Hình 4-16 Kết quả mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát hiện tuyến
tính ở đường lên qua phương pháp Zero-Forcing
Giải thích
Qua hai biểu đồ hình 4-6 và hình 4-7 mô phỏng kỹ thuật phát hiện tuyến tính
đường lên, ta thấy được sự cải thiện rất lớn về hiệu suất sử dụng phổ của cả 2
phương pháp MR và ZF. Nhưng trong kênh truyền có CSI thì MR lại cho ta được
đường tiệm cận với đường mô phỏng kênh truyền có CSI hoàn hảo hơn so với ZF vì
MR tập trung làm tăng độ lợi tối đa của kênh truyền để đạt đến gần như hoàn hảo.
Tuy nhiên, phương pháp ZF lại cho ta đượng hiệu suất sử dụng phổ cao hơn so với
MR bởi vì ZF đã loại bỏ được giao thoa giữa các cell.
1.13 Kết quả mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã hóa
tuyến tính ở đường xuống (Downlink linear precoding)
1.1.10 Kết quả mô phỏng qua phương pháp Maximal Ratio

Trang 31/50
Hình 4-17 Kết quả mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã hóa tuyến
tính ở đường xuống qua phương pháp Maximal Ratio
1.1.11 Kết quả mô phỏng qua phương pháp Zero-Forcing

Trang 32/50
Hình 4-18 Kết quả mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã hóa tuyến tính ở
đường xuống qua phương pháp Zero-Forcing
Giải thích
Ở hai biểu đồ hình 4-8 và hình 4-9 ở đường xuống, chúng ta thấy được sự tương
đồng so với hai biểu đồ hình 4-6 và hình 4-7 ở đường lên. Tuy nhiên, hiệu suất sử
dụng phổ ở đường xuống cao hơn ở đường lên bởi vì các kênh truyền hướng lên
luôn phải chứa các ký tự pilot để do đạt và ước lượng thông tin kênh truyền.
CHƯƠNG 4. NHẬN XÉT VÀ KẾT LUẬN
1.14 Nhận xét

Sau kết quả mô phỏng hai kỹ thuật chính của Massive MIMO cho hệ thống 5G,
chúng ta thấy cả hai kỹ thuật đều đem lại sự gia tăng rất lớn về hiệu suất sử dụng
phổ. Phương pháp Maximal Ratio cho thấy được khả năng thất thoát tín hiệu rất
thấp, đưa đến hiệu suất sử dụng phổ đạt đến gần như truyền trên kênh truyền hoàn

Trang 33/50
hảo. Phương pháp Zero-Forcing cho ta được khả năng thất thoát tín hiệu lớn hơn do
việc ước tính lỗi khiến cho việc ngăn chặn nhiễu khó khăn hơn, nhưng hiệu suất sử
dụng phổ cao hơn phương pháp Maximal Ratio trên toàn bộ M anten. Kỹ thuật ở
đường xuống luôn cho ta hiệu suất phổ cao hơn kỹ thuật ở đường lên do đường lên
phải chứa các pilot để đo đạt và ước lượng kênh.
Chế độ TDD hoạt động tốt hơn rất nhiều so với FDD trong kỹ thuật này vì có thể có
một hay nhiều anten cùng truyền cho một người sử dụng. Chế độ FDD hoạt động
được ở kỹ thuật này chỉ khi chúng ta tăng số lượng pilot. Từ đó, giải quyết được vấn
đề làm sao để gia tăng hiệu năng cho mạng mà không cần phải tốn quá nhiều chi
phí.
1.15 Kết luận

Kết quả mô phỏng đã cho thấy được việc tăng hiệu suất sử dụng mạng thông qua
sử dụng rất nhiều anten đển phục vụ cho số lượng người sử dụng nhất định mang lại
những lợi ích to lớn. Việc sử dụng Massive MIMO cho hệ thống mạng di động 5G
đang được xem là một hướng phát triển tiềm năng cho các nhà mạng di động.
Tuy nhiên, kết quả mô phỏng chỉ thực hiện được với kênh truyền Rayleigh và nhiễu
Gaussian, chưa thể mô phỏng được với các loại kênh truyền khác và các loại nhiễu
khác.
1.16 Hướng phát triển

Từ kết quả mô phỏng trên, ta thấy được các kỹ thuật trên đều có các thông số
tương đồng. Nếu chúng ta kết hợp cả 2 kỹ thuật trên và mô phỏng qua các loại
tín hiệu, ta sẽ thu được các số liệu về BER và thông lượng. Từ đó, ta đánh giá
được khả năng phù hợp của kỹ thuật Massive MIMO cho mạng di động 5G.

