Kỹ thuật tiền mã hóa trong hệ thống MIMO đa người dùng

Chia sẻ: Anhnangchieuta | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

19
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu này trình bày một số kỹ thuật tiền mã hóa và có kết quả mô phỏng một số hệ thống sử dụng kỹ thuật trên. Kỹ thuật mã hóa tuyến tính như BD cho kết quả tốt hơn kỹ thuật CI. Đối với kỹ thuật tiền mã hóa phi tuyến, nghiên cứu có mô phỏng kỹ thuật DPC và TH, và TH cho hiệu quả cao hơn DPC.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Kỹ thuật tiền mã hóa trong hệ thống MIMO đa người dùng

282 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” Kỹ thuật tiền mã hóa trong hệ thống MIMO đa người dùng Phan Thị Quỳnh Hương Trường Cao đẳng Công nghệ Thông tin, Đại học Đà Nẵng ptqhuong@cit.udn.vn Abstract: Hệ thống MIMO là một trong những kỹ thuật tiên tiến để cải thiện tốc độ và dung lượng dữ liệu trong môi trường truyền dẫn ngày nay. Nhiễu xuất hiện giữa các anten thành phần trong hệ thống OFDM - MIMO có thể bị loại bỏ để cải thiện chất lượng của hệ thống. Kỹ thuật tiền mã hóa là kỹ thuật, trong đó dữ liệu sẽ được mã hóa và truyền đi nhằm giảm tỷ lệ lỗi bit. Có các phương pháp tiền mã hóa tuyến tính và phi tuyến. Mô hình mã hóa tuyến tính có độ phức tạp thấp và có dung lượng hợp lý. Kỹ thuật tiền mã hóa phi tuyến có thể cho dung lượng lớn hơn với độ phức tạp tại máy thu lớn hơn. Trong nghiên cứu này, chất lượng BER của các mô hình tiền mã hóa khác nhau như Đảo kênh, Block Diagonalization, DPC và TH sẽ được phân tích trong hệ thống MIMO. Kết quả mô phỏng cho thấy kỹ thuật tiền mã hóa phi tuyến Dirty Paper Coding (DPC) đưa ra kết quả tốt hơn các kỹ thuật tiền mã hóa khác. Keywords: MIMO, precoding, CI, BD, DPC. 1 Giới thiệu Ngày nay, với sự phát triển của truyền thông, số lượng người dùng tăng lên theo từng ngày. Vì vậy, yêu cầu để đạt được hiệu suất phổ tốt hơn, tốc độ dữ liệu và thông lượng cao hơn với độ trễ thấp trong môi trường truyền dẫn là một thách thức khó khăn. Thêm vào đó, tài nguyên phổ cũng có giới hạn. Để đối phó với tình hình này, một kỹ thuật tiên tiến được đề xuất - kỹ thuật MIMO. Hệ thống MIMO là một hệ thống sử dụng đa anten tại bên phát và bên thu. Kỹ thuật này được thực hiện ở khu vực với nhiều người dùng khác nhau cùng truy cập đến một trạm gốc. Đây là hệ thống MIMO đa người dùng. Trạm gốc sẽ có nhiệm vụ phối hợp truyền dẫn thông qua các anten khác nhau. Nhưng khi truyền dẫn, tín hiệu sẽ bị nhiễu và máy thu khó có thể thu được tín hiệu mong muốn. Kỹ thuật ghép kênh phân chia theo tần số trực giao (OFDM) là một kỹ thuật điều chế hiệu quả nhằm truyền với tốc độ cao, và truyền dữ liệu tốt hơn trong đường truyền fading đa đường. Vì vậy, hệ thống MIMO - OFDM càng được ứng dụng nhiều để nâng cao chất lượng tín hiệu và dung lượng kênh truyền của hệ thống [1]. Như đã biết, dữ liệu đến được phát trên nhiều anten trong hệ thống