Luận Văn Thạc Sĩ Về Mô Hình Tổng Quát Cho Các Kênh Truyền Hệ MIMO Không Dây

Chuyên đề nghiên cứu Mô Hình Tổng Quát Cho Kênh Truyền Hệ MIMO Không Dây, cập nhật xu hướng mới, giá trị tham khảo cao cho chuyên gia chuyên ngành

• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Kỹ Thuật Thông Tin
• Đề tài: Mô Hình Tổng Quát Cho Kênh Truyền Hệ MIMO Không Dây
• Loại tài liệu: luận văn
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: CÁC MÔ HÌNH KÊNH TRUYỀN CHO HỆ MIMO KHÔNG DÂY
• 1.1. Mô hình dữ liệu
• 1.2. Phân loại mô hình
• 1.3. Các mô hình kênh MIMO không vật lý
• 1.3.1. Mô hình anten thu phát đa phần tử METRA
• 1.3.2. Mô hình băng hẹp
• 1.3.3. Mô hình băng rộng dự án SATURN
• 1.4. Các mô hình kênh MIMO vật lý
• 1.4.1. Mô hình một vòng và hai vòng
• 2. CHƯƠNG 2: MỘT VÀI MÔ HÌNH CỤ THỂ VÀ DUNG NĂNG KÊNH MIMO
• 2.1. Mô hình kênh GAUSS
• 2.2. Dung năng kênh MIMO khi biết trước kênh tại máy thu
• 2.2.1. Dung năng ergodic
• 2.2.2. Hai trường hợp đặc biệt của công thức log_det, dung năng của đường truyền phân tập tại đầu phát và đầu thu
• 2.3. Mô hình kênh MIMO trong nhà
• 2.3.1. Hình bao trải trễ công suất trung bình và trải trễ RMS
• 2.4. Tương quan trong kênh MIMO
• 2.4.1. Công thức thống kê của lượng tương quan
• 2.4.2. Ma trận tương quan MIMO
• 2.4.3. Đặc tính tương quan của kênh MIMO
• 2.4.4. Mô hình hoá đặc tính tương quan của kênh MIMO
• 2.4.5. Mô phỏng mô hình tương quan của các kênh MIMO
• 3. CHƯƠNG 3: MÔ HÌNH TỔNG QUÁT CHO CÁC KÊNH TRUYỀN HỆ MIMO KHÔNG DÂY
• 3.1. Biểu diễn vectơ hay biểu diễn định hướng kép
• 3.2. Phương pháp mô tả kênh và quá trình truyền
• 3.3. Tán xạ xung quanh trạm cố định (BS) và trạm di động (MS)
• 3.4. Tán xạ qua các đám tán xạ ở xa
• 3.5. Dẫn sóng và hiện tượng nhiễu xạ
• 3.6. Giá trị của các thông số và một số kết quả mô phỏng
• 3.6.1. Danh mục các thông số
• 3.6.2. Dung năng của các kênh phẳng về tần số và kênh lựa chọn tần số
• 3.6.3. Một số kết quả mô phỏng
• 3.7. Kết luận
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Mở Đầu

Mô hình tổng quát cho kênh truyền hệ MIMO không dây là một chủ đề quan trọng trong nghiên cứu công nghệ thông tin hiện đại. Các hệ thống không dây ngày nay phải đối mặt với nhiều thách thức, bao gồm việc truyền tải dữ liệu với tốc độ cao và độ tin cậy cao. Việc sử dụng công nghệ MIMO cho phép cải thiện hiệu suất truyền thông bằng cách sử dụng nhiều anten tại cả máy phát và máy thu. Điều này không chỉ giúp tăng dung năng mà còn cải thiện khả năng phân tập, giúp giảm thiểu ảnh hưởng của nhiễu và suy hao tín hiệu. Theo các nghiên cứu, MIMO có thể biến những trở ngại trong môi trường truyền thành lợi thế, cho phép truyền tải song song nhiều dòng dữ liệu. Việc phát triển các mô hình kênh chính xác là rất cần thiết để tối ưu hóa thiết kế và hiệu suất của các hệ thống MIMO.