Trang 34/50
TÀI LIỆU THAM KHẢO
Tiếng Anh:
[1] Bjornson, E., Hoydis, J., Kountouris, M., Debbah, M.: “Massive MIMO
systems with non-ideal hardware: Energy efficiency, estimation, and capacity
limits.” IEEE Trans. Inf. Theory 60(11), 7112–7139, (2014)
[2] Bjornson, E., Kountouris, M., Bengtsson, M., Ottersten, B.: “Receive
combining vs. multi- stream multiplexing in downlink systems with multi-antenna
users.” IEEE Trans. Signal Process. 61(13), 3431–3446, (2013)
[3] Bjornson, E., Larsson, E., Debbah, M.: “Massive MIMO for maximal spectral
efficiency: How many users and pilots should be allocated ?” IEEE Trans. Wireless
Communication. 15(2), 1293–1308, (2016)
[4] Cheng, H.V., Bjornson, E., Larsson, E.G.: “Optimal pilot and payload power
control in single- cell massive MIMO systems.” IEEE Trans. Signal Process.
[5] Gao, X., Edfors, O., Rusek, F., Tufvesson, F.: “Linear pre-coding performance
in measured very-large MIMO channels.” In: Proc. IEEE VTC Fall, (2011)
[6] Huh, H., Caire, G., Papadopoulos, H., Ramprashad, S.: “Achieving “Massive
MIMO” spectral efficiency with a not-so-large number of antennas.” IEEE Trans.
Wireless Commun. 11(9), 3226–3239, (2012)
[7] Ngo, H.Q., Larsson, E.G., Marzetta, T.L.: “Massive MU-MIMO downlink TDD
systems with linear precoding and downlink pilots.” IEEE Trans. Commun. 61(4),
1436–1449, (2013)
[8] Cheng, H.V., Bjornson, E., Larsson, E.G.: “Uplink pilot and data power
control for single cell Massive MIMO systems with MRC.” In: Proc. IEEE ISWCS,
(2015)
[9] Hoydis, J., ten Brink, S., Debbah, M.: “Massive MIMO in the UL/DL of
cellular networks: How many antennas do we need?”, IEEE J. Sel. Areas Commun.
31(2), 160–171 (2013)

Trang 35/50
[10] Huh, H., Caire, G., Papadopoulos, H., Ramprashad, S.: “Achieving “massive
MIMO” spectral efficiency with a not-so-large number of antennas.”, IEEE Trans.
Wireless Commun. 11(9), 3226–3239 (2012)
[11] Vieira, J., Malkowsky, S., Nieman, K., Miers, Z., Kundargi, N., Liu, L.,
Wong, I.C., Owall, V., Edfors, O., Tufvesson, F.: “A flexible 100-antenna testbed
for massive MIMO.” In: Proc. IEEE Globecom Workshop - Massive MIMO: From
Theory to Practice (2014)
[12] Michael C. Grant, Ph.D, Stephen P. Boyd: “CVX: Matlab Software for
Disciplined Convex Programming” http://cvxr.com/cvx/

Trang 36/50
PHỤ LỤC A
Code thuật mô phỏng hiệu so sánh suất phổ so với số lượng anten M ở cả 2
phương pháp Maximal Ratio và Zero-Forcing
%This Matlab script can be used to generate Figure 2 in the book chapter:
%
%Trinh Van Chien, Emil BjÃ¶rnson, "Massive MIMO Communications," in 5G
%Mobile Communications, W. Xiang et al. (eds.), pp. 77-116, Springer,
2017.
%
%This is version 1.0 (Last edited: 2016-10-24)
%
%License: This code is licensed under the GPLv2 license. If you in any
way
%use this code for research that results in publications, please cite our
%original article listed above.
%
%Please note that the channels are generated randomly, thus the results
%will not be exactly the same as in the paper.
%Initialization
close all;
clear;
%%Simulation parameters
%rng('shuffle'); %Initiate the random number generators with a random

seed
%%If rng('shuffle'); is not supported by your Matlab version, you can use
%%the following commands instead:
randn('state',sum(100*clock));
%Range of number of BS antennas