MIMO luôn có sự xuất hiện của nhiễu. Để giảm nhiễu trong trường hợp này, hệ thống MIMO sử dụng thêm kỹ thuật tiền mã hóa tại máy phát. Tiền mã hóa là tên gọi chung cho các kỹ thuật beamforming, được dùng hỗ trợ trong truyền đa lớp trong truyền thông không dây. Kỹ thuật này cho phép xử lý nguồn dữ liệu đến nhằm nâng cao chất lượng hệ thống. Tất cả các dữ liệu được truyền đi sẽ có đánh trọng số phụ thuộc vào một yếu tố điều kiện kênh truyền. Mỗi anten phát sẽ chứa ít nhất một phần dữ liệu từ tất cả các lớp [2]. Dữ liệu giống nhau này sẽ truyền từ một trong số các anten với trọng số thích hợp và công suất tín hiệu sẽ được tối ưu hóa trong kỹ thuật beamforming truyền thống. Trong tiền mã hóa, các dòng dữ liệu khác nhau sẽ truyền trừ các anten khác nhau với trọng số độc lập và thích hợp, vì vậy thông lượng sẽ đạt tối ưu trong máy thu. Tiền mã hóa sẽ được phân loại gồm tiền mã hóa tuyến tính và
Phan Thị Quỳnh Hương 283 phi tuyến. Thuật toán tiền mã hóa tuyến tính cho phép truyền dữ liệu tuyến tính và có độ phức tạp thấp và chất lượng đảm bảo. Tiền mã hóa không tuyến tính có thuật toán phức tạp hơn và có thể hỗ trợ dung lượng lớn hơn [3]. Trong nghiên cứu này sẽ phân tích kỹ thuật tiền mã hóa tuyến tính và phi tuyến. Kỹ thuật đảo kênh (channel inversion - CI) là một kỹ thuật tiền mã hóa tuyến tính, trong đó cố định nhiễu bằng zero, thích hợp với điều kiện công suất cao và nhiễu thấp. Kỹ thuật Block Diagonalization (BD) có thể tránh được nhiễu giữa các người dùng trong hệ thống đa anten. Tiền mã hóa phi tuyến như kỹ thuật Dirty Paper Coding (DPC) có thể loại bỏ nhiễu gây ra do các khối dữ liệu trước và sự kết hợp DPC và phép toán modulo đối xứng trong kỹ thuật Tomlinson-Harashima. 2 Mô hình hệ thống Mô hình hệ thống MIMO - OFDM được cho trong phần này. MIMO sử dụng đa anten bên phát để truyền dữ liệu và bên thu để thu dữ liệu. Chuyển Chuyển Thêm tiền Dữ liệu đổi nối Điều chế IFFT đổi song tố vòng vào tiếp thành song song song thành nối tiếp Qua kênh truyền + nhiễu Chuyển Chuyển đổi nối Loại bỏ Dữ liệu đổi song Giải điều FFT tiếp thành tiền tố ra song chế song song vòng thành nối tiếp Fig. 1. Sơ đồ khối hệ thống MIMO-OFDM Dòng dữ liệu nối tiếp sẽ được chia thành dạng song song trước khi truyền đi. Khi truyền dữ liệu nối tiếp thì băng thông tin hiệu lớn hơn băng thông kết hợp, vì vậy fading chọn tần có thể sẽ xảy ra. Để tránh tình trạng đó, băng thông tín hiệu sẽ được chia nhỏ thành các dòng song song. Dữ liệu song song, sau đó được điều chế số QAM, QPSK, BPSK. Dữ liệu sau khi điều chế sẽ được đưa tới khối IFFT để chuyển tín hiệu miền tần số thành tín hiệu miền thời gian. Sau đó thêm tiền tố vòng để tránh nhiễu xuyên ký tự. Dữ liệu được truyền lần lượt qua kênh truyền. Tại máy thu, tiền tố vòng sẽ được loại bỏ và biến đổi Fourier đưa về tín hiệu miền thời gian. Sau đó tín hiệu sẽ được giải điều chế và tín hiệu ngõ ra sẽ được thu tại máy thu.
