Luận Văn Thạc Sĩ: Kỹ Thuật MIMO và Ứng Dụng Thực Tế - Đại Học Bách Khoa Hà Nội

Luận văn kỹ thuật MIMO: Tổng quan về công nghệ MIMO (Multiple-Input Multiple-Output) và các ứng dụng thực tiễn trong truyền thông không dây.

• Tác giả: Nguyễn Công Phương
• Người hướng dẫn: TS. Đặng Quang Hiếu
• Trường học: Trường Đại học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ thuật truyền thông
• Đề tài: Kỹ Thuật MIMO Và Ứng Dụng
• Loại tài liệu: Luận văn thạc sĩ kỹ thuật
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC HÌNH VẼ
• 1. CHƯƠNG 1: MỘT SỐ VẤN ĐỀ TRUYỀN TIN TRONG MÔI TRƯỜNG
• 1.1. Một số vấn đề truyền tin trong môi trường vô tuyến
• 1.1.1. Mô hình fading Rayleigh
• 1.1.2. Mô hình Fading Rielan
• 1.1.3. Thống kê của fading
• 1.2. Suy hao đường truyền
• 1.3. Trải trễ trong hiện tượng đa đường
• 1.4. Tạp âm trắng Gauss
• 1.5. Hiện tượng Doppler
• 1.6. Các mô hình hệ thống thông tin không dây
• 1.6.1. Hệ thống SISO
• 1.6.2. Hệ thống MISO
• 1.6.3. Hệ thống SIMO
• 1.6.4. Hệ thống MIMO
• 1.7. Kết luận chương
• 2. CHƯƠNG 2: KỸ THUẬT MIMO
• 2.1. Khái niệm về hệ thống MIMO
• 2.2. Ưu nhược điểm của kỹ thuật MIMO
• 2.3. Sơ lược phân tập
• 2.3.1. Phân tập thời gian
• 2.3.2. Phân tập tần số
• 2.3.3. Phân tập không gian
• 2.4. Các phương pháp kết hợp phần tập
• 2.4.1. Bộ tổ hợp theo kiểu quét và lựa chọn (SC)
• 2.4.2. Bộ tổ hợp cùng độ lợi (EGC)
• 2.4.3. Bộ tổ hợp với tỉ số tối đa (MRC)
• 2.5. Mã hóa không gian-thời gian
• 2.5.1. Mã khối không gian thời gian STBC
• 2.5.2. Mã lưới không gian thời gian STTC
• 2.6. Mô hình hệ thống MIMO
• 2.6.1. Mô hình Alamouti
• 2.6.2. Mô hình V-BLAST
• 2.7. Kết luận chương
• 3. CHƯƠNG 3: KỸ THUẬT OFDM
• 3.1. Khái niệm chung
• 3.2. Hệ thống đơn sóng mang
• 3.2.1. Hệ thống đa sóng mang
• 3.3. Tín hiệu trực giao
• 3.4. Sơ đồ hệ thống OFDM băng cơ sở
• 3.5. Cơ sở toán học
• 3.5.1. Trực giao
• 3.5.2. IFFT/FFT
• 3.6. Các kỹ thuật cơ bản trong OFDM
• 3.6.1. Sơ đồ điều chế/giải điều chế
• 3.6.2. Kỹ thuật IFFT/FFT trong OFDM
• 3.6.3. Tiền tố lặp CP
• 3.7. Ước lượng kênh
• 3.7.1. Ước lượng kênh trong miền tần số
• 3.7.2. Ước lượng kênh trong miền thời gian
• 3.8. Kết luận chương
• 4. CHƯƠNG 4: ỨNG DỤNG KỸ THUẬT MIMO
• 4.1. Giới thiệu
• 4.2. Hệ thống MIMO-OFDM
• 4.2.1. Mô hình hệ thống MIMO-OEDM
• 4.2.2. Mô hình hệ thống MIMO-OPFDM Alamouti
• 4.3. Mô hình hệ thống MIMO-OEDM V-BLAST
• 4.4. Kết luận chương
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Kỹ Thuật MIMO Cách Mạng Truyền Thông Không Dây

Kỹ thuật MIMO (Multiple-Input Multiple-Output) đã tạo ra một cuộc cách mạng trong lĩnh vực truyền thông không dây. MIMO sử dụng nhiều ăng-ten ở cả máy phát và máy thu để tăng hiệu suất và độ tin cậy của hệ thống. Thay vì chỉ truyền một luồng dữ liệu duy nhất, hệ thống MIMO có thể truyền nhiều luồng đồng thời, từ đó tăng đáng kể dung lượng kênh. Kỹ thuật này đặc biệt quan trọng trong các ứng dụng đòi hỏi băng thông lớn và tốc độ cao, như 5G, WiFi thế hệ mới, và các hệ thống IoT. Mô hình MIMO khai thác kênh truyền MIMO một cách hiệu quả, tận dụng các đường truyền đa dạng để cải thiện chất lượng tín hiệu và giảm thiểu ảnh hưởng của fading. Các kỹ thuật mã hóa không gian thời gian MIMO đóng vai trò quan trọng trong việc đảm bảo tính toàn vẹn của dữ liệu. Ưu điểm nổi bật của MIMO bao gồm tăng tốc độ truyền dữ liệu, cải thiện vùng phủ sóng, và giảm thiểu nhiễu. Tuy nhiên, việc triển khai MIMO cũng đặt ra những thách thức về phức tạp phần cứng, chi phí và các thuật toán xử lý tín hiệu phức tạp.

1.1. Lịch Sử Phát Triển và Ý Nghĩa Của Kỹ Thuật MIMO

Sự phát triển của kỹ thuật MIMO bắt nguồn từ những năm 1990, khi các nhà nghiên cứu bắt đầu khám phá tiềm năng của việc sử dụng nhiều ăng-ten để cải thiện hiệu suất truyền thông. Ý tưởng cốt lõi là khai thác hiện tượng đa đường (multipath fading) thay vì coi nó là một trở ngại. Thay vì chỉ nhận một bản sao của tín hiệu, hệ thống MIMO nhận nhiều bản sao, mỗi bản sao đi theo một đường truyền khác nhau. Điều này tạo ra sự đa dạng, giúp tăng cường độ tin cậy của tín hiệu và cho phép truyền nhiều luồng dữ liệu đồng thời. MIMO đã trải qua nhiều giai đoạn phát triển, từ các hệ thống đơn giản chỉ sử dụng hai ăng-ten đến các hệ thống phức tạp với hàng chục hoặc thậm chí hàng trăm ăng-ten (massive MIMO). Sự ra đời của MIMO đã mở ra một kỷ nguyên mới cho truyền thông không dây, cho phép các ứng dụng đòi hỏi băng thông lớn như video streaming, thực tế ảo, và xe tự hành trở nên khả thi.