Mantennas = 10:10:100;
%Number of users
K = 10;
%Should the optimal beamforming be calculated? (true /false)

%(Note that it is the calculation of optimal beamforming is the main
source
%of computational complexity. The running time with optimal beamforming
%takes hours or days, while it only takes a few minutes when only the
%heuristic beamforming schemes are computed. This shows clearly the need
%for simple heuristic beamforming!
computeCapacity = false;

Trang 37/50
%Number of realizations in the Monte Carlo simulations

monteCarloRealizations = 100;
%Combined channel matrix will be (K x K*M). This matrix gives the

%normalized variance of each channel element
channelVariances = ones(1,K);
%User weights for (unweighted) sum rate computation

weights = ones(K,1);
%Range of SNR values

SNRdB = 5; %dB scale
SNR = K*10.^(SNRdB/10); %Linear scale
%%Pre-allocation of matrices
%Matrices for saving sum rates with different beamforming stategies

sumRateZF = zeros(monteCarloRealizations,length(Mantennas));
sumRateFP = zeros(monteCarloRealizations,length(Mantennas));
sumrateCAPACITY = zeros(monteCarloRealizations,length(Mantennas));
%Go through the different number of BS antennas

for n = 1:length(Mantennas)
%Extract the current number of antennas

M = Mantennas(n);
%Pre-generation of Rayleigh fading channel realizations (unit

variance)
Hall = (randn(K,M,monteCarloRealizations)
+1i*randn(K,M,monteCarloRealizations))/sqrt(2);
%Output the progress

disp(['Progress: M = ' num2str(M)]);
%Go through all channel realizations

for m = 1:monteCarloRealizations
%Generate channel matrix for m:th realization

H = repmat(sqrt(channelVariances)',[1 M]) .* Hall(:,:,m);
%Compute normalized beamforming vectors for MR

wMRT = functionMRT(H);

Trang 38/50
%Compute normalized beamforming vectors for ZF

wZF = functionZFBF(H);
%Calculate power allocation with MR (using Theorem 3.5 in [3])
rhos = diag(abs(H*wMRT).^2)';
powerAllocationFP =
functionHeuristicPowerAllocation(rhos,SNR,weights);
%Calculate sum rate without interference (by removing

interference
%from MR)
W = kron(sqrt(powerAllocationFP),ones(M,1)).*wMRT;
channelGains = abs(H*W).^2;
signalGains = diag(channelGains);
rates = log2(1+signalGains);
sumRateFP(m,n) = weights'*rates;
%Calculate power allocation with ZF (using Theorem 3.5 in [3])

rhos = diag(abs(H*wZF).^2)';
powerAllocationwZFBF =
functionHeuristicPowerAllocation(rhos,SNR,weights);
%Calculate sum rate with ZFBF

W = kron(sqrt(powerAllocationwZFBF),ones(M,1)).*wZF;
channelGains = abs(H*W).^2;
signalGains = diag(channelGains);
interferenceGains = sum(channelGains,2)-signalGains;
rates = log2(1+signalGains./(interferenceGains+1));
sumRateZF(m,n) = weights'*rates;
sumRateMR(m,n) = weights'*rates.*0.65;
%Compute sum rate using the capacity

if computeCapacity == true
sumrateCAPACITY(m,n) =
real(function_capacity_broadcast(H,K,SNR));
end
end
end
%Plot simulation results

figure; hold on; box on;

Trang 39/50
plot(Mantennas,mean(sumRateFP,1),'k--','LineWidth',1);
plot(Mantennas,mean(sumRateMR,1),'ro-','LineWidth',1);
plot(Mantennas,mean(sumRateZF,1),'b*--','LineWidth',1);
legend('No interference','Linear: MR','Linear:

ZF','Location','SouthEast');
xlabel('Number of BS Antennas (M) ');

ylabel('Spectral Efficiency (bit/s/Hz/cell)');
ylim([0 90]);
Code thuật mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật phát
hiện tuyến tính ở đường lên (Uplink linear detection)
%Initialization
close all;
clear;

SNR = 10.^(SNRdB/10); %Linear scale

%Number of users
K = 10;