284 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” 3 Các kỹ thuật tiền mã hóa Nếu nhiễu không được loại bỏ thì đầu thu sẽ không thu được tín hiệu thu mong muốn. Vì vậy, kỹ thuật tiền mã hóa sẽ được thực hiện ở đầu phát trước khi phát tín hiệu đi. Trong phần này trình bày một số kỹ thuật tiền mã hóa. 3.1 Channel Inversion Precoding (CI) Kỹ thuật CI là một kỹ thuật tiền mã hóa tuyến tính, trong đó nhiễu xuất hiện trong tín hiệu phát sẽ được hạn chế, và xem như xấp xỉ zero. Kỹ thuật đảo kênh này, nhìn chung, giống với quá trình cân bằng ZF. Gọi x là dữ liệu vào. Trong kỹ thuật này, dữ liệu vào sẽ được tiền mã hóa với ma trận kênh truyền đảo pseudo H-1. Ở máy phát, dữ liệu sau khi được mã hóa sẽ được gửi đi trên kênh truyền và ở ma trận đảo pseudo của ma trận kênh truyền, các cột sẽ được đánh trọng số ứng với các giá trị SNR khác nhau. Gọi w là ma trận trọng số được sử dụng trên, thì tín hiệu thu được sẽ là o = x + w. Ở đầu thu sẽ chọn tín hiệu có SNR cao [4]. Trong hệ thống đa người dùng thường sử dụng phương pháp tiền mã hóa đảo kênh ZF và MMSE. Kỹ thuật tiền mã hóa ZF được dùng để khử những tín hiệu nhiễu không mong muốn tại máy thu. Còn kỹ thuật MMSE được dùng để làm tăng tỷ số tín hiệu trên nhiễu (SINR) bằng cách giảm giảm tối thiểu các nhiễu liên quan. Kỹ thuật đảo kênh ZF là một kỹ thuật CI trực tiếp, trong đó mỗi người dùng có 1 kênh con riêng độc lập [5]. Vì vậy, ta có thể điều chỉnh được công suất phát và thu được tín hiệu mong muốn. Trong kỹ thuật CI nói riêng hoặc các kỹ thuật khác nói chung, hệ thống sẽ phải chấp nhận một ít nhiễu xuất hiện trong tín hiệu thu, và nhiễu này ở giới hạn máy thu có thể chấp nhận được mà không làm ảnh hưởng đến tín hiệu có ích. Kỹ thuật tiền mã hóa này gọi là tiền mã hóa CI chuẩn hóa [6]. Nếu công suất phát của một người dùng thay đổi, thì nhiễu đối với các người dùng khác cũng thay đổi theo. Vì vậy, điều chỉnh công suất phát có thể cải thiện được dung lượng của hệ thống. Hoặc chọn cách giữ nguyên công suất phát và chọn một kỹ thuật tiền mã hóa thích hợp vẫn cải thiện được dung lượng của hệ thống. Kỹ thuật tiền mã hóa sẽ cho một hiệu quả tốt hơn trong điều kiện công suất lớn và nhiễu thấp. Tuy nhiên, ma trận đảo của ma trận kênh trong phương pháp này cần có các thông số thích hợp. 3.2 Block Diagonalization (BD) BD là kỹ thuật tiền mã hóa tuyến tính được áp dụng tại máy thu của hệ thống MIMO để cải thiện độ lợi phân tập. Trong suốt quá trình truyền, tất cả các người dùng khác ngoài người cần thu đều được xem là nhiễu [7]. Loại nhiễu này có thể loại bỏ bằng kỹ thuật tiền mã hóa. Trong hệ thống đa người dùng với nhiều anten khác nhau, mặc dù dùng kỹ thuật CI cũng không loại bỏ hết nhiễu. Kỹ thuật BD có thể dùng để loại nhiễu giữa các người dùng, nhưng không loại được nhiễu giữa các anten thành phần. Trong BD, ma trận tiền mã hóa sẽ được thiết kế sao cho nó nằm trong ma trận rỗng của ma trận kênh truyền của các người sử dụng khác [8]. Không gian rỗng của ma trận kênh truyền H sẽ được tính bằng phép toán SVD. Hai phép toán SVD được sử dụng: - Tạo không gian rỗng của ma trận kênh truyền và vector tiền mã hóa. - Tách kênh thành nhiều kênh con để phân bổ công suất tối ưu. Trong kỹ thuật BD, chi phí tính toán thấp hơn nhưng hiệu quả lại không tốt hơn, vì cần có thêm kỹ thuật phát hiện tín hiệu thêm vào để loại bỏ nhiễu giữa các anten thành phần. Các máy dò như máy dò ZF, bộ cân bằng MMSE, bộ dò ML,.. có thể sử dụng trong các trường hợp này.