II. Các Mô Hình Kênh MIMO

Mô hình kênh cho hệ thống MIMO có thể được phân loại thành hai loại chính: mô hình băng hẹp và mô hình băng rộng. Mô hình băng hẹp giả định rằng kênh có tính chất không thay đổi theo tần số, trong khi mô hình băng rộng cho phép các kênh con có đáp ứng xung khác nhau. Việc phân loại này giúp nghiên cứu và mô phỏng các đặc tính của kênh MIMO trong các điều kiện khác nhau. Các mô hình không vật lý dựa trên các đặc trưng thống kê của kênh, trong khi các mô hình vật lý sử dụng các thông số vật lý như góc tới (AOA) và góc rời (AOD) để mô tả kênh. Sự hiểu biết về các mô hình này là rất quan trọng để tối ưu hóa hiệu suất của các hệ thống MIMO trong thực tế.

2.1 Mô Hình Dữ Liệu

Mô hình dữ liệu cho hệ thống MIMO được mô tả thông qua mối quan hệ giữa tín hiệu truyền và tín hiệu thu. Trong trường hợp băng hẹp, mối quan hệ này có thể được đơn giản hóa thành một ma trận kênh. Việc mô hình hóa này cho phép phân tích và dự đoán hiệu suất của kênh MIMO trong các điều kiện khác nhau. Các yếu tố như nhiễu và tán xạ cũng cần được xem xét để đảm bảo tính chính xác của mô hình. Sự phát triển của các mô hình này sẽ giúp cải thiện khả năng thiết kế và tối ưu hóa các hệ thống truyền thông không dây.

2.2 Phân Loại Mô Hình

Phân loại mô hình kênh MIMO có thể được thực hiện dựa trên nhiều tiêu chí khác nhau, bao gồm mô hình băng rộng và băng hẹp, cũng như mô hình vật lý và không vật lý. Mô hình băng rộng cho phép phân tích các kênh con khác nhau, trong khi mô hình băng hẹp giả định rằng tất cả các kênh con có cùng một đáp ứng xung. Việc phân loại này giúp các nhà nghiên cứu hiểu rõ hơn về các đặc tính của kênh và từ đó phát triển các giải pháp tối ưu cho các hệ thống MIMO.

III. Mô Hình Tổng Quát Cho Kênh Truyền Hệ MIMO Không Dây

Mô hình tổng quát cho kênh truyền hệ MIMO không dây được xây dựng dựa trên các yếu tố như tán xạ, dẫn sóng và hiện tượng nhiễu xạ. Các thông số như góc tới và góc rời cũng đóng vai trò quan trọng trong việc mô tả chính xác kênh truyền. Việc sử dụng các mô hình này cho phép các nhà nghiên cứu và kỹ sư thiết kế các hệ thống truyền thông hiệu quả hơn, đồng thời tối ưu hóa dung năng và độ tin cậy của các kết nối không dây. Các kết quả mô phỏng cho thấy rằng mô hình tổng quát này có thể giúp cải thiện đáng kể hiệu suất của các hệ thống MIMO trong môi trường thực tế.

3.1 Phương Pháp Mô Tả Kênh

Phương pháp mô tả kênh cho hệ thống MIMO không dây bao gồm việc sử dụng các mô hình tán xạ và dẫn sóng để phân tích các đặc tính của kênh. Các mô hình này giúp xác định cách mà tín hiệu truyền đi và nhận lại, từ đó tối ưu hóa thiết kế anten và các thuật toán xử lý tín hiệu. Việc áp dụng các phương pháp này sẽ giúp cải thiện hiệu suất truyền thông và giảm thiểu ảnh hưởng của nhiễu trong môi trường không dây.

3.2 Giá Trị Của Các Thông Số

Giá trị của các thông số trong mô hình kênh MIMO không dây rất quan trọng để đảm bảo tính chính xác và hiệu quả của mô hình. Các thông số như tần số, công suất phát và cấu hình anten cần được xác định rõ ràng để tối ưu hóa hiệu suất truyền thông. Các kết quả mô phỏng cho thấy rằng việc điều chỉnh các thông số này có thể dẫn đến sự cải thiện đáng kể trong dung năng và độ tin cậy của hệ thống.

