Nghiên cứu phương pháp ước lượng các tham số của kênh thông tin vô tuyến

Đây là một luận văn được đánh giá rất cao trong kỳ tốt nghiệp đại học năm 2013. Nội dung luận văn trình bày và phân tích các thuật toán ước lượng tham số kênh thông tin vô tuyến, qua đó trình bày thuật toán ước lượng tham số hiệu quả và đánh giá kết quả mô phỏng. Nội dung đồ án được chia làm 3 chương mạch lạc rõ ràng. Chương 1 nói về mô hình kênh thông tin vô tuyến MIMO. Chương 2 đưa ra một số phương pháp ước lượng kênh thông tin vô tuyến. Chương 3 trình bày sâu hơn về phương pháp hợp lý cực đại, ước lượng tham số miền góc và miền trễ chung.

MỤC LỤC

MỤC LỤC i

DANH MỤC HÌNH VẼ iii

DANH MỤC BẢNG BIỂU v

DANH MỤC THUẬT NGỮ VIẾT TẮT vi

DANH MỤC KÝ HIỆU viii

LỜI MỞ ĐẦU 1

CHƯƠNG 1: MÔ HÌNH KÊNH THÔNG TIN VÔ TUYẾN 3

1.1 Tổng quan 3

1.2 Mô hình kênh 7

1.2.1 Thành phần phản chiếu (Specular component) 7

1.2.2 Tán xạ khuếch tán (Diffuse scattering) 8

1.3 Các mô hình không gian 10

1.3.1 Các mô hình dựa trên tương quan 10

1.3.2 Các mô hình dựa trên móc nối ( coupling-based ) 17

1.4 Mô hình kênh không gian 3GPP 19

1.5 Mô hình COST259 20

1.6 Mô hình COST273 21

1.7 Mô hình WINNER 24

1.8 Tổng kết chương 25

CHƯƠNG 2: ƯỚC LƯỢNG THAM SỐ KÊNH THÔNG TIN VÔ TUYẾN 28

2.1 Nguyên tắc của kênh âm thanh 28

2.2 Các giả định 30

2.3 Ước lượng tham số định hướng 31

2.3.1 Ước lượng dựa trên quang phổ 31

2.3.2 Ước lượng dựa trên cấu hình anten cụ thể 33

2.4 Ước lượng hoàn chỉnh các tham số mẫu 34

2.4.1 Phương pháp hợp lý cực đại tất định (DML) 35

2.4.2 Phương pháp hợp lý cực đại ngẫu nhiên (SML) 37

2.4.3 RIMAX 38

2.5.1 Phương pháp dựa theo không gian con 42

2.5.2 Phương pháp dựa theo AIC 42

2.6 Ước lượng cho nguồn phân tán 43

2.7 Tổng kết chương 46

CHƯƠNG 3: PHƯƠNG PHÁP HỢP LÝ CỰC ĐẠI ƯỚC LƯỢNG THAM SỐ KÊNH THÔNG TIN VÔ TUYẾN 49

3.1 Mô hình tín hiệu 49

3.1.1 Đặc tính miền trễ và tần số 51

3.1.2 Đặc tính miền góc 51

3.2 Ước lượng tham số 53

3.2.1 Thành phần phản chiếu 55

3.2.2 Tham số miền tần số 56

3.2.3 Tham số miền góc 59

3.2.4 Khởi tạo 61

3.2.5 Phức tạp trong tính toán 62

3.3 Giới hạn ước lượng 63

3.4 Kết quả mô phỏng 64

3.5 Phát hiện và ước lượng các tham số đường phản chiếu mới 71

3.5.1 Ứng dụng để phát hiện các đường phản chiếu yếu 73

KẾT LUẬN 76

DANH MỤC TÀI LIỆU THAM KHẢO 78

DANH MỤC HÌNH VẼ

Hình 1.1: Minh họa kênh truyền sóng tổng quát 3

Hình 1.2: Mô hình hệ thống MIMO điển hình với M tăng ten phát và M ăng ten r thu 4

Hình 1.4: Đại diện hình học mảng 2-D 6

Hình 1.5: Cấu trúc mảng chung: (a) mảng tuyến tính đồng nhất,

(b) mảng tròn đồng nhất 6

Hình 1.6: Phân loại các mô hình 10

Hình 1.7: Các thông số cho một cụm đơn trong mô hình SVA 12

Hình 1.9: Minh họa cấu hình hình học của một kênh 2x2 với 15

các vật tán xạ địa phương bên thu 15

Hình 1.11: Ví dụ của các khu vực tầm nhìn cho một quỹ đạo MS 21

Hình 1.12: Minh họa khái niệm cụm đôi 23

Hình 1.13: Minh họa quá trình chuyển đổi giữa các phân đoạn kênh 25

Hình 2.1: Ghép kênh miền thời gian của hệ thống kênh âm 29

Hình 2.2: Mảng cầu từ phòng thí nghiệm vô tuyến 30

Hình 2.3: Phổ không gian thu được của Bartlett và Capon’s beamformers cho hai nguồn 80 và o 110 32o Hình 2.4: Phổ không gian thu được của Bartlett và Capon’s beamformers và phổ MUSIC cho hai nguồn 80 và o 90 33o Hình 2.5: Ví dụ của phân chia mảng cho ứng dụng của phương pháp ESPRIT 34

Hình 3.1: So sánh ước lượng công suất quang phổ góc 53

Hình 3.3: So sánh tính toán phức tạp của tối ưu hóa trực tiếp hàm likehood và thuật toán tối ưu hóa hàm của các tần số mẫu M 62 f Hình 3.4: So sánh hàm công suất trễ ước lượng và hàm công suất trễ thực tế 65

Hình 3.5: So sánh hàm công suất góc được ước lượng và hàm công suất góc thực tế 66

Hình 3.6: So sánh lỗi trung bình bình phương với cận dưới CR của các tham số miền tần số { 1, d} và phương sai tiếng ồn 2 n  68

Hình 3.7: So sánh lỗi trung bình bình phương với cận dưới CR của trễ cơ bản  68

Hình 3.8: So sánh lỗi trung bình bình phương với cận dưới CR của 69

Hình 3.9: So sánh lỗi trung bình bình phương với cận dưới CR của  69

Hình 3.10: So sánh lỗi trung bình bình phương với cận dưới CR của  của cụm góc đầu tiên 70

Hình 3.11: Mối nối phân phối góc - trễ được ước lượng (biểu thị bằng các dấu chấm điểm) và đường dẫn riêng biệt thực tế sử dụng để tạo ra các dữ liệu 71

Hình 3.12: Vòng lặp thủ tục để tối ưu hóa chung của các các tham số thành phần phản chiếu và tán xạ khuếch tán, bao gồm cả việc tìm kiếm những đường phản chiếu mới 72

Hình 3.13: Ước lượng  74

Hình 3.14: Ước lượng  ,1 sử dụng ước lượng  trước đó 74

Hình 3.15: So sánh hàm công suất trễ ước lượng và hàm công suất góc thực tế 75

Hình 3.16: So sánh hàm công suất góc ước lượng và hàm công suất góc thực tế 75

DANH MỤC BẢNG BIỂU

Bảng 3.1: Tổng kết thuật toán độ phức tạp thấp ước lượng các tham số miền tần số

và miền góc 61Bảng 3.2: So sánh giữa phương pháp độ phức tạp giảm và Spread ESPRIT 67