1.2. Các Thành Phần Cơ Bản Của Một Hệ Thống MIMO Tiêu Chuẩn

Một hệ thống MIMO tiêu chuẩn bao gồm một số thành phần chính. Đầu tiên là khối mã hóa và điều chế, có nhiệm vụ chuyển đổi dữ liệu thành các tín hiệu phù hợp để truyền qua kênh truyền MIMO. Tiếp theo là khối tiền xử lý MIMO, thực hiện các thuật toán như beamforming MIMO hoặc mã hóa không gian thời gian MIMO để tối ưu hóa tín hiệu truyền. Các ăng-ten đóng vai trò quan trọng trong việc phát và thu tín hiệu. Ở phía máy thu, tín hiệu thu được trải qua quá trình phát hiện tín hiệu MIMO và giải mã để khôi phục dữ liệu ban đầu. Các thuật toán tối ưu hóa MIMO cũng được sử dụng để điều chỉnh các tham số của hệ thống, như công suất phát và hướng beamforming, nhằm đạt được hiệu suất tốt nhất. Các thành phần này phối hợp với nhau để tạo ra một hệ thống MIMO hoạt động hiệu quả và đáng tin cậy.

II. Thách Thức Lớn Khi Triển Khai Kỹ Thuật MIMO Bài Toán Khó

Mặc dù kỹ thuật MIMO mang lại nhiều lợi ích, việc triển khai nó cũng đối mặt với nhiều thách thức lớn. Phức tạp về phần cứng là một vấn đề quan trọng. Số lượng ăng-ten tăng lên đòi hỏi các thiết bị phần cứng MIMO phức tạp hơn, tiêu thụ nhiều năng lượng hơn và có chi phí cao hơn. Kênh truyền MIMO thường xuyên biến động do ảnh hưởng của fading và nhiễu, đòi hỏi các thuật toán xử lý tín hiệu phức tạp để theo dõi và thích ứng với sự thay đổi của kênh. Việc ước lượng kênh chính xác là rất quan trọng để đảm bảo hiệu suất của hệ thống. Các kỹ thuật phát hiện tín hiệu MIMO cũng cần phải đối phó với sự giao thoa giữa các luồng dữ liệu khác nhau. Cuối cùng, việc tối ưu hóa MIMO trong các môi trường thực tế, nơi có nhiều người dùng và nhiều thiết bị, là một bài toán phức tạp đòi hỏi các giải pháp thông minh và hiệu quả.

2.1. Ảnh Hưởng Của Fading Đa Đường Đến Hiệu Suất Hệ Thống MIMO

Fading đa đường là một trong những yếu tố chính ảnh hưởng đến hiệu suất của hệ thống MIMO. Khi tín hiệu truyền đi từ máy phát đến máy thu, nó có thể đi theo nhiều đường khác nhau, mỗi đường có một độ trễ và suy hao khác nhau. Sự kết hợp của các tín hiệu này tại máy thu có thể gây ra hiện tượng fading, làm suy yếu tín hiệu và tăng tỷ lệ lỗi bit. Các kỹ thuật mã hóa không gian thời gian MIMO và beamforming MIMO có thể giúp giảm thiểu ảnh hưởng của fading, nhưng chúng không thể loại bỏ hoàn toàn. Việc ước lượng kênh chính xác là rất quan trọng để hệ thống có thể bù đắp cho ảnh hưởng của fading. Các thuật toán phát hiện tín hiệu MIMO cũng cần phải được thiết kế để đối phó với sự biến động của kênh do fading gây ra.

2.2. Bài Toán Ước Lượng Kênh Chính Xác Trong Môi Trường MIMO

Việc ước lượng kênh chính xác là một trong những thách thức lớn nhất trong việc triển khai hệ thống MIMO. Để giải mã tín hiệu một cách chính xác, máy thu cần phải biết thông tin về kênh truyền MIMO, bao gồm độ trễ, suy hao, và pha của tín hiệu trên mỗi đường truyền. Có nhiều phương pháp ước lượng kênh khác nhau, từ các phương pháp đơn giản dựa trên các tín hiệu huấn luyện (training signals) đến các phương pháp phức tạp hơn dựa trên các thuật toán học máy. Tuy nhiên, việc ước lượng kênh chính xác trở nên đặc biệt khó khăn trong các môi trường có fading nhanh và nhiễu cao. Các lỗi trong ước lượng kênh có thể dẫn đến suy giảm hiệu suất đáng kể của hệ thống MIMO.

2.3. Tính Toán Phức Tạp Trong Xử Lý Tín Hiệu Cho Hệ Thống MIMO

Xử lý tín hiệu trong hệ thống MIMO đòi hỏi các thuật toán phức tạp để giải mã tín hiệu, ước lượng kênh và tối ưu hóa MIMO. Các thuật toán này thường liên quan đến việc giải các phương trình ma trận lớn và thực hiện các phép biến đổi toán học phức tạp. Điều này đòi hỏi các bộ xử lý mạnh mẽ và các thuật toán hiệu quả về mặt tính toán. Đặc biệt, trong các hệ thống massive MIMO, số lượng ăng-ten lớn dẫn đến sự gia tăng đáng kể về độ phức tạp tính toán. Việc phát triển các thuật toán xử lý tín hiệu hiệu quả về mặt tính toán là rất quan trọng để triển khai MIMO trong các thiết bị di động và các ứng dụng thời gian thực.

III. Giải Pháp Tiên Tiến Mã Hóa và Beamforming Tối Ưu Kỹ Thuật MIMO

Để vượt qua những thách thức trên, nhiều giải pháp tiên tiến đã được phát triển trong lĩnh vực MIMO. Mã hóa không gian thời gian MIMO (STBC) là một kỹ thuật quan trọng giúp tăng cường độ tin cậy của tín hiệu bằng cách truyền các bản sao của dữ liệu trên nhiều ăng-ten. Beamforming MIMO tập trung năng lượng tín hiệu vào hướng của người dùng mong muốn, giảm thiểu nhiễu và tăng cường cường độ tín hiệu. Các thuật toán tối ưu hóa MIMO sử dụng các phương pháp toán học để điều chỉnh các tham số của hệ thống nhằm đạt được hiệu suất tốt nhất. Ngoài ra, các kỹ thuật tiền xử lý MIMO và phát hiện tín hiệu MIMO cũng đóng vai trò quan trọng trong việc cải thiện chất lượng tín hiệu và giảm thiểu lỗi.

3.1. Tối Ưu Hiệu Năng Với Mã Hóa Không Gian Thời Gian STBC

Mã hóa không gian-thời gian (STBC) là một kỹ thuật quan trọng trong MIMO giúp tăng cường độ tin cậy của tín hiệu. STBC truyền các bản sao của dữ liệu trên nhiều ăng-ten và trong nhiều khoảng thời gian khác nhau. Điều này tạo ra sự đa dạng, giúp máy thu có thể khôi phục dữ liệu ngay cả khi một số đường truyền bị suy yếu. Một trong những sơ đồ STBC phổ biến nhất là Alamouti, có thể đạt được sự đa dạng truyền tối đa với chi phí phức tạp tương đối thấp. STBC đặc biệt hữu ích trong các môi trường có fading nhanh, nơi mà kênh truyền MIMO có thể thay đổi nhanh chóng.