IV. Kết Luận

Mô hình tổng quát cho kênh truyền hệ MIMO không dây đóng vai trò quan trọng trong việc phát triển các công nghệ truyền thông hiện đại. Việc hiểu rõ các mô hình kênh và các yếu tố ảnh hưởng đến hiệu suất truyền thông sẽ giúp các nhà nghiên cứu và kỹ sư thiết kế các hệ thống hiệu quả hơn. Các nghiên cứu tiếp theo cần tập trung vào việc cải thiện các mô hình này để đáp ứng nhu cầu ngày càng cao về tốc độ và độ tin cậy trong truyền thông không dây.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển nhanh chóng của công nghệ truyền thông không dây, nhu cầu về tốc độ dữ liệu cao và kết nối tin cậy ngày càng tăng. Theo ước tính, các hệ thống truyền thông không dây truyền thống đang gặp phải nhiều hạn chế về mặt vật lý do môi trường truyền dẫn, đặc biệt là hiện tượng fading và can nhiễu đa đường. Công nghệ Multiple-Input Multiple-Output (MIMO) đã được xem như một cuộc cách mạng trong lĩnh vực này, với khả năng tăng dung lượng kênh truyền tuyến tính theo số lượng anten sử dụng mà không cần tăng băng thông hay công suất phát.

Mục tiêu nghiên cứu của luận văn là phân tích và đánh giá các mô hình kênh truyền cho hệ thống MIMO không dây, từ đó đề xuất các mô hình phù hợp nhằm mô phỏng và dự đoán hiệu năng của hệ thống trong các điều kiện môi trường khác nhau. Phạm vi nghiên cứu tập trung vào các mô hình kênh băng hẹp và băng rộng, bao gồm cả mô hình vật lý và không vật lý, với dữ liệu đo đạc thực tế tại môi trường trong nhà và ngoài trời.

Ý nghĩa của nghiên cứu được thể hiện qua việc cung cấp các công cụ mô hình hóa chính xác, giúp tối ưu hóa thiết kế hệ thống MIMO, nâng cao dung lượng và độ tin cậy truyền thông không dây. Các chỉ số hiệu suất như dung năng kênh, tỷ số tín hiệu trên nhiễu (SNR), và phân bố thống kê của kênh được sử dụng làm metrics đánh giá. Nghiên cứu cũng góp phần làm rõ các hiện tượng đặc thù như hiệu ứng "lỗ kim" trong kênh MIMO, từ đó hỗ trợ phát triển các thuật toán xử lý tín hiệu và điều chế phù hợp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính để mô hình hóa kênh truyền MIMO:

1. Mô hình kênh không vật lý (Statistical Channel Models): Dựa trên các đặc trưng thống kê của kênh thu được từ kết quả đo đạc thực tế, mô hình này sử dụng các ma trận tương quan công suất và hiệp phương sai để mô phỏng các hệ số kênh. Ví dụ điển hình là mô hình anten thu phát đa phần tử METRA và mô hình băng hẹp dự án SATURN, trong đó các hệ số kênh được giả định là biến ngẫu nhiên Gauss phức với trung bình bằng 0 và phân bố Rayleigh về biên độ.

2. Mô hình kênh vật lý (Physical Channel Models): Mô hình này sử dụng các thông số vật lý như góc tới (AOA), góc rời (AOD), thời gian đến (TOA) để mô tả môi trường truyền dẫn và các vật tán xạ xung quanh. Các mô hình tiêu biểu gồm mô hình một vòng và hai vòng, mô hình phân bố góc Von Mises, mô hình tán xạ phân bố, mô hình Saleh-Valenzuela mở rộng và mô hình kênh định hướng theo sáng kiến COST 259. Mô hình kênh ảo cũng được sử dụng để biểu diễn kênh MIMO dựa trên khả năng phân giải không gian của mảng anten.