DANH MỤC THUẬT NGỮ VIẾT TẮT

Tên viết tắt Tên thuật ngữ đầy đủ Tạm dịch

CSI Channel state information Thông tin trạng thái kênh

CRLB Cramér-Rao lower bound Cận dưới CR

DFT Discrete Fourier tranform Phép biến đổi Fourier rời rạc DoA Direction of arrival Hướng sóng tới

DoD Direction of departure Hướng khởi hành (sóng đi)

DDIR Double directional impulse

DSC Diffuse scattering component Thành phần tán xạ khuếch tán

EM Expectation-maximization Tối đa kỳ vọng

ESPRIT Estimation of signal parameters

via rotational invariance techniques

Ước lượng tham số tín hiệu dựa vào kỹ thuật quay bất biến

FFT Fast Fourier transform Phép biến đổi Fourier nhanh

LTE Long-term evolution Quá trình phát triển lâu dài

MIMO Multiple-input multiple-output Đa đầu vào đa đầu ra

MSE Mean squared error Lỗi bình phương trung bình MMSE Mean squared error Lỗi bình phương trung bình nhỏ

nhất MUSIC Minimum multiple signal

classification

Phân loại tín hiệu đa đường

PAP Power angular profile Hàm công suất góc

PDF Probability density function Hàm phân bố xác suất

PDP Power delay profile Hàm công suất trễ

SINR Signal to interference plus

SIMO Single-input Multiple-output Một đầu vào - nhiều đầu ra

SISO Single-input Single-output Một đầu vào – một đầu ra

TLS Total least squares Tổng bình phương cực tiểu

UCA Uniform circular array Dàn vòng tròn đồng nhất

ULA Uniform linear array Dàn tuyến tính đồng nhất

a Ước lượng của a

vec(.) Bản xếp chồng các cột của một ma trận trên một ma trận khác

mat(., M, N) Sắp xếp một véc tơ vào một ma trận kích cỡ M x N

s(t) Véc tơ ký hiệu truyền đi

y(t), y(f) Véc tơ tín hiệu thu trong miền thời gian/ miền tần số

 Góc trung bình của phân phối von Mises (trung tâm đối xứng)

 Tán xạ về trung tâm đối xứng

 Tương quan hỗn hợp của DSC

 Góc tới/ góc khởi hành trong hướng góc phương vị

 Góc tới/ góc khởi hành trong hướng góc ngẩng

R Ma trận hiệp phương sai

a (R R, R) Véc tơ chỉ đạo của mảng ăn ten thu

a (T  T, T) Véc tơ chỉ đạo của mảng ăn ten phát

( ), ( )

n t n f Véc tơ nhiễu trong miền thời gian và miền tần số

V Véc tơ riêng của ma trận

 Giá trị riêng của ma trận

LỜI MỞ ĐẦU

Kỹ thuật đa ăng ten là kỹ thuật chìa khóa kết nối các hệ thống thông tin không dây hiện đại và thế hệ tiếp theo như 3GPP LTE và IEEE 802.16e (WiMAX), cũng như thông tin không dây cố định và các mạng kết cuối Trong thực tế, mục tiêu đặt ra cho hệ thống thế hệ tiếp theo không thể đạt được nếu không sử dụng nhiều ăng ten ở cả bên phát và bên thu Các phép đo ăng ten đơn trước đó không cho biết đặc tính của thông tin không gian Do đó, cần một chiến dịch đo lường mới

sử dụng máy phát và máy thu đa ăng ten Độ chính xác của mô hình kênh không gian đa chiều đóng vai trò quan trọng mô tả đặc tính của môi trường truyền Mô hình kênh thực tế dựa trên các phép đo, do đó cần các kỹ thuật ước lượng các thông

số (tham số) mô hình từ dữ liệu Thông thường, thông số kênh MIMO input Multiple-output: Đa đầu vào đa đầu ra) đo được từ nhiều chiều, ngầm hiểu rằng có một số lượng lớn các dữ liệu được thu thập Do đó, điều quan trọng là tổng hợp thông tin liên quan đến một vài thông số

(Multiple-Mục tiêu của đồ án là nghiên cứu phương pháp và một số thuật toán ước lượng các tham số của kênh thông tin vô tuyến, qua đó trình bày thuật toán phát triển ước lượng hiệu quả cho độ chính xác cao với không gian tham số giảm Bằng cách mô hình hóa các thành phần tán xạ khuếch tán (distributed scattering component), số lượng các tham số được giảm đáng kể so với các kỹ thuật thường

được sử dụng

Đồ án này góp phần vào lĩnh vực ước lượng tham số truyền sóng Các phương pháp ước lượng trình bày trong đồ án này đặc biệt hữu ích cho môi trường truyền sóng, bên thu nhận được một phần lớn năng lượng của sự tán xạ khuếch tán Các thành phần tán xạ khuếch tán được mô hình hóa bằng cách sử dụng một mô hình ngẫu nhiên, cho phép mô tả nhỏ gọn hiện tượng tán xạ, kết quả ước lượng hiệu quả Thành phần tán xạ khuếch tán cung cấp một phần đáng kể lợi ích MIMO Nếu chỉ ước lượng các thành phần tập trung và bỏ qua khuếch tán, các nhà thiết kế có

thể có cái nhìn thiên lệch về việc thực hiện hệ thống MIMO

Cấu trúc đồ án:

Chương 1 Mô hình kênh thông tin vô tuyến: Chương này minh họa kênh

truyền sóng tổng quát MIMO và trình bày một số mô hình kênh MIMO phát triển gần đây

Chương 2 Ước lượng tham số kênh thông tin vô tuyến: Chương này đưa ra

một số phương pháp ước lượng tham số, bao gồm cả ước lượng nguồn phân tán phát triển gần đây Kỹ thuật ước lượng dựa trên quang phổ được trình bày để so sánh

Chương 3 Phương pháp hợp lý cực đại ước lượng các tham số kênh thông tin vô tuyến: Chương này mô tả phương pháp ước lượng tham số miền góc và miền

trễ chung, cùng với giới hạn ước lượng và kết quả mô phỏng

Trong quá trình làm đồ án do thời gian và kiến thức còn hạn chế nên không tránh khỏi những thiếu sót Vì vậy, em rất mong nhận được sự góp ý từ thầy cô và các bạn để đồ án được hoàn thiện hơn

số lượng lớn các tia cần thiết để mô tả đặc điểm môi trường, các thuật toán ước lượng dựa trên các mô hình xác định (deterministic model) trở nên rất phức tạp

Hình 1.1: Minh họa kênh truyền sóng tổng quát

Một cách để giải quyết vấn đề này và nhanh chóng có được các mô hình với vài thông số là sử dụng một mô hình ngẫu nhiên (stochastic model) thay vì một mô hình xác định Một mô hình như vậy là phù hợp để mô tả tán xạ khuếch tán (diffuse scattering), đó là một phần của tín hiệu nhận được không thể được giải quyết vào đường phản chiếu (specular) riêng biệt Thậm chí tán xạ khuếch tán bao gồm cả can nhiễu và được coi như tiếng ồn, các kết quả gần đây đã chỉ ra rằng cơ chế truyền sóng phản xạ và khuếch tán đóng góp đáng kể vào quá trình truyền sóng Hơn nữa,

nó nên được lưu ý rằng tán xạ khuếch tán là một phần quan trọng cung cấp độ lợi

phản xạ phản chiếu

Dàn

phát

Dàn thu

Tán xạ khếch tán

trong phân tập và ghép kênh hệ thống MIMO (multiple - input multiple - output: Đa