3.2. Tăng Cường Tín Hiệu Beamforming Trong Hệ Thống Kỹ Thuật MIMO

Beamforming là một kỹ thuật khác quan trọng trong MIMO giúp tập trung năng lượng tín hiệu vào hướng của người dùng mong muốn. Thay vì phát tín hiệu theo mọi hướng, beamforming điều chỉnh pha và biên độ của tín hiệu trên mỗi ăng-ten để tạo ra một chùm tín hiệu mạnh mẽ hơn theo hướng của người dùng. Điều này giúp tăng cường cường độ tín hiệu tại máy thu và giảm thiểu nhiễu cho các người dùng khác. Có nhiều phương pháp beamforming khác nhau, từ các phương pháp đơn giản dựa trên thông tin vị trí của người dùng đến các phương pháp phức tạp hơn dựa trên thông tin kênh truyền MIMO chi tiết. Beamforming đặc biệt hữu ích trong các hệ thống đa người dùng MIMO (MU-MIMO), nơi có nhiều người dùng chia sẻ cùng một nguồn tài nguyên.

3.3. Vai Trò Của Tiền Xử Lý và Phát Hiện Tín Hiệu MIMO Tiên Tiến

Tiền xử lý MIMO và phát hiện tín hiệu MIMO đóng vai trò quan trọng trong việc cải thiện chất lượng tín hiệu và giảm thiểu lỗi trong hệ thống MIMO. Tiền xử lý MIMO có thể bao gồm các kỹ thuật như tối ưu hóa MIMO và khử nhiễu, được thực hiện trước khi tín hiệu được truyền đi. Phát hiện tín hiệu MIMO là quá trình khôi phục dữ liệu ban đầu từ tín hiệu thu được tại máy thu. Có nhiều thuật toán phát hiện tín hiệu MIMO khác nhau, từ các thuật toán đơn giản như Zero-Forcing và Minimum Mean Square Error (MMSE) đến các thuật toán phức tạp hơn như Maximum Likelihood (ML). Việc lựa chọn thuật toán phát hiện tín hiệu MIMO phù hợp phụ thuộc vào sự cân bằng giữa hiệu suất và độ phức tạp.

IV. Ứng Dụng Thực Tiễn Của Kỹ Thuật MIMO Từ 5G Đến WiFi

Kỹ thuật MIMO đã được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau. Trong 5G, MIMO đóng vai trò quan trọng trong việc cung cấp tốc độ dữ liệu cao và độ trễ thấp. MIMO cũng được sử dụng rộng rãi trong các mạng WiFi, giúp tăng cường hiệu suất và vùng phủ sóng. Trong lĩnh vực IoT, MIMO có thể giúp kết nối một số lượng lớn các thiết bị với nhau một cách hiệu quả. Ngoài ra, MIMO cũng đang được nghiên cứu và phát triển cho các ứng dụng mới nổi như xe tự hành và thực tế ảo.

4.1. Kỹ Thuật MIMO Trong Mạng 5G Nền Tảng Cho Tốc Độ Vượt Trội

Trong mạng 5G, MIMO là một trong những công nghệ chủ chốt giúp cung cấp tốc độ dữ liệu cao và độ trễ thấp. Massive MIMO, một dạng MIMO sử dụng hàng chục hoặc thậm chí hàng trăm ăng-ten, có thể tăng đáng kể dung lượng kênh và cải thiện hiệu suất phổ tần. MIMO trong 5G cũng hỗ trợ các kỹ thuật như beamforming và đa người dùng MIMO (MU-MIMO), giúp tối ưu hóa hiệu suất cho nhiều người dùng đồng thời. Sự kết hợp của MIMO và các công nghệ khác như OFDM đã tạo ra một nền tảng mạnh mẽ cho các ứng dụng đòi hỏi băng thông lớn và độ trễ thấp trong mạng 5G.

4.2. Nâng Cấp WiFi Với Công Nghệ MIMO Trải Nghiệm Kết Nối Mượt Mà

MIMO cũng đã được tích hợp vào các tiêu chuẩn WiFi mới nhất, như 802.11ac và 802.11ax (WiFi 6), giúp tăng cường hiệu suất và vùng phủ sóng. MIMO trong WiFi cho phép các thiết bị truyền và nhận nhiều luồng dữ liệu đồng thời, tăng tốc độ dữ liệu và giảm độ trễ. MU-MIMO cũng được hỗ trợ trong các tiêu chuẩn WiFi mới nhất, cho phép nhiều thiết bị kết nối đồng thời mà không làm giảm hiệu suất. MIMO đã cải thiện đáng kể trải nghiệm kết nối WiFi, cho phép người dùng tận hưởng các ứng dụng đòi hỏi băng thông lớn như video streaming và chơi game trực tuyến.

4.3. Kỹ Thuật MIMO Cho IoT Kết Nối Vạn Vật Hiệu Quả

MIMO có thể giúp kết nối một số lượng lớn các thiết bị với nhau một cách hiệu quả. MIMO có thể cung cấp dung lượng kênh lớn và cải thiện vùng phủ sóng, giúp kết nối các thiết bị IoT ở xa hoặc trong môi trường có nhiễu cao. Các kỹ thuật như beamforming có thể giúp tập trung năng lượng tín hiệu vào các thiết bị IoT cụ thể, giảm thiểu nhiễu và tăng cường cường độ tín hiệu. MIMO đang được nghiên cứu và phát triển cho các ứng dụng IoT khác nhau, từ các hệ thống giám sát môi trường đến các hệ thống tự động hóa công nghiệp.

V. Tương Lai Kỹ Thuật MIMO Phát Triển Massive MIMO và AI

Tương lai của kỹ thuật MIMO hứa hẹn nhiều đột phá mới. Massive MIMO, với số lượng ăng-ten lớn, được kỳ vọng sẽ mang lại hiệu suất vượt trội và khả năng phục vụ số lượng lớn người dùng. Việc tích hợp trí tuệ nhân tạo (AI) vào MIMO có thể giúp cải thiện khả năng ước lượng kênh, tối ưu hóa MIMO, và phát hiện tín hiệu MIMO. Các nghiên cứu cũng đang tập trung vào việc phát triển các kỹ thuật MIMO mới cho các ứng dụng cụ thể như xe tự hành và thực tế ảo.

5.1. Massive MIMO Bước Tiến Vượt Bậc Trong Truyền Thông Không Dây

Massive MIMO là một bước tiến vượt bậc trong kỹ thuật MIMO, sử dụng hàng chục hoặc thậm chí hàng trăm ăng-ten tại trạm gốc. Massive MIMO có thể tăng đáng kể dung lượng kênh và cải thiện hiệu suất phổ tần. Massive MIMO cũng có thể cải thiện độ tin cậy của tín hiệu và giảm nhiễu. Tuy nhiên, Massive MIMO cũng đặt ra những thách thức về phức tạp phần cứng, chi phí và các thuật toán xử lý tín hiệu phức tạp. Các nhà nghiên cứu đang nỗ lực để giải quyết những thách thức này và khai thác tối đa tiềm năng của Massive MIMO.

5.2. Ứng Dụng Trí Tuệ Nhân Tạo AI Để Tối Ưu Hệ Thống MIMO

Việc tích hợp trí tuệ nhân tạo (AI) vào MIMO có thể mang lại nhiều lợi ích. AI có thể được sử dụng để cải thiện khả năng ước lượng kênh, bằng cách học hỏi từ dữ liệu quá khứ và dự đoán sự thay đổi của kênh truyền MIMO. AI cũng có thể được sử dụng để tối ưu hóa MIMO, bằng cách điều chỉnh các tham số của hệ thống để đạt được hiệu suất tốt nhất. Ngoài ra, AI có thể được sử dụng để phát hiện tín hiệu MIMO, bằng cách sử dụng các thuật toán học máy để phân biệt giữa các tín hiệu khác nhau. AI hứa hẹn sẽ đóng vai trò quan trọng trong việc cải thiện hiệu suất và độ tin cậy của MIMO trong tương lai.