Các khái niệm chính bao gồm:

• Dung năng ergodic của kênh MIMO: Là giá trị trung bình của dung lượng kênh qua các trạng thái kênh khác nhau, được tính dựa trên công thức log-det của ma trận kênh.
• Cấu trúc Cronecker: Mô hình hóa ma trận hiệp phương sai của kênh MIMO dưới dạng tích Cronecker của các ma trận tương quan tại máy phát và máy thu.
• Hiệu ứng "lỗ kim" (pin-hole effect): Hiện tượng giảm bậc của ma trận kênh do ma trận tương quan mảng ảo có bậc thấp, làm giảm dung lượng kênh.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được sử dụng trong nghiên cứu bao gồm các kết quả đo đạc thực tế tại môi trường trong nhà và ngoài trời, đặc biệt là dữ liệu từ dự án SATURN với thiết bị đo vectơ Medav RUSK BRI sử dụng anten ULA 8 phần tử ở cả máy phát và máy thu, tần số trung tâm 5,2 GHz và băng thông 120 MHz. Các phép đo được thực hiện trong các dàn cảnh NLOS với nhiều vị trí máy phát và máy thu khác nhau.

Phương pháp phân tích bao gồm:

• Mô phỏng các mô hình kênh MIMO dựa trên các giả định thống kê và vật lý.
• So sánh các kết quả mô phỏng với dữ liệu đo đạc thực tế thông qua các chỉ số như hàm mật độ tích lũy (CDF) của dung năng kênh và phân bố pha của hệ số kênh.
• Sử dụng các phép phân tích ma trận như thừa số hóa Cronecker để đánh giá độ chính xác của mô hình tương quan.
• Tính toán dung năng ergodic của kênh MIMO sử dụng công thức log-det, áp dụng cho các cấu hình anten khác nhau (ví dụ 2x2) và các trường hợp tỉ lệ tương quan khác nhau.

Timeline nghiên cứu kéo dài trong khoảng thời gian thực hiện các phép đo, xử lý dữ liệu và mô phỏng, ước tính khoảng vài tháng đến một năm tùy theo phạm vi chi tiết của từng phần.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Mô hình kênh MIMO không vật lý phù hợp với dữ liệu đo đạc: Các mô hình như METRA và mô hình băng hẹp SATURN mô phỏng các hệ số kênh Gauss phức với phân bố Rayleigh về biên độ cho kết quả phù hợp tốt với dữ liệu đo đạc trong môi trường trong nhà NLOS. Ví dụ, phân bố pha của hệ số kênh đo được gần như phân bố đều trong khoảng [-π, π], khẳng định giả thiết kênh Gauss phức là hợp lý.

2. Cấu trúc Cronecker mô tả chính xác ma trận hiệp phương sai kênh: Lỗi mô hình khi sử dụng thừa số hóa Cronecker tối ưu thấp hơn 1% trong nhiều trường hợp đo đạc, cho thấy cấu trúc này là một công cụ hiệu quả để mô hình hóa tương quan không gian của kênh MIMO.

3. Dung năng ergodic tăng tuyến tính với số lượng anten: Kết quả mô phỏng dung năng ergodic cho thấy với cấu hình 2x2, dung năng kênh đạt khoảng 9 bits/s/Hz khi SNR = 20 dB trong trường hợp có tương quan, và khoảng 11 bits/s/Hz trong trường hợp không tương quan. Điều này phù hợp với lý thuyết rằng dung năng kênh MIMO tăng tuyến tính theo số bậc tự do không gian N = min{Nt, Nr}.

4. Mô hình kênh băng rộng và băng hẹp đều phù hợp với dữ liệu thực tế: Các mô hình băng rộng dự án SATURN và mô hình băng hẹp đều cho kết quả mô phỏng dung năng kênh gần với dữ liệu đo đạc, với lỗi mô hình cấu trúc Cronecker dưới 10% cho cấu hình 3x3.

Thảo luận kết quả

Nguyên nhân của sự phù hợp giữa mô hình không vật lý và dữ liệu đo đạc là do môi trường trong nhà NLOS có đặc tính tán xạ phong phú, khiến các hệ số kênh có thể được xem như các biến ngẫu nhiên Gauss phức độc lập. Cấu trúc Cronecker thể hiện rõ mối liên hệ tương quan không gian giữa các anten phát và thu, giúp giảm độ phức tạp mô hình mà vẫn giữ được tính chính xác cao.

So sánh với các nghiên cứu khác, kết quả dung năng ergodic phù hợp với các báo cáo trong ngành về hiệu suất của hệ MIMO trong môi trường tán xạ mạnh. Hiện tượng "lỗ kim" không được quan sát rõ trong dữ liệu đo đạc, cho thấy mô hình vật lý cần được điều chỉnh để phản ánh chính xác hơn các điều kiện thực tế.