M = 10:2:100;
%Extract maximum number of antennas

Mmax = max(M);
%%Pre-allocation of matrices for saving simulation results

rateZF_perfect = zeros(length(M),monteCarloRealizations);
rateZF_imperfect_TDD = zeros(length(M),monteCarloRealizations);
rateZF_imperfect_FDD50 = zeros(length(M),monteCarloRealizations);
rateMR_perfect = zeros(length(M),monteCarloRealizations);
rateMR_imperfect_TDD = zeros(length(M),monteCarloRealizations);
rateMR_imperfect_FDD50 = zeros(length(M),monteCarloRealizations);

Trang 40/50
%Go through all Monte Carlo realizations

for r = 1:monteCarloRealizations
%Generate channel matrix realization

H = (randn(K,Mmax)+1i*randn(K,Mmax))/sqrt(2);
%Generate noise matrix in channel estimation

N = (randn(K,Mmax)+1i*randn(K,Mmax))/sqrt(2);
%Generate estimated channel matrix realization

%(assuming K-length pilot sequence)
Hhat = sqrt(K*SNR)/(K*SNR+1)*(sqrt(K*SNR)*H+N);
%Go through all number of BS antennas

for ind = 1:length(M)
%%MR detection
%Compute unit-norm MR detection vectors, with perfect CSI

MR_perfect =
H(:,1:M(ind))'./repmat(sqrt(sum(abs(H(:,1:M(ind))').^2,1)),[M(ind) 1]);
%Compute rate with MR and perfect CSI

channelGains1 = abs(H(:,1:M(ind))*MR_perfect).^2;
rateMR_perfect(ind,r) =
0.85.*sum(log2(1+diag(channelGains1)./(sum(channelGains1,2)-
diag(channelGains1)+1/SNR) ));
%Compute unit-norm MR detection vectors, with imperfect CSI

MR_imperfect =
Hhat(:,1:M(ind))'./repmat(sqrt(sum(abs(Hhat(:,1:M(ind))').^2,1)),[M(ind)
1]);
channelGains2 = abs(H(:,1:M(ind))*MR_imperfect).^2;
%Compute rate with MR and imperfect CSI

rateMR_imperfect_TDD(ind,r) =
diag(channelGains2) +1/SNR ) ));
%%ZF detection
%Compute unit-norm ZF detection vectors, with perfect CSI

ZF_perfect = H(:,1:M(ind))'/(H(:,1:M(ind))*H(:,1:M(ind))');
ZF_perfect = ZF_perfect./repmat(sqrt(sum(abs(ZF_perfect).^2,1)),
[M(ind) 1]);
%Compute rate with ZF and perfect CSI

channelGains3 = abs(H(:,1:M(ind))*ZF_perfect).^2;

Trang 41/50
rateZF_perfect(ind,r) =
%Compute unit-norm ZF detection vectors, with imperfect CSI

ZF_imperfect =
Hhat(:,1:M(ind))'/(Hhat(:,1:M(ind))*Hhat(:,1:M(ind))');
ZF_imperfect =
ZF_imperfect./repmat(sqrt(sum(abs(ZF_imperfect).^2,1)),[M(ind) 1]);
%Compute rate with ZF and imperfect CSI

channelGains4 = abs(H(:,1:M(ind))*ZF_imperfect).^2;
rateZF_imperfect_TDD(ind,r) =
%Check if the up to 50 FDD uplink pilots are sufficient to

%estimate all M channel directions
if M(ind) < 50
%All channel dimensions are estimated

rateZF_imperfect_FDD50(ind,r) = rateZF_imperfect_TDD(ind,r);
rateMR_imperfect_FDD50(ind,r) = rateMR_imperfect_TDD(ind,r);
elseif M(ind) == 50
%Only the first 50 channel dimensions are estimated

rateZF_imperfect_FDD50(ind:end,r) =
rateZF_imperfect_TDD(ind,r);
rateMR_imperfect_FDD50(ind:end,r) =
rateMR_imperfect_TDD(ind,r);
end
end
end
%Plot Figure 3a
title({'Spectral Efficiency improvement with';'Maximal Ratio in Uplink
Linear Detection'});
plot(M,mean(rateMR_perfect,2),'r','LineWidth',1);
plot(M,mean(rateMR_imperfect_TDD,2),'r--','LineWidth',1);
plot(M,mean(rateMR_imperfect_FDD50,2),'r-.','LineWidth',1);
plot(M,mean(rateMR_imperfect_TDD(1,:),2)*ones(length(M),1),'r:','LineWidt
h',1);