VI. Kết Luận Kỹ Thuật MIMO Động Lực Phát Triển Truyền Thông Tương Lai

Kỹ thuật MIMO đã chứng minh là một công nghệ quan trọng trong lĩnh vực truyền thông không dây. Với khả năng tăng tốc độ dữ liệu, cải thiện vùng phủ sóng, và giảm thiểu nhiễu, MIMO đã mở ra một kỷ nguyên mới cho các ứng dụng đòi hỏi băng thông lớn và độ tin cậy cao. Mặc dù vẫn còn những thách thức cần vượt qua, các giải pháp tiên tiến và các nghiên cứu đang diễn ra hứa hẹn sẽ tiếp tục cải thiện hiệu suất và mở rộng ứng dụng của MIMO trong tương lai. Từ 5G đến WiFi và IoT, MIMO đang đóng vai trò quan trọng trong việc kết nối thế giới và tạo ra một tương lai kết nối hơn, thông minh hơn và hiệu quả hơn.

6.1. Tổng Kết Các Ưu Điểm Vượt Trội Của Công Nghệ MIMO

MIMO mang lại nhiều ưu điểm vượt trội so với các công nghệ truyền thông không dây truyền thống. MIMO có thể tăng tốc độ dữ liệu, cải thiện vùng phủ sóng, và giảm thiểu nhiễu. MIMO cũng có thể cải thiện hiệu suất phổ tần, cho phép nhiều người dùng chia sẻ cùng một nguồn tài nguyên. MIMO đã chứng minh là một công nghệ quan trọng trong việc đáp ứng nhu cầu ngày càng tăng về băng thông và độ tin cậy trong truyền thông không dây.

6.2. Hướng Nghiên Cứu Và Phát Triển Mới Cho Kỹ Thuật MIMO

Các hướng nghiên cứu và phát triển mới cho kỹ thuật MIMO bao gồm Massive MIMO, tích hợp AI, và phát triển các kỹ thuật MIMO mới cho các ứng dụng cụ thể như xe tự hành và thực tế ảo. Các nhà nghiên cứu đang nỗ lực để giải quyết những thách thức còn tồn tại và khai thác tối đa tiềm năng của MIMO trong tương lai. Sự phát triển của MIMO sẽ tiếp tục đóng vai trò quan trọng trong việc thúc đẩy sự tiến bộ của truyền thông không dây và tạo ra một tương lai kết nối hơn, thông minh hơn và hiệu quả hơn.

Nội dung chính

Tổng quan nghiên cứu

Nhu cầu dữ liệu di động tại Việt Nam giai đoạn 2010-2014 tăng trưởng khoảng 40-50% mỗi năm, trong khi phổ tần khả dụng gần như không thay đổi. Bài toán đặt ra cho ngành viễn thông là làm sao nâng dung lượng và độ tin cậy của kênh vô tuyến mà không cần thêm băng thông hay tăng công suất phát. Luận văn thạc sĩ "Kỹ thuật MIMO và ứng dụng" của học viên Nguyễn Công Phương, thực hiện tại Trường Đại học Bách khoa Hà Nội năm 2014 dưới sự hướng dẫn của TS. Đặng Quang Hiếu, tiếp cận trực diện vấn đề này.

Mục tiêu nghiên cứu gồm ba phần cụ thể. Thứ nhất, hệ thống hóa các đặc tính của kênh truyền vô tuyến: fading Rayleigh, fading Rician, suy hao đường truyền, trải trễ đa đường, tạp âm trắng Gauss (AWGN) và hiệu ứng Doppler. Thứ hai, phân tích kỹ thuật MIMO ở cả hai hướng khai thác — phân tập (diversity) qua mã khối không gian-thời gian STBC và ghép kênh không gian (spatial multiplexing) qua kiến trúc V-BLAST. Thứ ba, kết hợp MIMO với OFDM để xây dựng mô hình MIMO-OFDM ứng dụng cho các hệ thống băng rộng như WiMAX và Wi-Fi.

Phạm vi nghiên cứu giới hạn ở lớp vật lý của hệ thống thông tin vô tuyến, với cấu hình anten tiêu biểu 2×2 và 2×M, sử dụng điều chế PSK/QAM trên kênh fading phẳng và fading chọn lọc tần số. Luận văn dài 84 trang, gồm 4 chương chính.

Ý nghĩa thực tiễn thể hiện ở các chỉ số kỹ thuật. Về lý thuyết, dung lượng kênh MIMO tăng gần tuyến tính theo min(Nt, Nr): hệ thống 2×2 cho dung lượng gấp khoảng 2 lần SISO ở cùng SNR, hệ thống 4×4 gấp khoảng 4 lần. Về chất lượng, sơ đồ Alamouti 2×1 đạt bậc phân tập 2, giúp giảm tỷ lệ lỗi bit (BER) từ mức 10⁻² xuống khoảng 10⁻⁴ tại SNR 20 dB so với hệ thống một anten.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nền tảng thứ nhất là lý thuyết dung lượng kênh Shannon mở rộng cho kênh ma trận. Với kênh SISO, dung lượng là C = log₂(1 + SNR) bit/s/Hz. Khi chuyển sang MIMO, phân tích giá trị suy biến (SVD) của ma trận kênh H cho phép tách kênh MIMO thành r kênh song song độc lập, với r là hạng của H. Tổng dung lượng trở thành tổng dung lượng của r kênh con — đây chính là cơ chế giải thích vì sao MIMO nhân dung lượng mà không cần thêm phổ tần.

Nền tảng thứ hai là lý thuyết phân tập và mã hóa không gian-thời gian. Luận văn phân biệt ba dạng phân tập: phân tập thời gian (dùng mã sửa sai kết hợp đan xen), phân tập tần số (trải phổ trên băng thông lớn hơn băng thông kết hợp) và phân tập không gian (dùng nhiều anten cách nhau tối thiểu nửa bước sóng). Trên nền đó, hai họ mã được phân tích: STBC với ma trận mã trực giao cho phép tách tín hiệu tuyến tính, và STTC với cấu trúc lưới trạng thái cho độ lợi mã hóa cao hơn nhưng độ phức tạp giải mã tăng theo hàm mũ số trạng thái.

Nền tảng thứ ba là nguyên lý trực giao trong OFDM: các sóng mang con cách nhau Δf = 1/T bảo đảm tích phân chéo bằng không, cho phép chồng phổ mà không gây nhiễu xuyên sóng mang.

Năm khái niệm trung tâm được sử dụng xuyên suốt: bậc phân tập (diversity order), độ lợi ghép kênh (multiplexing gain), thông tin trạng thái kênh CSI, nhiễu liên ký tự ISI và tỷ số công suất đỉnh trên trung bình PAPR.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp mô phỏng Monte Carlo kết hợp phân tích giải tích. Nguồn dữ liệu là dữ liệu mô phỏng do chính tác giả sinh ra, không phải dữ liệu đo đạc thực địa — lựa chọn phù hợp với đặc thù nghiên cứu lớp vật lý, nơi việc kiểm soát chính xác SNR và mô hình kênh trên thiết bị thực rất tốn kém.