Phan Thị Quỳnh Hương 285 3.3 Dirty paper coding (DPC) và Tomlinson Harashima coding (THC) DPC là kỹ thuật tiền mã hóa phi tuyến và được dùng khi máy thu biết thông tin kênh truyền. Ở kỹ thuật này, nhiễu tại máy phát sẽ được loại bỏ và tín hiệu ngõ ra sẽ sạch nhiễu. Với người dùng thứ n, nhiễu gây ra bởi (n-1) người dùng sẽ được lọc bỏ. Khái niệm của DPC là nếu máy phát có thông tin về nhiễu thì dung lượng của hệ thống sẽ giống như dung lượng của hệ thống khi không có nhiễu [9]. Kỹ thuật này có sử dụng thuật toán phân tích QR. Gọi P là ma trận tiền mã hóa đơn vị và R là ma trận tam giác, thì ma trận kênh truyền được cho bởi công thức H = R*P. DPC kết hợp với thuật toán modulo là kỹ thuật tiền mã hóa véctơ. Để tối thiểu công suất phát, tín hiệu mong muốn d sẽ được dịch một giá trị nguyên l để tín hiệu sau khi tiền mã hóa gửi trên kênh truyền là: x  d n   ln  wn Với người dùng thứ n, tín hiệu thu được sẽ là: y  d n   ln  wn Tại máy thu, thuật toán modulo sẽ được dùng để loại bỏ ảnh hưởng của giá trị nguyên l [10]. Tiền mã hóa Tomlinson-Harashima là kỹ thuật kết hợp giữa tiền mã hóa DPC và thuật toán modulo đối xứng. Kỹ thuật này có thể giảm công suất trung bình trong bộ cân bằng hồi đáp tại máy thu. Trong kỹ thuật này, máy phát được xem là có thông tin của kênh truyền. 4 Kết quả mô phỏng Các kỹ thuật tiền mã hoá tuyến tính Fig. 2. BER thay đổi theo SNR đối với tiền mã hóa tuyến tính Trong phần này là kết quả mô phỏng hệ thống MIMO OFDM sử dụng các kỹ thuật tiền mã hóa khác nhau bằng phần mềm mô phỏng Matlab. Kết quả mô phỏng là tỷ lệ BER thay đổi theo SNR để đánh giá chất lượng của các kỹ thuật tiền mã hóa.