đầu vào - đa đầu ra)

Hệ thống MIMO sử dụng nhiều ăng ten phát và thu là một trong các công nghệ chính cho hệ thống truyền thông không dây trong tương lai Dòng tín hiệu có thể được kết hợp bởi các thuật toán thích nghi tại máy phát và thu để sử dụng các

kênh vô tuyến hiệu quả

Hình sau minh họa một hệ thống MIMO điển hình, với M ăng ten phát (TX) t

và M ăng ten thu (RX) r

Hình 1.2: Mô hình hệ thống MIMO điển hình với M t ăng ten phát và M ăng ten r

thu

Giả định rằng có một mô hình hệ thống băng hẹp (hoặc tần số thấp) thời gian trễ tương đối của các tín hiệu tác động đến nhỏ so với khoảng thời gian ký hiệu (symbol period) Trong trường hợp này, mô hình cho hệ thống trong hình 1.2 có thể được viết là:

yHs n (1.1)

y là véc tơ của các tín hiệu ở đầu ra (chiều dài M ) của mỗi phần tử ăng ten r

của mảng thu, s là véc tơ ký hiệu truyền đi ban đầu (chiều dàiM ), n là véc tơ nhiễu t

đo được (chiều dài M ) và H là đáp ứng kênh (ma trận r M x r M ) H được định t

i j

h là hàm truyền từ ăng ten phát thứ j đến ăng ten nhận thứ i Các chiến

lược khác nhau để mô hình hóa các thành phần của H được đưa ra trong các mục tiếp theo của chương này

Các mảng ăng ten

Cấu trúc của các mảng ăng ten phát và thu ảnh hưởng đến hiệu suất của các

kỹ thuật MIMO khác nhau Hơn nữa, một số phương pháp ước lượng kênh MIMO

đã được phát triển dựa trên tính chất của cấu trúc mảng, ví dụ như ROOT-MUSIC

2 ( cos sin )

u( )t a( ) ( ) s t (1.4) trong đó véc tơ chỉ đạo a( ) kích thước M được cho bởi : 1

1 1

2 ( cos sin )

2 ( cos sin ) 1

( )a( )

v M

Giả sử hệ thống tuyến tính, nguyên tắc chồng chất có thể được áp dụng trong

trường hợp có K sóng tác động đến, tức là, đầu ra của hệ thống trong trường hợp có

K sóng tác động đến có thể được viết như sau:

1 0

trong đó: a( )k là véc tơ chỉ đạo của sóng tác động đến thứ k,

s t là ký hiệu truyền đi thứ k k( )

Hình 1.4: Đại diện hình học mảng 2-D

Hình 1.5: Cấu trúc mảng chung: (a) mảng tuyến tính đồng nhất,

(b) mảng tròn đồng nhất

Mô hình kênh

Độ chính xác của mô hình kênh không gian đa chiều đóng một vai trò quan

trọng trong các đặc tính của môi trường truyền Các mô hình khác nhau đã được

phát triển cho các kênh MIMO trong nhiều tài liệu với mục tiêu mô tả cơ chế truyền

không dây Đa ăng ten được sử dụng trong các máy phát và thu Như một quy luật, nhiều khía cạnh và chi tiết mô hình cố gắng để nắm bắt, nên càng phức tạp nó hơn Phức tạp có thể trở thành quá cao làm mô hình này không thích hợp cho sử dụng thực tế Do đó, sự cân bằng giữa độ chính xác của mô hình và sự phức tạp đã được đưa vào tính toán khi phát triển một mô hình

Mô hình được thiết kế để nắm bắt đặc điểm cụ thể của các kênh MIMO Các

mô hình tốt phải được hỗ trợ bởi thực tế đo kênh và xác nhận bởi các số liệu khách quan Số liệu khác nhau nhấn mạnh các khía cạnh khác nhau của các kênh MIMO

Số lượng các tham số yêu cầu của mô hình cũng có liên quan, khi thiết lập số tham

số lớn thường dẫn đến ước lượng phức tạp và phương sai tương đối cao trong ước lượng

Trong chương này, phần 1.2 mô tả một mô hình kênh MIMO cơ bản là sự chồng chất của thành phần phản chiếu (tập trung) và các thành phần tán xạ khuếch tán Mô hình này phục vụ như một cơ sở cho hầu hết các mô hình được mô tả trong phần 1.3 Phần 1.6 cung cấp một tổng quan về mô hình kênh MIMO dựa trên hoạt động của COST 273, trong đó bao gồm cả khía cạnh mức liên kết và mức hệ thống của hệ thống MIMO, và đã được điều tra kỹ lưỡng dựa trên các số đo kênh thực tế

1.2 Mô hình kênh

Dựa trên phần trình bày trong 1.1, phần này mô tả các mô hình kênh MIMO

cơ bản là sự chồng chất của các thành phần phản xạ phản chiếu và tán xạ khuếch tán Các thành phần phản chiếu tính toán cho phần tập trung của các tín hiệu có thể được mô hình hóa như là kết quả của phản xạ phản chiếu (specular reflections), trong khi thành phần tán xạ khuếch tán (diffuse scattering component: DSC) chiếm một phần của các tín hiệu đó là kết quả của sự tán xạ Thông thường, mô hình xác định sử dụng thành phần phản chiếu, trong khi các thành phần tán xạ khuếch tán được mô tả tốt hơn bởi mô hình ngẫu nhiên

1.2.1 Thành phần phản chiếu (Specular component)

Các giả định:

1 Sóng tác động đến mảng thu là phẳng ( giả định far-field)

2 Giả định băng hẹp: băng thông tương đối với tần số trung tâm nhỏ sao cho thời gian trễ giữa các thành phần ăng ten thể hiện được dịch pha

3 Mảng độ mở nhỏ sao cho không có sự thay đổi cường độ đáng kể giữa tín hiệu nhận được của mỗi thành phần ăng ten

4 Các thông số cho mỗi đầu sóng không đổi theo thời gian

5 Băng thông tín hiệu nhỏ hơn so với băng thông ăng ten tại tần số sóng mang

Với các giả định trên, đáp tuyến của một liên kết SISO giữa máy phát và máy thu trong miền tần số được cho bởi:

2 2

( , ) ( ) ( ) j f k j k t

H f t  B f B f e   e  (1.7)

ở đây klà độ lợi phức của phản chiếu phản xạ thứ k, B T( )f và B R( )f tương

ứng là đáp ứng hệ thống máy phát và máy thu klà sự lan truyền Doppler và klà trễ Khi kênh là tuyến tính nguyên tắc chồng chất được áp dụng Do đó chúng ta có

thể viết cho K lần phản xạ phản chiếu:

1

2 2 0

1

2 2 , , , ,

1.2.2 Tán xạ khuếch tán (Diffuse scattering)

Hầu hết các lợi ích MIMO đạt được yêu cầu lan truyền trong môi trường tán

xạ phong phú Trong môi trường như vậy, các cơ chế tán xạ khuếch tán có liên quan Tán xạ khuếch tán có thể được mô hình hóa như một quá trình ngẫu nhiên với phân phối Gaussian trung bình 0 Do hạn chế thông tin sẵn có trong các tài liệu về các thuộc tính không gian tán xạ khuếch tán, các pha được cho là phân phối đều

trong khoảng ( , ) Do giả định của phân phối Gaussian, tán xạ khuếch tán có thể được mô tả đặc tính hoàn toàn bởi ma trận hiệp phương sai