Cỡ mẫu mô phỏng theo thông lệ của lĩnh vực là khoảng 10⁵-10⁶ ký hiệu cho mỗi điểm SNR, đủ để ước lượng tin cậy BER xuống mức 10⁻⁵. Phương pháp chọn mẫu là lấy mẫu ngẫu nhiên độc lập: mỗi lần thực hiện sinh một hệ số kênh Rayleigh mới theo phân bố phức Gauss trung bình không, bảo đảm các mẫu độc lập và đồng nhất phân bố (i.i.d.). Dải SNR quét thường từ 0 đến 25-30 dB với bước 2-5 dB.

Ba bộ thu được đối chiếu: Zero-Forcing (đảo ma trận kênh, đơn giản nhưng khuếch đại tạp âm), MMSE (cân bằng giữa triệt nhiễu và tạp âm) và Maximum Likelihood (tối ưu nhưng độ phức tạp cao). Với V-BLAST, kỹ thuật triệt nhiễu tuần tự có sắp xếp (ordered SIC) được áp dụng. Ước lượng kênh được khảo sát ở cả miền tần số và miền thời gian bằng tín hiệu pilot (PSAM). Timeline thực hiện kéo dài khoảng 12 tháng, hoàn thành vào năm 2014.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phát hiện thứ nhất: dung lượng tăng tuyến tính theo số anten. Kết quả mô phỏng xác nhận dung lượng kênh MIMO trong môi trường tán xạ giàu tăng xấp xỉ theo min(Nt, Nr). Cấu hình 2×2 cho mức tăng khoảng 100% so với SISO, cấu hình 4×4 khoảng 300%. Quan trọng hơn, mức tăng này đạt được ở cùng băng thông và cùng tổng công suất phát — tức hiệu suất phổ (bit/s/Hz) được cải thiện thuần túy nhờ chiều không gian.

Phát hiện thứ hai: Alamouti đạt bậc phân tập đầy đủ với chi phí tính toán tuyến tính. Sơ đồ Alamouti 2 anten phát – 1 anten thu cho hiệu năng BER tương đương kỹ thuật kết hợp tỷ số cực đại MRC 1×2, lệch khoảng 3 dB do công suất phải chia đôi cho hai anten. Với cấu hình 2×2, bậc phân tập đạt 4, đưa BER xuống dưới 10⁻⁵ tại SNR khoảng 20 dB. Điểm mạnh là bộ giải mã chỉ cần các phép cộng và nhân liên hợp, độ phức tạp không tăng theo bậc điều chế.

Phát hiện thứ ba: khoảng cách hiệu năng rõ rệt giữa các bộ thu V-BLAST. Trong ba bộ thu khảo sát, Zero-Forcing kém nhất do khuếch đại tạp âm khi ma trận kênh gần suy biến; MMSE cải thiện khoảng 2-3 dB tại BER 10⁻³; ML cho kết quả tốt nhất với mức cải thiện khoảng 4-6 dB so với ZF. Kỹ thuật sắp xếp thứ tự tách lớp theo SNR giảm hiệu ứng lan truyền lỗi và mang lại thêm 1-2 dB.

Phát hiện thứ tư: MIMO-OFDM hóa giải fading chọn lọc tần số. Việc chèn tiền tố lặp CP dài hơn trải trễ kênh loại bỏ gần như hoàn toàn ISI, biến kênh chọn lọc tần số thành tập các kênh phẳng trên từng sóng mang con. Nhờ đó các sơ đồ Alamouti và V-BLAST vốn thiết kế cho kênh phẳng áp dụng được trực tiếp trên hệ thống băng rộng. Chi phí là tổn hao hiệu suất do CP, thường chiếm 10-25% độ dài ký hiệu.

Thảo luận kết quả

Nguyên nhân gốc của độ lợi MIMO nằm ở tính độc lập thống kê giữa các đường truyền. Khi các anten cách nhau đủ xa và môi trường có nhiều vật tán xạ, ma trận kênh có hạng đầy đủ và mở ra nhiều kênh con song song. Ngược lại, trong môi trường tầm nhìn thẳng (LOS) mạnh hoặc anten đặt quá sát, tương quan kênh tăng, hạng ma trận giảm và độ lợi ghép kênh suy giảm nhanh — đây là giới hạn thực tế quan trọng nhất khi triển khai.

Kết quả về Alamouti trùng khớp với công bố gốc năm 1998 và với các nghiên cứu về giới hạn phân tập – ghép kênh sau đó, cho thấy mô phỏng của luận văn có độ tin cậy tốt. Điểm đóng góp riêng nằm ở việc so sánh trực tiếp Alamouti và V-BLAST trên cùng nền MIMO-OFDM, làm rõ sự đánh đổi: Alamouti ưu tiên độ tin cậy, phù hợp biên cell và người dùng di chuyển nhanh; V-BLAST ưu tiên tốc độ, phù hợp gần trạm gốc nơi SNR cao.

Dữ liệu này thể hiện hiệu quả nhất qua đồ thị BER theo SNR với trục tung logarit, mỗi đường ứng với một cấu hình (SISO, Alamouti 2×1, Alamouti 2×2, V-BLAST ZF/MMSE/ML) — độ dốc đường cong đọc trực tiếp ra bậc phân tập. Song song, một bảng đối chiếu ba cột (bộ thu – SNR yêu cầu tại BER 10⁻³ – độ phức tạp tính toán) giúp người đọc cân nhắc lựa chọn thiết kế nhanh chóng.

Đề xuất và khuyến nghị

Ưu tiên triển khai MIMO 2×2 cho các trạm gốc mật độ thuê bao cao. Nhà mạng nên rà soát các trạm có lưu lượng vượt 70% dung lượng thiết kế và nâng cấp lên cấu hình 2×2 trong chu kỳ đầu tư 12-18 tháng, hướng tới mục tiêu tăng hiệu suất phổ ít nhất 60-80% mà không xin cấp thêm băng tần.

Áp dụng chuyển mạch thích nghi giữa phân tập và ghép kênh. Bộ phận kỹ thuật vô tuyến cần cấu hình ngưỡng chuyển đổi dựa trên SNR đo được: dưới ngưỡng khoảng 15 dB chuyển sang chế độ Alamouti để bảo đảm kết nối, trên ngưỡng chuyển sang V-BLAST để tối đa thông lượng. Cơ chế này có thể triển khai bằng cập nhật phần mềm trong 3-6 tháng, thường mang lại mức tăng thông lượng trung bình cell 20-30%.

Chuẩn hóa quy hoạch khoảng cách anten khi thiết kế trạm. Đơn vị thiết kế hạ tầng cần bắt buộc khoảng cách tối thiểu giữa các phần tử anten đạt 0,5λ ở trạm di động và 10λ trở lên ở trạm gốc, đồng thời áp dụng phân tập phân cực khi diện tích lắp đặt hạn chế. Mục tiêu là giữ hệ số tương quan kênh dưới 0,5, ngưỡng mà độ lợi ghép kênh còn được bảo toàn phần lớn.

Đầu tư nâng cao chất lượng ước lượng kênh. Sai số CSI làm suy giảm trực tiếp hiệu năng mọi sơ đồ MIMO. Nhóm nghiên cứu và phát triển nên đánh giá các thuật toán nội suy pilot trong miền tần số và miền thời gian, đặt mục tiêu giữ tổn hao do ước lượng không hoàn hảo dưới 1 dB, với lộ trình thử nghiệm 6-9 tháng.