Việc mô hình hóa kênh băng rộng giúp mô phỏng chính xác hơn các đặc tính tần số của kênh, đặc biệt trong các hệ thống có băng thông lớn. Các mô hình vật lý như mô hình một vòng, hai vòng và phân bố góc Von Mises cung cấp cái nhìn sâu sắc về ảnh hưởng của các vật tán xạ và cấu trúc môi trường đến đặc tính kênh.

Dữ liệu có thể được trình bày qua các biểu đồ hàm mật độ tích lũy (CDF) của dung năng kênh, biểu đồ hình bao của hệ số kênh, và bảng lỗi mô hình cấu trúc Cronecker để minh họa sự phù hợp giữa mô hình và thực tế.

Đề xuất và khuyến nghị

1. Phát triển mô hình kênh lai kết hợp vật lý và không vật lý: Để nâng cao độ chính xác mô phỏng, cần xây dựng các mô hình lai, tận dụng ưu điểm của mô hình thống kê và mô hình vật lý, đặc biệt trong việc mô tả các hiện tượng phức tạp như hiệu ứng "lỗ kim" và các phân bố góc không đồng nhất. Thời gian thực hiện dự kiến 6-12 tháng, do các nhóm nghiên cứu chuyên sâu về kênh truyền và xử lý tín hiệu đảm nhiệm.

2. Tối ưu hóa cấu hình anten dựa trên mô hình tương quan: Sử dụng các ma trận tương quan và cấu trúc Cronecker để thiết kế dàn anten phù hợp, nhằm tối đa hóa dung năng kênh và giảm thiểu tương quan không mong muốn. Giải pháp này có thể được áp dụng trong vòng 3-6 tháng bởi các kỹ sư thiết kế hệ thống.

3. Áp dụng mô hình kênh băng rộng trong thiết kế hệ thống băng thông lớn: Đề xuất sử dụng mô hình băng rộng SATURN để mô phỏng và đánh giá hiệu năng các hệ thống MIMO trong các mạng 5G và tương lai, giúp cải thiện độ tin cậy và tốc độ truyền dữ liệu. Thời gian triển khai khoảng 6 tháng, phù hợp với các dự án phát triển mạng di động.

4. Phát triển công cụ mô phỏng dựa trên Matlab hoặc Python: Xây dựng các thư viện mô phỏng kênh MIMO dựa trên các mô hình đã nghiên cứu, hỗ trợ việc đánh giá hiệu năng và thiết kế thuật toán điều chế, mã hóa. Công cụ này nên được phát triển trong 3-6 tháng, phục vụ cho nghiên cứu và đào tạo.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành truyền thông không dây: Luận văn cung cấp kiến thức chuyên sâu về mô hình kênh MIMO, giúp hiểu rõ các đặc tính kênh và phương pháp mô phỏng, phục vụ cho nghiên cứu và học tập.

2. Kỹ sư thiết kế hệ thống mạng di động: Các kết quả và mô hình trong luận văn hỗ trợ thiết kế anten, lựa chọn cấu hình hệ thống và tối ưu hóa hiệu suất mạng trong các môi trường truyền dẫn thực tế.

3. Chuyên gia phát triển thuật toán xử lý tín hiệu: Thông tin về đặc tính kênh và dung năng ergodic giúp phát triển các thuật toán mã hóa, điều chế và giải mã phù hợp với môi trường MIMO.

4. Nhà quản lý và hoạch định chính sách viễn thông: Hiểu biết về khả năng và giới hạn của công nghệ MIMO giúp đưa ra các quyết định đầu tư và phát triển hạ tầng mạng hiệu quả.

Câu hỏi thường gặp

1. Mô hình kênh MIMO vật lý và không vật lý khác nhau như thế nào?
   Mô hình vật lý dựa trên các thông số vật lý như góc tới, góc rời và thời gian đến để mô tả môi trường truyền dẫn, trong khi mô hình không vật lý dựa trên các đặc trưng thống kê của kênh thu được từ dữ liệu đo đạc. Mô hình không vật lý dễ mô phỏng và phù hợp với nhiều điều kiện, còn mô hình vật lý cung cấp cái nhìn sâu sắc hơn về cơ chế truyền.