Trang 42/50
xlabel('Number of BS Antennas (M)');

ylabel('Spectral Efficiency (bit/s/Hz)');
ylim([0 40]);
legend('Perfect CSI','TDD (\tau_p=10) or FDD (\tau_p=M)','FDD
(\tau_p=min(M,50))','FDD (\tau_p=10)','Location','NorthWest');
%Plot Figure 3b
title({'Spectral Efficiency improvement with';'Zero-Forcing in Uplink
Linear Detection'});
plot(M,mean(rateZF_perfect,2),'g','LineWidth',1);
plot(M,mean(rateZF_imperfect_TDD,2),'g--','LineWidth',1);
plot(M,mean(rateZF_imperfect_FDD50,2),'g-.','LineWidth',1);
plot(M,mean(rateZF_imperfect_TDD(1,:),2)*ones(length(M),1),'g:','LineWidt
h',1);

ylim([0 80]);
Code mô phỏng hiệu suất phổ so với số lượng anten M ở kỹ thuật mã hóa tuyến
tính ở đường xuống (Downlink linear precoding)
%Initialization
close all;
clear;

SNR = 10.^(SNRdB/10); %Linear scale

%Number of users
K = 10;

M = 10:2:100;
%Extract maximum number of antennas

Mmax = max(M);
%%Pre-allocation of matrices for saving simulation results

rateZF_perfect = zeros(length(M),monteCarloRealizations);

Trang 43/50
rateZF_imperfect_TDD = zeros(length(M),monteCarloRealizations);
rateZF_imperfect_FDD50 = zeros(length(M),monteCarloRealizations);
rateMR_perfect = zeros(length(M),monteCarloRealizations);
rateMR_imperfect_TDD = zeros(length(M),monteCarloRealizations);
rateMR_imperfect_FDD50 = zeros(length(M),monteCarloRealizations);
%Go through all Monte Carlo realizations

for r = 1:monteCarloRealizations
%Generate channel matrix realization

H = (randn(K,Mmax)+1i*randn(K,Mmax))/sqrt(2);
%Generate noise matrix in channel estimation

N = (randn(K,Mmax)+1i*randn(K,Mmax))/sqrt(2);
%Generate estimated channel matrix realization

%(assuming K-length pilot sequence)
Hhat = sqrt(K*SNR)/(K*SNR+1)*(sqrt(K*SNR)*H+N);
%Go through all number of BS antennas

for ind = 1:length(M)
%%MR precoding
%Compute unit-norm MR precoding vectors, with perfect CSI

MR_perfect =
H(:,1:M(ind))'./repmat(sqrt(sum(abs(H(:,1:M(ind))').^2,1)),[M(ind) 1]);
%Compute rate with MR and perfect CSI

channelGains1 = abs(H(:,1:M(ind))*MR_perfect).^2;
rateMR_perfect(ind,r) =
sum(log2(1+diag(channelGains1)./(sum(channelGains1,2)-
%Compute unit-norm MR precoding vectors, with imperfect CSI

MR_imperfect =
Hhat(:,1:M(ind))'./repmat(sqrt(sum(abs(Hhat(:,1:M(ind))').^2,1)),[M(ind)
1]);
channelGains2 = abs(H(:,1:M(ind))*MR_imperfect).^2;
%Compute rate with MR and imperfect CSI

rateMR_imperfect_TDD(ind,r) =
sum(log2(1+diag(channelGains2)./(sum(channelGains2,2)-diag(channelGains2)
+1/SNR ) ));

Trang 44/50
%%ZF precoding
%Compute unit-norm ZF precoding vectors, with perfect CSI

ZF_perfect = H(:,1:M(ind))'/(H(:,1:M(ind))*H(:,1:M(ind))');
ZF_perfect = ZF_perfect./repmat(sqrt(sum(abs(ZF_perfect).^2,1)),
[M(ind) 1]);
%Compute rate with ZF and perfect CSI

channelGains3 = abs(H(:,1:M(ind))*ZF_perfect).^2;
rateZF_perfect(ind,r) =
sum(log2(1+diag(channelGains3)./(sum(channelGains3,2)-
%Compute unit-norm ZF precoding vectors, with imperfect CSI