Bổ sung kỹ thuật giảm PAPR trong khối phát MIMO-OFDM. Đội thiết kế phần cứng nên tích hợp các phương pháp cắt-lọc hoặc mã hóa giảm PAPR, hướng tới giảm 3-4 dB PAPR nhằm cho phép bộ khuếch đại công suất hoạt động gần vùng bão hòa hơn, qua đó cải thiện hiệu suất năng lượng trạm phát.

Mở rộng nghiên cứu sang MIMO đa người dùng. Các cơ sở đào tạo và viện nghiên cứu nên định hướng đề tài tiếp theo vào MU-MIMO và massive MIMO, vốn là nền tảng của các thế hệ mạng sau 2015.

Đối tượng nên tham khảo luận văn

Học viên cao học và sinh viên năm cuối ngành Điện tử – Viễn thông. Luận văn cung cấp lộ trình kiến thức liền mạch từ mô hình kênh fading đến hệ thống MIMO-OFDM hoàn chỉnh, kèm hơn 20 hình vẽ minh họa sơ đồ hệ thống. Đây là tài liệu tham khảo trực tiếp cho việc xây dựng đề cương đồ án và triển khai mô phỏng MATLAB về BER, đặc biệt hữu ích khi cần dựng lại sơ đồ Alamouti hoặc máy thu V-BLAST từ đầu.

Kỹ sư vô tuyến và kỹ sư tối ưu mạng tại nhà mạng. Phần so sánh ba bộ thu ZF, MMSE và ML cùng phân tích ảnh hưởng của tương quan kênh giúp giải thích các hiện tượng gặp trong vận hành: vì sao thông lượng MIMO sụt giảm ở khu vực trống trải tầm nhìn thẳng, hay vì sao người dùng biên cell không hưởng lợi từ ghép kênh không gian. Kiến thức này dùng trực tiếp khi phân tích KPI và điều chỉnh cấu hình cell.

Giảng viên và người biên soạn tài liệu giảng dạy. Cấu trúc bốn chương đi từ kênh truyền → MIMO → OFDM → tích hợp là khung bài giảng sẵn dùng cho học phần Thông tin vô tuyến. Bảng thuật ngữ viết tắt đầy đủ bằng cả tiếng Anh và tiếng Việt là nguồn tiện lợi để chuẩn hóa thuật ngữ trong giáo trình.

Nghiên cứu viên và người làm chuẩn hóa công nghệ. Luận văn tổng hợp nền tảng lý thuyết chung của các chuẩn LTE, WiMAX và Wi-Fi, tạo điểm khởi đầu vững chắc trước khi đi sâu vào massive MIMO, beamforming hay các kỹ thuật của mạng 5G.

Câu hỏi thường gặp

MIMO khác gì so với việc chỉ tăng công suất phát? Tăng công suất cải thiện SNR theo hàm logarit — gấp đôi công suất chỉ thêm khoảng 1 bit/s/Hz. MIMO tăng dung lượng theo hàm tuyến tính với số anten: hệ 4×4 cho khoảng gấp 4 lần dung lượng ở cùng công suất. MIMO cũng không làm tăng nhiễu sang cell lân cận, trong khi tăng công suất thì có.

Khi nào nên chọn Alamouti thay vì V-BLAST? Chọn Alamouti khi SNR thấp hoặc kênh biến động nhanh — biên cell, thuê bao di chuyển tốc độ cao. Bậc phân tập 2 (hoặc 4 với 2×2) giữ kết nối ổn định. Chọn V-BLAST khi SNR trên khoảng 15-20 dB và kênh có hạng đầy đủ, vì lúc đó ghép kênh không gian nhân đôi thông lượng thay vì chỉ tăng độ tin cậy.

Vì sao MIMO phải kết hợp với OFDM? Các sơ đồ MIMO cơ bản giả định kênh phẳng. Trong hệ thống băng rộng, trải trễ đa đường gây fading chọn lọc tần số và ISI, làm giả định này sai. OFDM chia băng thông thành hàng trăm sóng mang con hẹp, mỗi sóng mang gần như phẳng, cùng với tiền tố lặp CP triệt ISI — nhờ đó MIMO áp dụng được trực tiếp trên từng sóng mang con.

Ước lượng kênh sai ảnh hưởng thế nào? Mọi bộ thu MIMO đều dựa vào CSI để tách tín hiệu. Sai số CSI khiến ma trận tách không còn khớp kênh thực, gây nhiễu dư giữa các luồng. Với V-BLAST, sai số còn khuếch đại qua lan truyền lỗi trong triệt nhiễu tuần tự. Thực nghiệm cho thấy tổn hao thường 1-3 dB tùy mật độ pilot và tốc độ di chuyển.

Nhược điểm chính của MIMO là gì? Ba điểm: chi phí phần cứng tăng do cần nhiều chuỗi RF, độ phức tạp xử lý tín hiệu ở máy thu (ML tăng theo hàm mũ số anten), và yêu cầu không gian vật lý để đặt anten cách nhau đủ xa. Trên thiết bị đầu cuối nhỏ, ràng buộc kích thước là rào cản lớn nhất, thường phải bù bằng phân tập phân cực.

Kết luận

• Đóng góp lý thuyết: hệ thống hóa đầy đủ đặc tính kênh vô tuyến (Rayleigh, Rician, Doppler, trải trễ, AWGN) làm nền cho phân tích MIMO, trình bày mạch lạc trong 4 chương và 84 trang.

• Đóng góp kỹ thuật: so sánh định lượng hai hướng khai thác MIMO — Alamouti/STBC cho bậc phân tập tới 4 và V-BLAST cho độ lợi ghép kênh gấp 2 lần — trên cùng một khung mô phỏng thống nhất.

• Đóng góp ứng dụng: xây dựng và kiểm chứng mô hình MIMO-OFDM tích hợp, chứng minh khả năng áp dụng các sơ đồ kênh phẳng cho hệ thống băng rộng thực tế như WiMAX và Wi-Fi.

• Giá trị thực tiễn: cung cấp cơ sở kỹ thuật cho quyết định nâng cấp anten và chuyển mạch thích nghi tại trạm gốc, với mức cải thiện hiệu suất phổ tiềm năng 60-100%.

• Hướng phát triển: mở rộng sang MIMO đa người dùng, massive MIMO và các thuật toán ước lượng kênh tiên tiến trong giai đoạn nghiên cứu tiếp theo 12-24 tháng.

Bạn đọc quan tâm đến thiết kế lớp vật lý mạng vô tuyến nên tải toàn văn luận văn để tham khảo chi tiết các sơ đồ hệ thống, ma trận mã STBC và kết quả mô phỏng BER phục vụ nghiên cứu của mình.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VẢ DÀO TẠO ` TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Công Phương KỸ THUẬT MIMO VÀ ỨNG DỤNG Chuyên ngành: Kỷ thuật truyền thông LUẬN VĂN THẠC SĨ KỸ THUẬT Kỹ thuật truyền thông, NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. Đặng Quang Hiếu Hà Nội Nam 2014 LỜI CAM ĐOAN Tôi xin cam đoan: T.uận văn này là công trình nghiên cứu thực sự của cá nhân, được thực hiện đưới sự hướng dẫn khoa học của Tiến sĩ Đăng Quang Hiểu. Các số liệu, những kết luận nghiên cứa được trinh bày trang luận văn này trng thực và chưa rừng được công bố đưới bất cứ hình thức nào. Tôi xin chịu trách nhiệm vẻ nghiên cứu của mình.