2. Tại sao cấu trúc Cronecker được sử dụng trong mô hình kênh MIMO?
   Cấu trúc Cronecker giúp mô hình hóa ma trận hiệp phương sai của kênh MIMO dưới dạng tích của ma trận tương quan tại máy phát và máy thu, giảm độ phức tạp tính toán và vẫn giữ được tính chính xác cao, như được chứng minh qua các phép đo thực tế với lỗi mô hình thấp hơn 1%.

3. Hiệu ứng "lỗ kim" là gì và nó ảnh hưởng thế nào đến dung năng kênh?
   Hiệu ứng "lỗ kim" xảy ra khi ma trận tương quan mảng ảo có bậc thấp, làm giảm bậc của ma trận kênh MIMO, dẫn đến giảm dung năng kênh. Hiện tượng này làm mất đi lợi ích phân tập không gian của hệ thống MIMO, tuy nhiên nó không được quan sát rõ trong các phép đo thực tế.

4. Dung năng ergodic của kênh MIMO được tính như thế nào?
   Dung năng ergodic được tính dựa trên công thức log-det của ma trận kênh, thể hiện giá trị trung bình của dung lượng kênh qua các trạng thái kênh khác nhau. Công thức này cho thấy dung năng tăng tuyến tính theo số bậc tự do không gian N = min{Nt, Nr}.

5. Làm thế nào để lựa chọn mô hình kênh phù hợp cho hệ thống MIMO?
   Việc lựa chọn mô hình phụ thuộc vào môi trường truyền dẫn, băng thông hệ thống và mục tiêu nghiên cứu. Mô hình không vật lý phù hợp với mô phỏng nhanh và tổng quát, trong khi mô hình vật lý cần thiết cho phân tích chi tiết và thiết kế hệ thống trong môi trường cụ thể. Kết hợp cả hai loại mô hình thường mang lại kết quả tốt nhất.

Kết luận

• Luận văn đã tổng quan và phân tích các mô hình kênh truyền cho hệ thống MIMO không dây, bao gồm cả mô hình vật lý và không vật lý, với dữ liệu đo đạc thực tế làm cơ sở đánh giá.
• Mô hình không vật lý dựa trên đặc trưng thống kê và cấu trúc Cronecker cho kết quả mô phỏng phù hợp cao với dữ liệu đo đạc trong môi trường trong nhà NLOS.
• Dung năng ergodic của kênh MIMO tăng tuyến tính theo số lượng anten, khẳng định lợi ích vượt trội của công nghệ MIMO trong việc nâng cao hiệu suất truyền thông không dây.
• Các hiện tượng đặc thù như hiệu ứng "lỗ kim" cần được nghiên cứu sâu hơn để hoàn thiện mô hình vật lý và ứng dụng thực tế.
• Đề xuất phát triển mô hình lai, tối ưu cấu hình anten và xây dựng công cụ mô phỏng hỗ trợ thiết kế hệ thống MIMO hiệu quả.

Next steps: Tiếp tục nghiên cứu mở rộng mô hình kênh lai, thực hiện các phép đo bổ sung trong môi trường đa dạng, và phát triển phần mềm mô phỏng tích hợp.

Các nhà nghiên cứu và kỹ sư trong lĩnh vực truyền thông không dây được khuyến khích áp dụng các mô hình và kết quả nghiên cứu này để nâng cao hiệu quả thiết kế và triển khai hệ thống MIMO trong thực tế.

Trích đoạn nội dung tài liệu

Chương 1- CÁC MÔ HÌNH KÊNH TRUYỀN CHO HỆ MIMO KHÔNG DÂY Nhƣ ta đã biết, để nghiên cứu về hệ MIMO, chẳng hạn khi tính dung năng kênh của hệ, ta phải biết kênh truyền. Kênh truyền cho hệ MIMO có thể chia làm hai loại: mô hình băng hẹp và mô hình băng rộng. Để tiếp cận tới các mô hình này, ta có thể theo hai cách sau: mô hình dựa trên tính chất vật lý và mô hình không dựa trên tính chất vật lý. Mô hình dựa trên tính chất vật lý: các kênh truyền hệ MIMO đƣợc mô tả thông qua các thông số vật lý, trong khi đó mô hình không dựa trên tính chất vật lý mà dựa trên các đặc trưng thống kê của kênh MIMO thu đƣợc từ các kết quả đo đạc.1 Giới thiệu Yêu cầu về việc truyền tốc độ dữ liệu cao, trong khi kênh truyền khả dụng bị hạn chế đã kích thích chúng ta nghiên cứu các hệ thông tin không dây bằng cách khai thác tốt nhất lĩnh vực không gian.