Trong các phép đo kênh, tương quan trễ đến từ các thành phần tán xạ khuếch tán khác nhau là thường xuyên quan sát được như là một phân tách theo cấp số nhân theo thời gian và trễ cơ bản liên quan đến khoảng cách giữa mảng phát và thu Do

đó, có thể mô hình tương quan trễ khác nhau như:

1

( ) 1

trong đó B là băng thông kết hợp, d 1 biểu thị công suất tối đa, và d là trễ

cơ bản Lưu ý rằng phương trình (1.10) giả định băng thông vô hạn Biến đổi

Fourier (1.10), hàm tương quan của kênh miền tần số được cho bởi:

2 1

1 1v( )

của năng lượng tán xạ Độ phân giải ước lượng tham số cao như ESPRIT, SAGE

và RIMAX [chương 2] có thể được sử dụng cho ước lượng chung các thành phần tán xạ khuếch tán và phản chiếu

1.3 Các mô hình không gian

Các mô hình kênh hướng đôi (double-directional) được trình bày trong phần này mô tả trực tiếp ma trận kênh MIMO, kết hợp không gian kênh và hình học mảng Các mô hình kênh MIMO được phân loại dựa trên mối tương quan (correlation-based) và mô hình dựa trên ghép nối (coupling-based)

Các giả định cơ bản đằng sau các mô hình tương quan dựa trên kênh đó tuân theo một phân phối Gaussian Các mô hình ghép nối cơ bản đại diện cho các ghép nối trực tiếp của hướng sóng tới (DoA: Direction of Arrival) và hướng khởi hành (DoD: Direction of Departure), hầu hết trong số các giả định hạn chế số đường phản chiếu kết nối máy phát và thu Tiếp tục phân loại là có thể, ví dụ như trong hình 1.6 Các loại khác nhau trong hình 1.6 sẽ được mô tả trong mục này Tuy nhiên, phân loại này không phải là duy nhất và điểm khác nhau giữa các mô hình kênh sẽ cho phép phân loại mô hình khác nhau

Hình 1.6: Phân loại các mô hình

1.3.1 Các mô hình dựa trên tương quan

Ma trận hiệp phương sai của kênh MIMO có thể được viết là :

Dựa trên ghép nối

Không gian riêng

Dựa theo cụm

Hiệp phương sai đầy đủ

Thành phần không gian

Tách được

Một vòng Von Mises Hai vòng Kronecker

Vật tán xạ hữu hạn

Weichselberger SVA

trong đó vec(.) biểu thị xếp chồng toán tử các cột của các đối số vào một véc

Đặc tính trực tiếp của Rfull là nhiệm vụ rất phức tạp Trong phần này, tôi mô

tả phương pháp tiếp cận khác nhau phân tách vấn đề này thành những cái nhỏ hơn,

do đó đơn giản hóa nhiệm vụ này

1.3.1.1 Mô hình Kronecker

Để phân tách các kênh ma trận hiệp phương sai, ta giả sử fading ở mỗi phần

tử ăng ten là độc lập (fading được hiểu là hiện tượng suy hao của tín hiệu phát nhận được tại máy thu do kênh truyền dẫn gây ra)

và mô phỏng Tuy nhiên, cần lưu ý rằng mô hình giả định thống kê độc lập của DoD và DoA, do đó nó không thế được áp dụng nếu các góc nối (joint angular)

năng lượng quang phổ không phải là tách riêng

1.3.1.2 Mô hình SVA

Mô hình kênh Saleh-Valenzuela SISO mở rộng (mô hình SVA) kết hợp các

số liệu thống kê DoD và DoA

Dựa trên các phép đo kênh, quan sát thấy rằng thành phần đa đường đến trong các cụm trong cả không gian và thời gian Mô hình SVA đặc tính kênh xác định bởi tổng trọng số các cụm, mỗi cụm được đặc trưng bởi biên độ, thời gian đến

và DoA / DoD của các thành phần đa đường của nó Hình 1.7 cho thấy các tham số cho một cụm đơn trong mô hình SVA Giả sử có L cụm và K thành phần đa đường, đáp ứng xung của kênh định hướng giữa một thành phần ăng ten truyền và một thành phần ăng ten nhận được cho bởi:

k trong cụm thứ l liên quan đến góc trung bình của cụm

Hình 1.7: Các thông số cho một cụm đơn trong mô hình SVA

Năng lượng tia trung bình trong mỗi cụm giả định là không đổi để kl phân phối Gaussian trung bình 0 với phương sai l 2 Biên độ cụm được giả định là phân phối Rayleigh và phân phối thời gian cụm đến theo cấp số nhân với tốc độ đến bình thường

Từ phương trình (1.20), đáp ứng kênh từ thành phần ăng ten truyền p đến thành phần ăng ten nhận m được cho bởi:

2 2 , 0 0 R( ) ( , ) T( )

h   W  h  W  d d  (1.21) trong đó W a B( ) g a B( )exp[ j a B( )], g a B( ) là độ lợi mô hình ăng ten

( ) 2 [ cos( )+ sin( )], { } , { }

Với các giả định trên, đáp ứng kênh trong phương trình (1.21) là một tổng

của biến ngẫu nhiên Gaussian phức tạp trung bình 0, do đó h m p, là phân phối

Gaussian phức tạp trung bình 0, ma trận hiệp phương sai trung bình có thể được viết

   (1.25)

1.3.1.3 Mô hình một vòng

Mô hình một vòng đầu tiên nghiên cứu sự phân bố lưu lượng trong mối

tương quan không gian Mô hình một vòng ứng dụng cho truyền thông cố định

không dây, máy phát được nâng cao, không bị cản trở bởi các vật tán xạ địa phương

(local scatterers) và bên thu được bao quanh bởi các vật tán xạ

Hình 1.8: Minh họa của cấu hình hình học của kênh 2x2 với các vật tán xạ

địa phương tại nơi thu

Hình 1.8 minh họa mô hình một vòng, trong đó D là khoảng cách giữa máy phát và mảng thu, R là bán kính của vòng tán xạ xung quanh bên thu, và  là góc

lan truyền bên phát bởi một thành phần ăng ten cụ thể Giả sử D R, góc lan

truyền bên phát có thể được xấp xỉ:  arcsin( /R D)

Ký hiệu một tán xạ cục bộ ( )S nằm trong vòng tròn xung quanh máy thu ở góc  Mô hình một vòng về cơ bản là mô hình tia sáng có tính toán truyền lan từ máy phát đến mỗi máy thu trong vòng tán xạ Đó là giả định rằng tán xạ phân phối đều trong , và bán kính R được xác định bởi bình phương trung bình lấy căn hay căn quân phương (root mean square - SMR) trễ lan truyền của kênh Mỗi vật tán xạ ứng với một sự dịch pha  , giả định được phân bố đồng đều trong ( , ) và i.i.d trên  Chỉ các tia được phản xạ bởi các vật tán xạ một lần hiệu quả (đến bên thu) mới được đưa vào tính toán đáp ứng kênh, và nó giả định rằng tất cả các tia tới được đầu thu với năng lượng bằng nhau (mô hình one-bounce)

Giả sử có K vật tán xạ hiệu quả (Sk), k = 0,…, K – 1, hệ số kênh phức tạp

giữa thành phần ăng ten truyền thứ p và thành phần ăng ten nhận thứ l được cho bởi :

1 2

có thể kết luận từ định lý giới hạn trung tâm (Central Limit Theorem) rằng h là l p,

phân phối Gaussian Hiệp phương sai giữa các kênh h và l p, h m q, được cho bởi:

( )

2 , , 0 ( ) ( ) ( )

không đủ để mô tả quá trình

1.3.1.5 Phân phối Von Mises

Hàm phân phối xác suất (PDF: probability density function) Von Mises sử dụng phổ biến cho phân phối hướng dữ liệu, đóng vai trò quan trọng tương tự như phân phối Gaussian cho dữ liệu góc cạnh, và được đặc trưng bởi trung bình (mean)

và phân tán (dispersion) của nó

Mô hình này cũng sẽ đưa truyền lan Doppler vào tính toán Mô hình kênh này giả định một vòng các vật tán xạ xung quanh bên thu, như mô tả trong hình 1.9

cho hai ăng ten bất kỳ tại máy phát và máy thu

Hình 1.9: Minh họa cấu hình hình học của một kênh 2x2 với

các vật tán xạ địa phương bên thu

D là khoảng cách giữa các mảng phát và thu, R là bán kính của vòng các vật

tán xạ địa phương xung quanh mảng thu và d lm là khoảng cách giữa các thành

phần l và m trong mảng thu Giả định rằng D R max(d pq,d lm), sự lan truyền góc bên phát có thể xấp xỉ như  arcsin( /R D)

Nó có thể được biểu thị qua mối tương quan giữa hai kênh con bất kỳ lp và

trong đó  là mất mát đường truyền, ( )f  là hàm phân bố xác suất góc bất

kỳ của  , c pq j2d pq/ , v b lm j2d lm/v, vlà chiều dài bước sóng tín hiệu truyền Tham số  biểu thị góc của mảng phát liên quan đến đường kết nối các mảng phát và thu tương ứng Trong mối tương quan bao gồm cả sự lan truyền Doppler xem xét các thiết bị đầu cuối di chuyển

Một PDF góc phải đáp ứng ( )f   f( 2k) cho bất kỳ số nguyên k nào

Do đó, một PDF Gaussian không được sử dụng Một PDF góc phù hợp là von Mises được định nghĩa là:

trong đó  là trung tâm đối xứng (‘ mean direction’: ‘hướng trung bình ’),

 là tham số tán xạ trong PDF von Mises, có thể được lựa chọn giữa 0 (tán xạ đẳng hướng ) và  (cực kỳ tập trung ), và I0(.) là hàm Bessel sửa đổi của các loại đầu tiên của thứ tự 0

Hình 1.10 Minh họa PDF von Mises cho các giá trị khác nhau 

Hình 1.10: PDF Von Mises cho các giá trị khác nhau của , với =0

Sử dụng PDF von Mises tương quan chéo trong (1.28) có thể được viết:

1.3.2 Các mô hình dựa trên móc nối ( coupling-based )

Mô hình kênh không gian dựa trên giả định dễ phân tách, chẳng hạn như mô hình Kronecker tại mục 1.3.1.1 không cung cấp một đại diện chính xác của kênh MIMO khi ghép nối mạnh mẽ (strong coupling) giữa các hướng sóng tới ( Direction

of Arrival: DoA ) và các hướng sóng khởi hành ( Direction of Departure: DoD )

Điều này đặc biệt đúng đối với mảng lớn với độ phân giải góc cao [8] Phần này

trình bày các mô hình móc nối cơ bản để giải quyết vấn đề này một cách rõ ràng mô hình hóa ghép nối giữa DoDs và DoAs

1.3.2.1 Mô hình vật tán xạ hữu hạn ( Finite scatterer model )

Giả sử có K vật tán xạ giữa bên phát và bên thu, ma trận kênh MIMO có thể được viết như sau:

1

, , 0

 là độ lợi phức của vật tán xạ thứ k, T k, và R k, tương ứng là DoD và

DoA, và a (T T k, )và a (RRk, ) tương ứng là véc tơ đáp ứng mảng phát và thu Đối

với một mảng tuyến tính đồng nhất, các véc tơ đáp ứng mảng ở cả hai phía được cho bởi (xem phần 1.1):

,

,

2 cos( ) ,

2 ( 1) cos( )

2 ( 1) cos( )

M  và của ma trận AK T kích thước M t tương ứng là các véc tơ chỉ đạo liên K

quan đến mỗi vật tán xạ bên thu và phát, và ma trận  kích thước K K là ma trận ghép nối có chứa độ lợi đường truyền phức

Phương trình (1.31) có thể được suy ra từ phương trình (1.34) bằng cách sắp đặt thứ tự thích hợp của các véc tơ chỉ đạo và xác định  như một ma trận đường chéo Tuy nhiên, phương trình (1.34) tổng quát hơn do  có thể được thiết kế đại diện cho nhiều ghép nối giữa DoD và DoA

1.3.2.2 Mô hình Weichselberger

Mô hình Weichselberger đại diện cho kênh MIMO trong không gian riêng (eigenspace) Mục đích chính là để nới lỏng các ràng buộc phân tách của mô hình Kronecker được mô tả trong mục 1.3.1.1

Phân tích giá trị riêng của ma trận hiệp phương sai bên thu và phát như sau:

R

R VRRVR H (1.35)

RT  V T T T V H (1.36) trong đó  và VR R tương ứng có chứa các giá trị riêng và véc tơ đặc trưng (còn được gọi là véc tơ riêng) của RR  và VT T tương ứng có chứa các giá trị riêng và véc tơ đặc trưng (còn được gọi là véc tơ riêng) của RT

Giả sử tất cả eigenmodes bên phát và thu không tương quan lẫn nhau, ma trận kênh được viết là:

HV (R  H )V T T (1.37)

Mô hình Kronecker như một trường hợp đặc biệt của mô hình này, nhìn chung có ghép nối giữa eigenmodes phát và thu được đưa ra bởi 

1.4 Mô hình kênh không gian 3GPP

Trong 3GPP, mô hình kênh không gian (Spatial Channel Model: SCM) đã đưa ra mô phỏng MIMO mức liên kết và mức hệ thống, là một trong số các mô hình kênh MIMO đầy đủ đầu tiên 3GPP SCM sử dụng rộng rãi do sự đơn giản của nó khi thực hiện so với các mô hình kênh phức tạp hơn sẽ được mô tả trong phần tiếp theo

Trong 3GPP SCM, một thủ tục đơn giản được định nghĩa để tạo ra các ma trận kênh:

1 Chọn một môi trường truyền lan, có thể vĩ mô ngoại thành, đô thị vĩ mô hay tế bào vi đô thị

2 Xác định các thông số sử dụng, gắn liền với môi trường truyền: góc lan truyền, sự che khuất, trễ lan truyền, mất mát đường truyền, hướng ăng ten, tốc độ và độ lợi ăng ten Dựa trên các tham số (thông số), tạo ra góc đến và đi, trễ đường truyền và công suất truyền

Trong 3GPP SCM luôn có 6 đường dẫn (trừ trường hợp A) bao gồm sự kết hợp của 20 đường dẫn con (subpath) Khoảng cách góc giữa các đường dẫn con là không đổi và được định nghĩa như một tham số phụ thuộc vào môi trường, như vậy các góc lan truyền tương ứng được tạo ra DoA và DoD của các đường dẫn được tạo

ra ngẫu nhiên từ một phân phối Gaussian Các pha của đường dẫn con là i.i.d và phân phối đều Sau khi tất cả các thông số của người dùng (user) được tạo ra, các hệ

số ma trận kênh được tạo ra bởi một chức năng lập bản đồ

Đáp ứng xung hai chiều (double directional impulse response: DDIR) của kênh vô tuyến được đưa ra bởi tổng của các thành phần đa đường (multipath components: MPC) Mỗi thành phần đa đường được mô tả bởi góc ngẩng và góc phương vị của nó có sự rơi tại BS, góc ngẩng và góc phương vị khởi hành tại MS, trễ, và một ma trận 2x2 phân cực phức Các thành phần đa đường là kết quả của sự phản xạ phản chiếu từ các đối tượng tác động (interacting objects: IO) nằm rải rác trong môi trường