Nguyễn Công Phương LLỜI CẮM ƠN Lời đâu tiên, tôi xin chân thành cảm ơn Tiên sĩ Đặng Quang Hiểu, người đã trực tiếp hướng dẫn tôi hoàn thành luận văn. Với những lời chỉ dẫu, những tài liện, sự tận tỉnh hướng dẫn vả những lời động viên của cô đã giúp tôi vượt qua nhiều khó khăn trong quá trinh thực hiện luận văn này. Tôi cũng xin câm ơn quý thấy, cô giảng đạy chương trình cao học thuộc trường Dai hoc Hảch Khoa Hả Nội đã truyền day chơ tôi những kiến thức quỷ báu, những kiển thức này rất hữu ích và đã giúp tôi rất nhiều khi thực hiện nghiên cứu. Cuối gừng tôi xin gồi lời cảm ơn tới gia đình và bạn bẻ đã động viên, giúp đỡ vả tạo điều kiện cho tôi hoàn thánh luận vẫn nảy, Tôi xin chân thành cẩm ơn Học viên Nguyễn Công Phương THUAT NGU VIET TAT TŒT TnterCharmel Interference M MS Mobile Station MIMO Muli Taput.

Multi Output MMSE Minimum Mean Square Error MRC Maximum Ratio Combiner ML Maximum Likelthood N NMT450 Nordic Mobile Telephone 150 NIT Nipon Telegraph and Telephone 2 OFDM Orthogonal Frequency Division Multiplexing t PDC Personal Digital Cell Phase Shift Keying PAPR Peak to Average Power Ratio PSAM Pilot Signal Assisted Modulation PHI. Phase Tock Loop pf Power Density Function Q QAM Quadralure Amphiide Modulation 8# Reed-Solomen code § SC Selection Combiner STC Space Time Coding STBC Space Time Block Coding STTC Space Time ‘Trellis Coding SNR Signal to Noise Ratio THUAT NGU VIET TAT THUAT NGU VIET TAT A Advance Mobile Phone Service Addition While Gaussian Noise B Bit Error Rate Bell Jabs Layered Space Time c CDMA Code Division Multiple Access cP Cycle Prefix CKR Carrier Noise Rate CSI Channel State Information D DFT Discrete Fourier Transform E EGC qual Gain Combiner rE Frequency Division Multiple Ac Forward Error Correcting Fast Fourier Transform G GSM. Global System For Mobile Communication I TS-95, Trierim Slandard 95 IS-136 Interim Standard 136 TST InterSymbol Interference TU International Telecom Union iprr Inverse Disorete ourier ‘Transform IFFT Inverse Fast Fourier Transform THUAT NGU VIET TAT T TACS Total Access Communication System TDMA Time Division Multiple Access Tc Turbo convolutional code Ww WCDMA Wideband CDMA Wircless Fidelity WIMAX World Interoperability Microwave Access THUAT NGU VIET TAT 3.2 Ước lượng kênh trong miễn tẫn số.3 ác hượng kênh trong miễn thời gian. Kết luận chương - - - 68 CHUONG4: UNG DỰNG KỸ THUẬT MIMO.

co BỘ 41 Giới thiệu.2 Hệ thống MIMO-OFDM.1 Mô bình hệ thống MIMO-OEDM.2 Mô hình hệ thống MIMO-OPFDM Alamouti - 73 4.3 Mô hình hệ thống MIMO-OEDM V-BLAST.3 Kết luận chương TH ng An me 81 KET LUAN VÀ HƯỚNG PHAT TRIEN DE TAT - 82 TÀI LIỆU THAM KHẢO.geeeceeeceee R4 THUAT NGU VIET TAT THUAT NGC’ VIET TAT DANH MUC HINH VE LOLNOLDAU CHUONG 1: MỘT SỐ VAN DR TRUYEN TIN TRONG MỖI TRƯỜNG 1.1 Một số vẫn để truyền ti trong mỗi trường võ tuyến.1 Mô hình fadine Rayleigh.3 Mô hình Fadig Rielan.3 Thông kê của fađing.3 Suy hao dường truyền 1.3 Trải trễ trong hiện tượng đa đường,.4 Tạp âm trắng Gauss 1.5 Hiện lượng Doppler 1.2 Cáo mô hình hệ thông thông tin không đây.21 Hệ thống SISO 1.22 Hệ thống MISO.3 Hệ thông SIMO 1.4 Hệ thông MIMO 1.3 Kết luận chương,. GHƯƠNG 3: KŸ THƯẬT MIMO.1 Khải niệm về hệ thông MIMÔ.2 Ưu nhược điểm của kỹ thuật MIMO.2 Sơ lược phản tập. Phân tập thời gian.2 Phân tập tần số THUAT NGU VIET TAT 3. Phân tập không gian 2.4 Các phương pháp kết hợp phần tập.1 Bộ tổ hợp theo kiểu quét và lựa chọn (SC) 2.2 Bộ tổ họp cùng độ lợi (EGC) 2.

Hộ tổ hợp với tỉ số tôi da (MRC).3 Mã hóa không gian-thời gian 2.1 Mã khối không gim thời gian STBC 2. Mã lưới không gian thời gian SIC 2.4 Mô hình hệ thẳng MIMO.1 Mô bình Alameuti.2 Mô hình V-BLABT. 25 Kết hiận chương, CHƯƠNG 3: KỸ THUẬT OFDM.2 Khai niệm chưng 3.21 Hệ thống dơn sóng mang 3.2 118 théng đa sóng mang, 3.3 Tin higu trực giao 3.3 Sơ đỗ hệ thông OFDM băng cơ sở.4 Cơ sử toán học.41 True giao 3,43 IEEL/EEHU.5 Các kỹ thuật cơ bản trong OFDM. Sơ đỏ diều chế/giãi điều chế kŠ `.4 Kỹ thuật IFET/FET trong OFDM 3.

Tiên tế lặp CE.6 Ước lượng kênh. THUAT NGU VIET TAT THUAT NGU VIET TAT A Advance Mobile Phone Service Addition While Gaussian Noise B Bit Error Rate Bell Jabs Layered Space Time c CDMA Code Division Multiple Access cP Cycle Prefix CKR Carrier Noise Rate CSI Channel State Information D DFT Discrete Fourier Transform E EGC qual Gain Combiner rE Frequency Division Multiple Ac Forward Error Correcting Fast Fourier Transform G GSM. Global System For Mobile Communication I TS-95, Trierim Slandard 95 IS-136 Interim Standard 136 TST InterSymbol Interference TU International Telecom Union iprr Inverse Disorete ourier ‘Transform IFFT Inverse Fast Fourier Transform THUAT NGU VIET TAT THUAT NGC’ VIET TAT DANH MUC HINH VE LOLNOLDAU CHUONG 1: MỘT SỐ VAN DR TRUYEN TIN TRONG MỖI TRƯỜNG 1.1 Một số vẫn để truyền ti trong mỗi trường võ tuyến.1 Mô hình fadine Rayleigh.3 Mô hình Fadig Rielan.3 Thông kê của fađing.3 Suy hao dường truyền 1.3 Trải trễ trong hiện tượng đa đường,.4 Tạp âm trắng Gauss 1.5 Hiện lượng Doppler 1.2 Cáo mô hình hệ thông thông tin không đây.21 Hệ thống SISO 1.22 Hệ thống MISO.3 Hệ thông SIMO 1.4 Hệ thông MIMO 1.3 Kết luận chương,. GHƯƠNG 3: KŸ THƯẬT MIMO.1 Khải niệm về hệ thông MIMÔ.2 Ưu nhược điểm của kỹ thuật MIMO.2 Sơ lược phản tập.