Do giá thành, kích cỡ cũng nhƣ những giới hạn về độ phức tạp tại các thiết bị đầu cuối, dàn anten thƣờng chỉ đƣợc nghiên cứu ở các trạm gốc (điểm truy cập) để tách biệt theo không gian tín hiệu mong muốn, can nhiễu và ồn. Việc dùng phân tập không gian cả phía thu và phát có thể cải thiện thông lƣợng và vùng phủ sóng, cho phép tái sử dụng tần số ở mức cao và do đó tăng dung năng của hệ. Theo các tài liệu tham khảo [1], [2] dung năng của kênh có thể tăng đáng kể khi dùng anten mảng ở cả phía phát và thu (gọi là hệ MIMO) khi môi z 10 trƣờng coi là tán xạ đủ mạnh. Về mặt nhận thức mà nói, kênh MIMO có thể coi là nhiều kênh con song song trong không gian, cho phép truyền song song các dòng ký hiệu.

Vì vậy dung năng của hệ MIMO có thể tăng tuyến tính với số kênh con không gian ( là số tối thiểu phần tử anten thu và phát). Điều này đã đƣợc trình bày trong [3], trong đó kiến trúc BLAST đƣợc trình bày thông qua sơ đồ mã hoá và giải mã. Một số phép đo lƣờng để nghiên cứu dung năng kênh MIMO đã đƣợc trình bày trong [4]. Các kết quả của các công trình này cho thấy khi môi trƣờng tán xạ đủ mạnh, dung năng của hệ tiến dần đến giá trị lý tƣởng.

Điều kiện truyền, có tác dụng lớn đến dung năng của kênh của hệ MIMO. Do vậy, rất đáng qua tâm khi đặc trƣng hoá và mô hình hoá các kênh MIMO trong các điều kiện khác nhau để tiên đoán, mô phỏng, thiết kế các hệ thông tin có hiệu năng cao. Cùng với những ƣu điểm khác, việc mô phỏng kênh truyền của hệ MIMO cho phép chọn các sơ đồ điều chế khác nhau trong các phạm vi khác nhau, do vậy hiệu năng của hệ sẽ đƣợc tiên đoán tốt hơn. Có nhiều mô phỏng cho hệ SISO trong lĩnh vực mô hình hoá kênh.

Các mô hình cho các kênh vô tuyến trong nhà đã đƣợc nghiên cứu trong [6], còn các mô hình cho các kênh vô tuyến ngoài nhà có thể tìm đọc trong [7]. Tuy nhiên, việc mở rộng các kết quả này cho hệ MIMO không phải là dễ. Kích cỡ không gian bây giờ phải đƣợc đặc trƣng hoá hoặc trực tiếp hoặc gián tiếp. Chúng ta sẽ xét kênh MIMO theo hai loại: mô hình dựa trên tính chất vật lý và không dựa trên tính chất vật lý.

Nhƣ nói ở trên, mô hình không dựa trên tính chất vật lý căn cứ vào các đặc trƣng thống kê của các kênh MIMO, trong khi mô hình dựa theo tính chất vật lý dùng một số thông số vật lý quan trọng, để mô tả hợp lý các đặc trƣng của kênh MIMO và môi trƣờng tán xạ xung quanh. Mô hình các kênh MIMO sẽ đƣợc xem kỹ lại dựa trên các phân loại đã nói. Tất nhiên, một số mô hình đƣợc nói kỹ, còn một số khác chỉ xét qua. Ta z 11 cũng xem xét mối liên hệ giữa các mô hình kênh MIMO.