Nó được quan sát từ các phép đo kênh MPC thường đến trong các cụm Số lượng dự kiến của cụm trong mô hình kênh COST259 là gần đến một (close to one) cho hầu hết các kịch bản, trừ trường hợp kịch bản ‘ Bad Urban: đô thị xấu ’ nơi mà

số lượng dự kiến của các cụm xấp xỉ bằng hai

Hình 1.11: Ví dụ của các khu vực tầm nhìn cho một quỹ đạo MS

Mô hình kênh COST259 định nghĩa khái niệm về khu vực tầm nhìn (visibility region), mô hình sự xuất hiện và biến mất của các cụm Mỗi cụm liên kết với một khu vực tầm nhìn Mỗi khu vực tầm nhìn là một khu vực vật lý trong một vùng phủ sóng nếu trạm đầu cuối di động (mobile terminal: MT) trong khu vực đó, cụm được coi là hoạt động tích cực và góp phần đến DDIR cuối cùng Hình 1.11 minh họa khái niệm về tầm nhìn khu vực Hình tròn màu trắng đại diện cho khu vực tầm nhìn và các vòng tròn tô đậm biểu thị các cụm liên quan Đối với minh họa quỹ đạo MS, khu vực tầm nhìn sẽ không được kích hoạt bất cứ lúc nào Các vòng tròn tầm nhìn khu vực được xác định bởi bán kính của chúng Mỗi vùng chuyển tiếp xung quanh khu vực tầm nhìn cung cấp một chuyển đổi suôn sẻ giữa các cụm hoạt động/ không hoạt động

Các khái niệm đưa ra trong mô hình kênh COST259 đã được mở rộng và nâng cao trong hoạt động COST273, mà sẽ được mô tả trong phần kế tiếp

1.6 Mô hình COST273

Trong quá trình hoạt động COST273, một mô hình kênh chung cho hệ thống mạng không dây thế hệ tiếp theo được phát triển Mục đích là để phát triển một mô

hình kênh phù hợp với tất cả các kịch bản đánh giá Trong phần này những khía

cạnh chính của mô hình MIMO COST273 được tóm tắt, đặc biệt là những chủ đề

liên quan đến thế hệ của đáp ứng xung hướng đôi (double directional impulse responses: DDIR)

Sau khái niệm về mô hình kênh COST259, tín hiệu được giả định đến trong các cụm Tổng số DDIR được viết như là một tổng của mỗi cụm DDIR Mô hình này giả định rằng, trong vòng một cụm, góc phương vị lan truyền, lây lan cao và trễ lan truyền độc lập tại bên phát và thu Tuy nhiên mô hình kết quả lại không tương ứng với mô hình Kronecker nếu có nhiều hơn một cụm khi các cụm khác nhau có những thống kê khác nhau, ngụ ý rằng ma trận hiệp phương sai tổng thể có thể không được phân tách ra thành một cấu trúc Kronecker

Trong mô hình kênh COST273, các góc trung bình và trễ của các cụm được

mô hình hóa bởi một cách tiếp cận hình học, trong khi lan truyền trong cụm và fading quy mô nhỏ tạo ra bằng phương pháp hình học hoặc một đại diện đường trễ phân nhánh Một trong những sự khác biệt chính giữa mô hình kênh COST259 và COST273 là các cơ chế đa tương tác Ba loại cụm được định nghĩa cho các loại mô hình khác nhau theo cơ chế tương tác: cụm địa phương xung quanh truyền và/hoặc nhận, cụm đơn tương tác và các cụm ghép đôi Không phải tất cả các loại cụm có nghĩa vụ có mặt trong tất cả các môi trường Ví dụ, trong macrocell cụm đơn tương tác là cơ chế truyền chi phối, trong khi trong microcell quá trình đa tương tác tập trung hầu hết năng lượng

Các cụm địa phương được giả định là luôn luôn có ở phía thiết bị đầu cuối di động (mobile terminal: MT), dẫn đến góc lây truyền lớn Cụm địa phương giả định được tạo ra từ một vật tán xạ đơn Kích thước của cụm địa phương được đưa ra bởi trễ lan truyền và sự phân bố của các thành phần đa đường bên trong cụm Tương tự như với mô hình kênh COST259, mô hình kênh COST273 sử dụng các khái niệm khu vực tầm nhìn Mỗi cụm có liên quan tới một vùng tầm nhìn Mỗi vùng tầm nhìn

là một khu vực vật lý trong một vùng phủ sóng được định nghĩa như vậy nếu MT là trong khu vực, cụm coi là hoạt động và đóng góp đến DDIR cuối cùng

Các vị trí cho các cụm tương tác đơn được xác định theo hình học Ban đầu tầm nhìn khu vực được phân phối khắp các tế bào, và từng khu vực tầm nhìn được liên kết với một cụm cụ thể Vị trí hướng tâm (radial position) từ các trạm gốc (BS) định nghĩa từ một phân bố theo cấp số nhân, và góc trung tâm cụm được vẽ ngẫu

nhiên từ một phân bố Gauss Trễ tối thiểu, góc phương vị lây lan như nhìn thấy từ bên phát và bên thu sau đó thu được bởi các mối quan hệ hình học đơn giản

Đối với các cụm đa tương tác, DoA, DoD trung bình và trễ tối thiểu được rút

ra từ các chứng ngộ ngẫu nhiên của phân phối cận biên, với trễ và góc là độc lập Một cách tiếp cận khác cho trường hợp đa tương tác là mỗi cụm được chia thành từng cụm tương ứng với phía truyền và phía nhận Các tán xạ góc ở cả hai bên được

mô hình hóa độc lập, nhưng có thứ tự để hạn chế sự phức tạp các cụm hoạt động giống như cặp sinh đôi, có cùng một bản phân phối của các vật tán xạ và cách xử lý

dài hạn Quan niệm này được minh họa trong hình 1.12

Hình 1.12: Minh họa khái niệm cụm đôi

Thành phần đường ngắm (line of sight: LoS) được mô hình hóa một cách ngẫu nhiên cho một số môi trường bằng cách sử dụng một cách tiếp cận tương tự khu vực tầm nhìn cho các cụm Hai hướng trễ phổ công suất (DDDPS) được định nghĩa là độ lớn bình phương của DDIR và có thể được đặc trưng cho mỗi cụm phân tán của nó trong các lĩnh vực sau đây: trễ, góc phương vị tại BS, độ cao tại BS, góc phương vị tại MT và góc ngẩng tại MT Trong miền trễ, hàm công suất được sử dụng phân rã dạng hàm mũ Các góc quang phổ ở cả BS và MT được xác định bởi quang phổ điện Laplacian, có thể được hiển thị để cung cấp một sự phù hợp tốt để các dữ liệu thử nghiệm

Tán xạ khuếch tán được định nghĩa như là một phần của các tín hiệu đo được

mà không thể được giải quyết trong miền thời gian Hàm công suất trễ của các

thành phần khuếch tán được mô hình hóa thống nhất trong góc phương vị và theo cấp số nhân giảm dần