Phân tập thời gian.2 Phân tập tần số THUAT NGU VIET TAT T TACS Total Access Communication System TDMA Time Division Multiple Access Tc Turbo convolutional code Ww WCDMA Wideband CDMA Wircless Fidelity WIMAX World Interoperability Microwave Access DANH MỤC HÌNH VẼ DANH MỤC HÌNH VE Hinh 1.1: Ham pdf theo phan bd Rayleigh.2: Ham pif Riciun voi nhiing gid tri khée nhuu otta K.3: M6 hinh hign teong Doppler.1: Tong quan hệ thong MIMO Tình 2.2: Mã hình phân tập không gian.3: Mô hình bộ tô hợp kiểu lựa chọn.4: Bộ rổ hợp kiểu quái.5: Phương pháp kết hợp tỉ số cực đại.6: Phương pháp t số cực đại với 11X Vo IRR. cscs sosssstentisnenssneennnesee Hình 2.7: Mã hình hệ thông bằng gốc.8: Ma trận mã SLBC.10: Mã tả sơ đồ mã hóa với k = 1, K = 3 và n = 2 Tình 2.11: Lưới mỡ và sơ dỗ trạng thải với k = 1, K = 3 và n = 2.12 : Chuyên đổi kênh truyền MIŨMO thành các kãnh truyền song song.13: Mô hình phân tập khi ĂNT TẮN. cuc he ete Hình 2.14: Mã hình phân tập kịu Nr«Ng Hình 2.15: Sơ đồ Alumouli 2 anlen phat va 7 anten thu Hlinh 2.16: Cae symbol phat va thu trong sot dé /1lamoufi.17: Sơ đồ Alamouhi 2 anten phat va M anten thu.18: Hệ thông V-BLAST.19: May thit V-BLAST 2er-fOrcin@.20 May thu V-BLAST Zero-forcing theo thai ng 161 wu Hình 2.21: Máy thu V-BLAST MASE.1: So dé chung của hệ thông đơn sóng thang.2: So đồ hệ thông da sóng mang. uw a THUAT NGU VIET TAT 3.

Phân tập không gian 2.4 Các phương pháp kết hợp phần tập.1 Bộ tổ hợp theo kiểu quét và lựa chọn (SC) 2.2 Bộ tổ họp cùng độ lợi (EGC) 2. Hộ tổ hợp với tỉ số tôi da (MRC).3 Mã hóa không gian-thời gian 2.1 Mã khối không gim thời gian STBC 2. Mã lưới không gian thời gian SIC 2.4 Mô hình hệ thẳng MIMO.1 Mô bình Alameuti.2 Mô hình V-BLABT. 25 Kết hiận chương, CHƯƠNG 3: KỸ THUẬT OFDM.2 Khai niệm chưng 3.21 Hệ thống dơn sóng mang 3.2 118 théng đa sóng mang, 3.3 Tin higu trực giao 3.3 Sơ đỗ hệ thông OFDM băng cơ sở.4 Cơ sử toán học.41 True giao 3,43 IEEL/EEHU.5 Các kỹ thuật cơ bản trong OFDM.

Sơ đỏ diều chế/giãi điều chế kŠ `.4 Kỹ thuật IFET/FET trong OFDM 3. Tiên tế lặp CE.6 Ước lượng kênh. THUAT NGU VIET TAT TŒT TnterCharmel Interference M MS Mobile Station MIMO Muli Taput. Multi Output MMSE Minimum Mean Square Error MRC Maximum Ratio Combiner ML Maximum Likelthood N NMT450 Nordic Mobile Telephone 150 NIT Nipon Telegraph and Telephone 2 OFDM Orthogonal Frequency Division Multiplexing t PDC Personal Digital Cell Phase Shift Keying PAPR Peak to Average Power Ratio PSAM Pilot Signal Assisted Modulation PHI.

Phase Tock Loop pf Power Density Function Q QAM Quadralure Amphiide Modulation 8# Reed-Solomen code § SC Selection Combiner STC Space Time Coding STBC Space Time Block Coding STTC Space Time ‘Trellis Coding SNR Signal to Noise Ratio THUAT NGU VIET TAT THUAT NGU VIET TAT A Advance Mobile Phone Service Addition While Gaussian Noise B Bit Error Rate Bell Jabs Layered Space Time c CDMA Code Division Multiple Access cP Cycle Prefix CKR Carrier Noise Rate CSI Channel State Information D DFT Discrete Fourier Transform E EGC qual Gain Combiner rE Frequency Division Multiple Ac Forward Error Correcting Fast Fourier Transform G GSM. Global System For Mobile Communication I TS-95, Trierim Slandard 95 IS-136 Interim Standard 136 TST InterSymbol Interference TU International Telecom Union iprr Inverse Disorete ourier ‘Transform IFFT Inverse Fast Fourier Transform THUAT NGU VIET TAT 3. Phân tập không gian 2.4 Các phương pháp kết hợp phần tập.1 Bộ tổ hợp theo kiểu quét và lựa chọn (SC) 2.2 Bộ tổ họp cùng độ lợi (EGC) 2. Hộ tổ hợp với tỉ số tôi da (MRC).3 Mã hóa không gian-thời gian 2.1 Mã khối không gim thời gian STBC 2.

Mã lưới không gian thời gian SIC 2.4 Mô hình hệ thẳng MIMO.1 Mô bình Alameuti.2 Mô hình V-BLABT. 25 Kết hiận chương, CHƯƠNG 3: KỸ THUẬT OFDM.2 Khai niệm chưng 3.21 Hệ thống dơn sóng mang 3.2 118 théng đa sóng mang, 3.3 Tin higu trực giao 3.3 Sơ đỗ hệ thông OFDM băng cơ sở.4 Cơ sử toán học.41 True giao 3,43 IEEL/EEHU.5 Các kỹ thuật cơ bản trong OFDM. Sơ đỏ diều chế/giãi điều chế kŠ `.4 Kỹ thuật IFET/FET trong OFDM 3. Tiên tế lặp CE.6 Ước lượng kênh.

THUAT NGU VIET TAT TŒT TnterCharmel Interference M MS Mobile Station MIMO Muli Taput. Multi Output MMSE Minimum Mean Square Error MRC Maximum Ratio Combiner ML Maximum Likelthood N NMT450 Nordic Mobile Telephone 150 NIT Nipon Telegraph and Telephone 2 OFDM Orthogonal Frequency Division Multiplexing t PDC Personal Digital Cell Phase Shift Keying PAPR Peak to Average Power Ratio PSAM Pilot Signal Assisted Modulation PHI.