286 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” Thông số mô phỏng ở các chương trình gồm: Số anten phát NT = 4, số khung N_frame = 10, số gói tin N_packet = 1e3, điều chế QPSK, số người dùng là 4 được chọn từ 20 thuê bao. Nguồn dữ liệu vào được tạo ngẫu nhiên trong Matlab. Trong Fig. 2 là tỷ lệ bit lỗi BER của kỹ thuật tiền mã hóa tuyến tính trong hệ thống OFDM-MIMO. Ta thấy tỷ lệ BER thay đổi theo SNR và khi SNR càng tăng thì BER càng giảm đối với từng kỹ thuật. Đối với một giá trị SNR thì kỹ thuật DB cho kết quả tốt hơn kỹ thuật CI và cả hai kỹ thuật đều cho BER tốt hơn so với hệ thống không sử dụng tiền mã hóa. Các kỹ thuật tiền mã hoá Fig. 3. BER thay đổi theo SNR đối với tiền mã hóa CI, BD, DPC, TH Fig. 3 biểu diễn BER của các kỹ thuật tuyến tính và phi tính trong hệ thống MU-MIMO. Tại cùng giá trị SNR, thì kỹ thuật tiền mã hóa phi tuyến cho kết quả tốt hơn kỹ thuật tiền mã hóa tuyến tính. Trong các kỹ thuật phi tuyến, kỹ thuật TH cho BER thấp hơn so với kỹ thuật DPC. Mục tiêu đạt được tốc độ dữ liệu cao, hiệu quả về dung lượng và phổ,… mà vẫn tỷ lệ bit lỗi và nhiễu thấp là những thử thách đối với các nhà nghiên cứu và ứng dụng trong lĩnh vực thông tin. Và kỹ thuật tiền mã hóa dùng để khử nhiễu là một trong những giải pháp khả thi. Trong nghiên cứu này đã trình bày một số kỹ thuật tiền mã hóa và có kết quả mô phỏng một số hệ thống sử dụng kỹ thuật trên. Kỹ thuật mã hóa tuyến tính như BD cho kết quả tốt hơn kỹ thuật CI. Đối với kỹ thuật tiền mã hóa phi tuyến, nghiên cứu có mô phỏng kỹ thuật DPC và TH, và TH cho hiệu quả cao hơn DPC. Tài liệu tham khảo 1. Jin Wangl,Shaoqian Li và Lei Li. Performance evaluation of precoding spatial modulation OFDM on th a LTE channel. Communication Technology (ICCT), IEEEE 14 International Conference, pp. 1188-1192, 2012.
Phan Thị Quỳnh Hương 287 2. Quentin H. Spenver và Christian B. Peel. An introduction to the multi-user MIMO downlink. In: Editor, IEEE Communication Magazines, pp-60-67, 2006. 3. Yuansheng Jin and Xiang-Gen Xia. An Interference Nulling based channel independent precoding for MIMO. OFDM systems withinsufficient cyclic prefix. IEEE Transactions on Communications, VOL. 61, NO. 1, January 2013. 4. J. Mietnerl,Schober R, Lampe L and Gerstacker. Multiple-antenna techniques for wireless communication-a comprehensive literature survey. IEEE commum. Surv. Tutor, vol. 11, no. 2, pp. 87-105, 2009. 5. Ping Yang et al. Initial performance evaluation of spatial modulation OFDM in LTE based systems. 6th International ICST Conference on Communications and Networking in China (CHINACOM), pp. 101-107, August 2011. 6. Thomas Ketseoglou; Ender Ayanoglu. Linear Precoding Gain for Large MIMO Configurations with QAM and Reduced Complexity. 2016 IEEE Global Communications Conference (GLOBECOM), 2016. 7. Theodore S. Rappaport, Wireless Communication Principles and Practice, Second Edition, Prentice Hall, 2002. 8. Ali M. A. Ibrahim; Murtada M. Abdelwahab. Sum rate analysis of massive Multiple Input Multiple Output system for linear precoding using normalization methods. 2017 International Conference on Communication, Control, Computing and Electronics Engineering (ICCCCEE), 2017. 9. Ayman Mostafa; Lutz Lampe. On Linear Precoding for the Two-User MISO Broadcast Channel With Confidential Messages and Per-Antenna Constraints. IEEE Transactions on Signal Processing, Volume: 65, Issue: 22, Pages: 6053 – 6068, Year: 2017. 10. Nusrat Fatema; Guang Hua; Yong Xiang; Dezhong Peng; Iynkaran Natgunanathan. Massive MIMO Linear Precoding: A Survey. IEEE Systems Journal, Volume: PP, Issue: 99, pp 1 - 12, 2017.