1.7 Mô hình WINNER

Thế giới không dây sáng kiến vô tuyến mới (WINNER) dự án nhằm mục đích phát triển một hệ thống vô tuyến phổ biến để cung cấp truy cập không dây trong một phạm vi môi trường rộng và hỗ trợ các ứng dụng khác nhau Mô hình kênh WINNER là một mô hình mức hệ thống và mức liên kết, do đó các thông số trong mô hình bao gồm cả quy mô lớn (ví dụ như fading bóng mờ, trễ và góc lan truyền) và các tham số quy mô nhỏ (ví dụ như trễ, công suất, hướng đến/ đi) Trong phần này, chỉ những thông số liên quan đến thế hệ của DDIR được mô tả

Trong giai đoạn đầu tiên của dự án WINNER 3GPP SCM kênh mô hình mở rộng từ băng thông 5 MHz đến 100 MHz để đánh giá ban đầu khái niệm hệ thống Đối với giai đoạn thứ hai của dự án WINNER, tuy nhiên, nhiều mô hình kênh tiên tiến được suy ra để hỗ trợ đầy đủ các kịch bản được xem xét và các ứng dụng Các phiên bản hiện tại của mô hình kênh WINNER sử dụng mô hình kênh chung là ăng ten độc lập, và do đó nó có thể được áp dụng để cấu hình ăng ten khác nhau Chứng ngộ kênh thu được bằng tổng hợp những đóng góp quang (phản xạ phản chiếu) Tương tự mô hình COST259 và COST273 được mô tả trong mục 1.6, nó được giả định các tín hiệu đến trong cụm Trong bối cảnh của mô hình kênh WINNER, một cụm được định nghĩa là một con đường truyền lan ‘ khuếch tán trong không gian, hoặc trong cả miền trễ và miền góc ’ Các góc đến và khởi hành được tạo ra ngẫu nhiên từ một phân phối Gaussian rút ngắn, và các góc tương đối của các tia trong

một cụm được cố định Khái niệm về phân đoạn kênh được định nghĩa tương tự như

khái niệm về giọt vào tĩnh các mô hình kênh Trong một phân đoạn kênh, nó được

giả định rằng các bản phân phối xác suất của các tham số không thay đổi, và một số

tham số quy mô lớn được giữ không đổi trong thời gian này Các tham số quy mô nhỏ được tạo ra giữa các phân đoạn kênh Điều này tạo ra gián đoạn các tham số như: trễ, DoA/DoD, làm không tương ứng với hành vi quan sát được từ phép đo Tồn tại một số phương pháp tiếp cận đối với thời gian tiến hóa mô hình của các tham số quy mô nhỏ Phương pháp tiếp cận hiện tại trong WINNER để cung cấp một chuyển đổi suôn sẻ giữa hai đoạn bằng cách thay thế cụm từ phân đoạn khác

theo tuần tự Công suất của mỗi cụm là tăng hoặc giảm tuyến tính, và các cụm được thay thế tại một thời điểm, chỉ cho đến khi các cụm từ phân đoạn kênh mới vẫn còn Quá trình này được minh họa trong hình 1.13 thay thế phương pháp tiếp cận mịn cho chuyển đổi của các phân đoạn hiện đang được nghiên cứu trong dự án WINNER

Giảm độ phức tạp mô hình là cần, mà có thể được sử dụng cho các nghiên cứu nhanh hơn Những mô hình này sử dụng cụm dòng trễ (cluster delay lines: CDL), tương tự như sử dụng rộng rãi các mô hình đường trễ phân nhánh Trong bối cảnh của các mô hình đơn giản, một cụm được định nghĩa là điểm nối dây trải rộng trên miền góc, nhưng tất cả các tia đều có giá trị như nhau hỗ trợ với cùng một trễ Các góc tương đối của các tia trong một cụm cố định

Hình 1.13: Minh họa quá trình chuyển đổi giữa các phân đoạn kênh

1.8 Tổng kết chương

Trong chương này, một số mô hình kênh MIMO đã được trình bày Phần 1.3

mô tả các mô hình mức liên kết, phù hợp để mô tả các đặc điểm không gian của các kênh giữa bên phát và bên thu Mục 1.4, 1.5, 1.6 và 1.7 tương ứng mô tả các khía cạnh chính của các mô hình kênh mức hệ thống phức tạp 3GPP SCM, COST259, COST273 và WINNER, khi kết hợp lan truyền mô hình mức liên kết phù hợp cho một lượng lớn kịch bản

Các mô hình này bắt nguồn từ các giả định khác nhau và nhằm đặc tính mục tiêu khía cạnh khác nhau của kênh MIMO Mô hình dựa trên ghép nối phù hợp hơn với đặc tính góc của kênh hai chiều, ghép nối giữa DoAs và DoDs được mô hình

một cách rõ ràng Đặc biệt, mô hình vật tán xạ hữu hạn tại mục 1.3.2.1 được sử dụng rộng rãi, là nguồn gốc của ước lượng các tham số cơ bản của sóng và đánh giá ứng dụng beamforming Trong khi mô hình này là rất mạnh để mô tả môi trường truyền lan bị chi phối bởi phản xạ phản chiếu, nhưng nó không phù hợp để mô tả tán xạ khuếch tán Nó cũng phổ biến đến mô hình nhóm quan sát từ các chiến dịch

đo lường bằng cách sử dụng các mô hình vật tán xạ hữu hạn có sự chồng chất của vật tán xạ tập trung xung quanh các góc trung bình/ trễ của các cụm tương ứng, như trong các mô hình COST273 và mô hình WINNER được mô tả tương ứng tại mục 1.6 và 1.7 Tuy nhiên, nếu các cụm không tách biệt rõ ràng trong miền góc và/ hoặc trễ thì không đơn giản để xác định sóng thuộc về các cụm khi ước lượng các thông

số của mô hình từ các phép đo kênh Điều này cũng không đúng khi ước lượng các

mô hình dựa theo cụm, như mô hình SVA được mô tả trong mục 1.3.1.2 góc lan truyền và góc trung bình của các cụm xác định một cách rõ ràng

Các mô hình hệ thống được mô tả tại mục 1.6 và 1.7 dành cho mô phỏng hệ thống lớn với nhiều thiết bị đầu cuối và trạm gốc, và có thể dùng để đánh giá khả năng truyền tải của các kỹ thuật trong các kịch bản triển khai thực tế

Mô hình kênh COST273 mô tả các tính năng của kênh MIMO, giống như thời gian tiến hóa của các thông số không gian, hình thành và mất đi của các cụm tự nhiên hơn và hình thức trực quan hơn so với mô hình WINNER bằng cách đặt rõ ràng cụm trong môi trường truyền lan và cách khái niệm về khu vực tầm nhìn Tuy nhiên, các mô hình WINNER có thể có độ phức tạp thấp hơn do các khái niệm về phân đoạn kênh và đơn giản hóa các chương trình cho chuyển tiếp mịn giữa các phân đoạn kênh Khi cả hai mô hình gần đây và làm việc trên dự án WINNER vẫn đang tiếp diễn, không có so sánh trực tiếp khách quan giữa các mô hình có thể được tìm thấy trong các tài liệu cho đến nay [6]

Trạng thái động của kênh MIMO là một trong những thách thức lớn cho các

mô hình kênh phát triển trong tương lai, đặc biệt trong tính toán mô hình kênh vẫn phải đảm bảo đơn giản để sử dụng thực tế mô phỏng mức liên kết và mức hệ thống Khi theo dõi sự tiến triển của một số lượng lớn các tham số có thể được nhận thấy