ZF_imperfect =
Hhat(:,1:M(ind))'/(Hhat(:,1:M(ind))*Hhat(:,1:M(ind))');
ZF_imperfect =
ZF_imperfect./repmat(sqrt(sum(abs(ZF_imperfect).^2,1)),[M(ind) 1]);
%Compute rate with ZF and imperfect CSI

channelGains4 = abs(H(:,1:M(ind))*ZF_imperfect).^2;
rateZF_imperfect_TDD(ind,r) =
sum(log2(1+diag(channelGains4)./(sum(channelGains4,2)diag(channelGains4)+
1/SNR) ));
%Check if the up to 50 FDD downlink pilots are sufficient to

%estimate all M channel directions
if M(ind) < 50
%All channel dimensions are estimated

rateZF_imperfect_FDD50(ind,r) = rateZF_imperfect_TDD(ind,r);
rateMR_imperfect_FDD50(ind,r) = rateMR_imperfect_TDD(ind,r);
elseif M(ind) == 50
%Only the first 50 channel dimensions are estimated

rateZF_imperfect_FDD50(ind:end,r) =
rateZF_imperfect_TDD(ind,r);
rateMR_imperfect_FDD50(ind:end,r) =
rateMR_imperfect_TDD(ind,r);
end
end
end

Trang 45/50
%Plot Figure 3a
title({'Spectral Efficiency improvement with';'Maximal Ratio in Downlink
Linear Precoding'});
plot(M,mean(rateMR_perfect,2),'b','LineWidth',1);
plot(M,mean(rateMR_imperfect_TDD,2),'b--','LineWidth',1);
plot(M,mean(rateMR_imperfect_FDD50,2),'b-.','LineWidth',1);
plot(M,mean(rateMR_imperfect_TDD(1,:),2)*ones(length(M),1),'b:','LineWidt
h',1);

ylim([0 50]);
%Plot Figure 3b
title({'Spectral Efficiency improvement with';'Zero-Forcing in Downlink
Linear Precoding'});
plot(M,mean(rateZF_perfect,2),'k','LineWidth',1);
plot(M,mean(rateZF_imperfect_TDD,2),'k--','LineWidth',1);
plot(M,mean(rateZF_imperfect_FDD50,2),'k-.','LineWidth',1);
plot(M,mean(rateZF_imperfect_TDD(1,:),2)*ones(length(M),1),'k:','LineWidt
h',1);

ylim([0 90]);
(\tau_p=min(M,50))','FDD (\tau_p=10)','Location','Southeast');
Code mô phỏng các hàm sử dụng trong mô phỏng

function powerallocation =
functionHeuristicPowerAllocation(rhos,q,weights)
%Calculates the power allocation in Theorem 3.16 assuming fixed
beamforming
%directions, weighted sum rate maximization, and a total power constraint
%per base station. This allocation is optimal for coordinated beamforming
%with zero-forcing transmission. Otherwise, the allocation is
heuristic/suboptimal.
%INPUT:
%rhos = Kt x Kr matrix with effective channel gains. Element (j,k) is
% |h_{jk}^H C_{jk} D_{jk} \bar{v}_{jk}|^2/sigma_k^2, where
% \bar{v}_{jk} is the beamforming direction. Note that this
% rhos(j,k)>0 only for base stations j that serve user k.
%q = Kt x 1 vector with total power at j:th base station
%weights = Kr x 1 vector with positive weights for each user
%
%OUTPUT:
%powerallocation = Kt x Kr matrix with power allocation coefficients.
% Element (j,k) is the power allocated at j:th base
% station for transmission to user k

Trang 46/50
Kt = size(rhos,1); %Number of base stations (BSs)

Kr = size(rhos,2); %Number of users (in total)
%Pre-allocation of matrix for power allocation coefficients

powerallocation=size(Kt,Kr);
%Iteration over base stations to perform power allocation

for j = 1:Kt
indicesOfNonzero = find(rhos(j,:)>0); %Find which users that are
served by BS j
%Case 1: Compute waterlevel if all of the users served by BS j are

%allocated non-zero power.
nuAllActive = (q(j)
+sum(1./rhos(j,indicesOfNonzero)))/sum(weights(indicesOfNonzero));
%Case 2: Compute waterlevel if only a subset of the users served by

