Professional Documents
Culture Documents
(123doc) Danh Gia Hieu Nang Mang Di Dong 5g Su Dung Ky Thuat Massive Mimo Co Code
(123doc) Danh Gia Hieu Nang Mang Di Dong 5g Su Dung Ky Thuat Massive Mimo Co Code
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.
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…)
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.
1.5 Fading:
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 2-5 Các dạng mảng anten được sử dụng trong Massive MIMO
Phương sai của hli , k của hệ số thứ m được biểu thị bằng
β li ,k =V {hli ,k , m } (2.2)
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.
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)
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)
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)
(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.
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
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:
(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
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
(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
giữa các ước lượng kênh trong cell l và các kênh trong các ô khác không thuộc về Pl
(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),
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.
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)
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)
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)
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
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)
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.
1.3.3 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)
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
1.3.4 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 (Downlink linear precoding)
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
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
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
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
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
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.
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.
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)
[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/
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 Björnson, "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
%Number of users
K = 10;
%%Pre-allocation of matrices
rates = log2(1+signalGains);
sumRateFP(m,n) = weights'*rates;
sumrateCAPACITY(m,n) =
real(function_capacity_broadcast(H,K,SNR));
end
end
end
plot(Mantennas,mean(sumRateFP,1),'k--','LineWidth',1);
plot(Mantennas,mean(sumRateMR,1),'ro-','LineWidth',1);
plot(Mantennas,mean(sumRateZF,1),'b*--','LineWidth',1);
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;
%Number of users
K = 10;
rateMR_perfect = zeros(length(M),monteCarloRealizations);
rateMR_imperfect_TDD = zeros(length(M),monteCarloRealizations);
rateMR_imperfect_FDD50 = zeros(length(M),monteCarloRealizations);
%%MR detection
%%ZF detection
rateZF_perfect(ind,r) =
0.85.*sum(log2(1+diag(channelGains3)./(sum(channelGains3,2)-
diag(channelGains3)+1/SNR) ));
elseif M(ind) == 50
end
end
end
%Plot Figure 3a
figure; hold on; box on;
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);
%Plot Figure 3b
figure; hold on; box on;
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);
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;
%Number of users
K = 10;
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);
%%MR precoding
%%ZF precoding
elseif M(ind) == 50
end
end
end
%Plot Figure 3a
figure; hold on; box on;
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);
%Plot Figure 3b
figure; hold on; box on;
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);
%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
%Scale the power allocation to use full power (to improve numerical
accuracy)
powerallocation(j,:) =
q(j)*powerallocation(j,:)/sum(powerallocation(j,:));
end
min(p)>=0
cvx_end
%Number of users
Kr = size(H,1);
%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
Kr = size(H,1);