độ phức tạp ngày càng cao Mô hình kênh yêu cầu nắm bắt các tính năng chính của kênh MIMO với vài tham số mong muốn Mô hình kênh mô tả các thành phần tán

xạ khuếch tán một cách rõ ràng là một bước để tiến tới mục tiêu này vì nó có thể mô

tả các kênh MIMO với số lượng các thành phần như phản chiếu nhỏ hơn Do đó, xác định đặc tính tốt hơn của cơ chế tán xạ khuếch tán là bắt buộc

CHƯƠNG 2:

ƯỚC LƯỢNG THAM SỐ KÊNH THÔNG TIN VÔ TUYẾN

Kết quả ước lượng thay đổi theo tiêu chuẩn thiết kế, tính chất thống kê, độ phân giải, độ phức tạp trong tính toán, chiều của không gian tham số,…Ước lượng dựa trên tiêu chuẩn khả năng tối đa (ML - Maximum likehood) được cho là tốt nhất

để ước lượng theo lý thuyết hội tụ tiệm cận được đưa ra bởi giới hạn dưới CR (Cramér-Rao lower bound) Tuy nhiên, độ phức tạp của các ước lượng như vậy có thể trở nên quá lớn Số phương pháp tìm kiếm ước lượng ML với độ phức tạp giảm

đã nhận được rất nhiều sự chú ý gần đây Một số phương pháp phù hợp nhất được đưa ra trong mục 2.4 Những ước lượng được thiết kế cho việc thu thập các tham số liên quan đến mỗi vật thể phản xạ phản chiếu đến mảng thu, bao gồm: DoA/ DoD, trễ, lan truyền Doppler, và độ lợi phức

Các ước lượng đơn giản hơn dành riêng cho một vài tham số vẫn được yêu cầu, để khởi tạo trong thuật toán ML lặp phức tạp hay cho các nghiên cứu ngắn hơn

mà chỉ có đặc điểm không gian của kênh là cần thiết Ước lượng này bao gồm các

kỹ thuật nổi tiếng như beamforming, MUSIC và ESPRIT được mô tả ngắn gọn trong mục 2.3

Cuối cùng, ước lượng mô tả tại mục 2.6 xét đến tín hiệu tới mảng thu theo cụm, theo quan sát các phép đo trong thời gian gần đây và trong các mô hình kênh COST273 và WINNER được mô tả trong chương 1 Ước lượng góc trung bình và góc lan truyền của mỗi cụm giả định góc lan truyền nhỏ

2.1 Nguyên tắc của kênh âm thanh

Hoạt động của bộ phát kênh âm bao gồm việc truyền tải tín hiệu đã biết từ một anten tại một vị trí nhất định và nhận tín hiệu từ một anten khác tại vị trí khác Các tín hiệu sau khi bị bóp méo bởi kênh truyền được nhận tại máy thu có thể dùng

để mô hình hóa các kênh với độ chính xác cao Một bộ phát âm kênh có thể xây dựng như phần cứng chuyên dụng hoặc bằng cách sử dụng véc tơ phân tích mạng ( vector network analyzer - VNA), sau này thích hợp cho các phép đo phạm vi ngắn

Có một sự tương đồng lớn giữa các kênh âm thanh MIMO và các hệ thống radar

MIMO, nơi mà sử dụng dãy anten tại bên phát và bên thu để phát hiện mục tiêu di chuyển

Đối với các phép đo định hướng, máy phát và/hoặc máy thu phải được trang

bị đa ăng ten Đối với các phép đo đơn hướng, ít nhất một dãy ăng ten phải tồn tại phía bên thu Nó có thể sử dụng các máy thu song song cho mỗi ăng ten thành phần, nhưng phương pháp thường sử dụng là ghép kênh tín hiệu nhận được trong miền thời gian từ mỗi ăng ten thành phần đến lối vào RF đơn Một cách tiếp cận khác là

sử dụng một mảng tổng hợp, nơi mà một thành phần ăng ten duy nhất di chuyển đến

vị trí của mỗi thành phần ăng ten trong một mảng ảo Ưu điểm của phương pháp này là phần cứng SISO hiện tại có thể được sử dụng để đo lường, và không cần phải hiệu chỉnh các thành phần ăng ten Tuy nhiên, phép đo bị giới hạn trong môi trường tĩnh do thiết bị định vị yêu cầu rất chính xác Đối với phép đo hai hướng, ăng ten mảng phải tồn tại ở cả bên phát và thu Ghép kênh tín hiệu trong miền thời gian ở cả máy phát và máy thu là kỹ thuật được sử dụng phổ biến nhất Kỹ thuật này được minh họa trong hình 2.1

Hình 2.1: Ghép kênh miền thời gian của hệ thống kênh âm

Với T là khoảng thời gian tín hiệu âm thanh được dùng tại đầu vào mỗi t

thành phần của mảng phát T là khoảng thời gian mỗi ăng ten thành phần của mảng r

thu được hoạt động T là tổng thời gian cần thiết để chu trình thông qua tất cả ăng cy

ten phát và thu, và T là khoảng thời gian bảo vệ tính đến thời gian chuyển mạch g

của máy phát

Các mô hình mảng hình học đóng một vai trò quan trọng trong khi thực hiện

và độ phân giải của các phương pháp ước lượng góc Để tránh răng cưa trong quang phổ góc, khoảng cách ăng ten phải nhỏ hơn hoặc bằng với một nửa bước sóng

Phương pháp chỉ đo góc phương vị có thể sử dụng, ví dụ, một dàn tuyến tính đồng nhất ( uniform linear array – ULA ) hoặc một dàn tròn đồng nhất ( uniform circular array – UCA ) (mục 1.1)

Đối với ước lượng góc phương vị chung và góc ngẩng, một cấu trúc mảng hai chiều là cần thiết UCA cũng có thể được sử dụng cho mục đích này, hoặc một cách khác dùng mảng hình chữ nhật đồng nhất (uniform rectangular array - URA)

Để tránh sự mơ hồ giữa các góc dưới, trên hoặc bằng mặt phẳng, cấu trúc mảng ba chiều phải được sử dụng, như mảng tròn, mảng hình trụ tròn, mảng khối chữ nhật Hình 2.2 cho thấy một mảng cầu từ phòng thí nghiệm vô tuyến

Hình 2.2: Mảng cầu từ phòng thí nghiệm vô tuyến

2.2 Các giả định

Các kênh được giả định là băng hẹp trừ khi nói rõ ràng là khác Đối với hầu hết các phương pháp ước lượng được mô tả trong chương này, nó sẽ được giả định rằng kênh được mô tả bởi các mô hình vật tán xạ hữu hạn trong mục 1.3.2.1 Đối với các kỹ thuật được mô tả trong mục 2.6, mô hình kênh là một phiên bản đơn giản của mô hình COST273 tại mục 1.6

Số lượng các thành phần phản chiếu (vật tán xạ) được giả định là đã biết Tổng quan về kỹ thuật ước lượng số nguồn được đưa ra trong mục 2.5 Các thủ tục ước lượng mô tả ở đây cho rằng nhiễu là nhiễu trắng Đối với nhiễu màu, yêu cầu

pre-whitening trước khi quan sát

Từ phương trình (1.1) và mục (1.3.2.1), ma trận hiệp phương sai của tín hiệu nhận được y được cho bởi :

Ry A R AS Hn2I (2.1)