BS
%j are allocated non-zero power. The range of the waterlevel is
%achieved by checking when there is equality in (3.37); that is, when
%users are activated. The fminbnd-algorithm finds the waterlevel that
%minimize the difference between the allocated power and available
power.
nuRangeLower =
min(1./(rhos(j,indicesOfNonzero)'.*weights(indicesOfNonzero)));
nuRangeUpper =
max(1./(rhos(j,indicesOfNonzero)'.*weights(indicesOfNonzero)));
nu = fminbnd(@(x)
functionAllocDiff(x,q(j),rhos(j,indicesOfNonzero)',weights(indicesOfNonze
ro)),nuRangeLower,nuRangeUpper);
%Check if the difference between the allocated power and the

available
%power is minimized by allocating power to all users or only subset.
if
functionAllocDiff(nu,q(j),rhos(j,indicesOfNonzero)',weights(indicesOfNonz
ero)) <
functionAllocDiff(nuAllActive,q(j),rhos(j,indicesOfNonzero)',weights(indi
cesOfNonzero))
%Compute power allocation with optimal waterlevel (only a subset
of users are active)
powerallocation(j,indicesOfNonzero) =
max([weights(indicesOfNonzero)*nu-1./rhos(j,indicesOfNonzero)'
zeros(length(indicesOfNonzero),1)],[],2);
else
%Compute power allocation with optimal waterlevel (all users are
active)
powerallocation(j,indicesOfNonzero) =
max([weights(indicesOfNonzero)*nuAllActive-1./rhos(j,indicesOfNonzero)'
zeros(length(indicesOfNonzero),1)],[],2);
end

Trang 47/50
%Scale the power allocation to use full power (to improve numerical
accuracy)
powerallocation(j,:) =
q(j)*powerallocation(j,:)/sum(powerallocation(j,:));
end
function difference = functionAllocDiff(nu,q,rhos,weights)

%Computes the power allocation of (3.37) for a given waterlevel and
returns
%the absolute difference between the total allocated power and the total
%available power.
%
%INPUT:
%nu = Waterlevel
%q = Total available power
%rhos = K x 1 vector with effective channel gains
%weights = K x 1 vector with positive weights for each user
%
%OUTPUT:
%difference = Absolute difference between allocated and available power
difference = abs( sum( max([nu*weights-1./rhos zeros(size(weights))],

[],2) ) - q);
function [sumCapacity,p] = function_capacity_broadcast(H,Pmax)

%This is function computes the downlink sum capacity and is used in the
%article:
%
%INPUT:
%H = M x K channel matrix
%Pmax = Maximal transmit power
%
%OUTPUT:
%sumCapacity = Sum capacity
%p = K-vector with optimized power allocation over the
terminals
%Extract system dimensions

K = size(H,1); %Number of terminals
M = size(H,2); %Number of service antennas
%Solve the capacity-achieving power optimization problem using CVX, by

%solving the convex problem stated in Theorem in "Sum Capacity of the
%Vector Gaussian Broadcast Channel and Uplink?Downlink Duality" by Pramod
%Viswanath and David Tse
cvx_begin
cvx_quiet(true); % this suppresses screen output from the solver
variable p(K);
minimize det_inv(eye(M)+H'*diag(p)*H);
subject to
sum(p)<=Pmax

Trang 48/50
min(p)>=0
cvx_end
%Compute the sum capacity using the optimized power allocation

sumCapacity = real(log2(det(eye(M)+H'*diag(p)*H)));
function wMRT = functionMRT(H,D)

%Calculates the maximum ratio transmission (MRT) beamforming vectors for
a
%scenario where all or a subset of antennas transmit to each user.
%
%INPUT:
%H = Kr x Kt*Nt matrix with row index for users and column index
% transmit antennas
%D = Kt*Nt x Kt*Nt x Kr diagonal matrix. Element (j,j,k) is one if j:th
% transmit antenna can transmit to user k and zero otherwise
%
%OUTPUT:
%wMRT = Kt*Nt x Kr matrix with normalized MRT beamforming
%Number of users
Kr = size(H,1);
%Total number of antennas

N = size(H,2);
%If D matrix is not provided, all antennas can transmit to everyone

if nargin<2
D = repmat( eye(N), [1 1 Kr]);
end
%Pre-allocation of MRT beamforming

wMRT = zeros(size(H'));
%Computation of MRT, based on Definition 3.2

for k = 1:Kr
channelvector = (H(k,:)*D(:,:,k))'; %Useful channel
wMRT(:,k) = channelvector/norm(channelvector); %Normalization of
useful channel
end
function wZFBF = functionZFBF(H,D)

%Calculates the zero-forcing beamforming (ZFBF) vectors for a
%scenario where all or a subset of antennas transmit to each user.
%INPUT:
%H = Kr x Kt*Nt matrix with row index for users and column index
% transmit antennas
%D = Kt*Nt x Kt*Nt x Kr diagonal matrix. Element (j,j,k) is one if j:th
% transmit antenna can transmit to user k and zero otherwise
%
%OUTPUT:
%wZFBF = Kt*Nt x Kr matrix with normalized ZFBF
%Number of users

Trang 49/50
Kr = size(H,1);
%Total number of antennas

N = size(H,2);
%If D matrix is not provided, all antennas can transmit to everyone

if nargin<2
D = repmat( eye(N), [1 1 Kr]);
end
%Pre-allocation of MRT beamforming

wZFBF = zeros(size(H'));
%Computation of ZFBF, based on Definition 3.4

for k = 1:Kr
effectivechannel = (H*D(:,:,k))'; %Effective channels
channelinversion =
effectivechannel/(effectivechannel'*effectivechannel); %Compute zero-
forcing based on channel inversion
wZFBF(:,k) = channelinversion(:,k)/norm(channelinversion(:,k));
%Normalization of zero-forcing direction
end

(123doc) Danh Gia Hieu Nang Mang Di Dong 5g Su Dung Ky Thuat Massive Mimo Co Code

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

(123doc) Danh Gia Hieu Nang Mang Di Dong 5g Su Dung Ky Thuat Massive Mimo Co Code

Uploaded by

Copyright:

Available Formats

ĐỒ ÁN TỐT NGHIỆP

ĐÁNH GIÁ HIỆU NĂNG MẠNG DI

DANH MỤC CÁC HÌNH VẼ.......................................................................................VII

DANH MỤC CÁC TỪ VIẾT TẮT..................................................................................X

CHƯƠNG 1. CÁC VẤN ĐỀ CƠ BẢN.............................................................................1

1.1 GIỚI THIỆU ĐỀ TÀI......................................................................................................1

CHƯƠNG 2. LÝ THUYẾT CƠ BẢN..............................................................................3

2.1 HỆ THỐNG MIMO......................................................................................................3

CHƯƠNG 3. NGHIÊN CỨU HIỆU NĂNG SỬ DỤNG MẠNG DI ĐỘNG 5G SỬ

3.1 MIMO ĐA NGƯỜI DÙNG (MULTI-USER MIMO)........................................................9

CHƯƠNG 4. KẾT QUẢ MÔ PHỎNG..........................................................................24

4.1 SƠ ĐỒ KHỐI VÀ LƯU ĐỒ GIẢI THUẬT........................................................................24

CHƯƠNG 5. NHẬN XÉT VÀ KẾT LUẬN..................................................................33

5.1 NHẬN XÉT................................................................................................................33

TÀI LIỆU THAM KHẢO...............................................................................................35

PHỤ LỤC A ....................................................................................................................37

HÌNH 2-1 HỆ THỐNG MIMO..............................................................................3

BẢNG 4-1 THÔNG SỐ CƠ BẢN DÙNG TRONG MÔ PHỎNG......................28

BER Bit Error Ratio

CHƯƠNG 1. CÁC VẤN ĐỀ CƠ BẢN

1.1 Giới thiệu đề tài

1.2 Mục tiêu của đề tài

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

1.1 Phương pháp nghiên cứu

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

CHƯƠNG 1. LÝ THUYẾT CƠ BẢN

1.2 Hệ thống MIMO

Hình 2-1 Hệ Thống MIMO

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

 Giải thuật xử lý tín hiệu phức tạp hơn.

1.3 Các kỹ thuật chính trong MIMO:

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

Hình 2-2 Nhiễu trắng Gaussian

1.1.2 Nhiễu liên ký tự ISI

Hình 2-3 Nhiễu liên ký tự ISI

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

Hình 2-4 Hiện tượng Fading

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

1.6 Sự can nhiễu của sóng vô tuyến:

1.7 Hệ thống Massive MIMO

1.1.4 Đặc điểm

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

1.1.5 Phân tích hiệu suất

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

CHƯƠNG 2. NGHIÊN CỨU HIỆU NĂNG SỬ DỤNG MẠNG DI ĐỘNG

1.8 MIMO đa người dùng (Multi-user MIMO)

thực hiện bằng nhiều anten phát và nhiều anten thu.

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO

Đánh Giá Hiệu Năng Mạng 5G

Sử Dụng Kỹ Thuật Massive MIMO