Các kết quả đo đạc cũng sẽ đƣợc trình bày để so sánh với một số mô hình đã đề nghị. Cuối cùng là một vài kết luận và gợi ý cho công việc nghiên cứu tiếp sau.2 Mô hình kênh MIMO 1.1 Mô hình dữ liệu Hình 1.1: mô tả hệ MIMO với M phần tử phát và N phần tử thu. Với kênh nói trên, mối liên hệ lối vào và lối ra băng gốc, tính theo hệ thức.1)  Trong đó: s t  : tín hiệu truyền  y t  : tín hiệu thu  n t  : nhiễu AWGN *: là tích chập  H t  : là ma trận MxN thành phần đáp ứng xung của kênh. M phần tử phát Kênh MIMO N phần tử thu Hình 1.1: Minh hoạ hệ MIMO, máy phát có M phần tử anten, máy thu có N phần tử anten z 12 Nếu băng thông của tín hiệu đủ hẹp, sao cho kênh có thể coi là hằng số với tần số (kênh phẳng theo tần số) mối liên hệ vào ra bây giờ đơn giản hơn.2)  Trong đó H là ma trận kênh băng hẹp.

Trong nhiều trƣờng hợp, thƣờng các phần tử của ma trận kênh coi là băng hẹp MIMO phân bố đều, độc lập thống kê i.d để dễ nghiên cứu. Tuy nhiên, trong thực tế, do sự phân cách giữa các phần tử anten không đủ lớn, sự tán xạ không đủ mạnh, phading không phải luôn luôn là độc lập với nhau, điều này làm cho dung năng của kênh thấp hơn so với lý tƣởng và trƣờng hợp i. Vì vậy, khi mô hình hoá kênh phải chú ý đến điều này.2 Phân loại mô hình  Việc mô hình hoá đáp ứng xung của kênh H t  (cho trƣờng hợp băng  rộng) hoặc ma trận kênh H (cho trƣờng hợp băng hẹp) là vấn đề nhạy cảm trong hệ thông tin MIMO, do đó rất đƣợc quan tâm trong những năm gần đây. Một số công trình báo cáo trong lĩnh vực này, và các mô hình này đƣợc phân loại theo các cách khác nhau.

- Mô hình băng rộng và mô hình băng hẹp Mô hình kênh MIMO có thể phân ra làm hai loại mô hình băng rộng và mô hình băng hẹp một cách trực tiếp khi xét tới độ rộng của kênh. Mô hình băng rộng xét kênh là chọn lọc tần số, có nghĩa là các kênh con khác nhau, có đáp ứng xung khác nhau. Ngƣợc lại, mô hình băng hẹp giả thiết kênh có phading không lọc lựa tần số, do đó đáp ứng xung các kênh con là nhƣ nhau trong toàn dải tần. - Đo trƣờng và mô hình vật tán xạ z 13 Để mô hình hoá kênh MIMO, một cách tiếp cận là đo đáp ứng kênh MIMO thông qua việc đo trƣờng.

Một số đặc trƣng quan trọng của kênh MIMO có thể thu đƣợc thông qua việc nghiên cứu các số liệu đo đạc, và kênh MIMO mô hình hoá có các đặc tính tƣơng đƣơng [8], [16]. Một cách tiếp cận khác là nêu ra một mô hình (thƣờng gồm các vật tán xạ) và thử tìm các đặc trƣng của nó. Các mô hình loại này thƣờng mô tả đƣợc các đặc trƣng chủ yếu của kênh MIMO khi môi trƣờng tán xạ tạo thành là hợp lý [14]. - Mô hình không vật lý và mô hình vật lý.

Mô hình kênh hệ MIMO có thể chia là mô hình không vật lý và vật lý. Mô hình không vật lý dựa trên các đặc trƣng thống kê của kênh, dùng các thông số không vật lý. Nhìn chung các mô hình không vật lý dễ mô phỏng và cho ta các đặc trƣng kênh chính xác theo các điều kiện ta thiết lập. Tuy nhiên, chúng không cho ta hiểu sâu về đặc trƣng truyền của kênh MIMO, phụ thuộc vào thiết bị đo đạc nhƣ cấu hình và khẩu độ của anten mảng, chiều cao và đáp ứng của anten phát và thu khi đo…ảnh hƣởng của kênh truyền và thiết bị đo là khó tách biệt.

Mô hình vật lý, một loại khác, trong đó chọn ra một số thông số vật lý chủ yếu để mô tả kênh truyền MIMO. Các thông số đó là: góc tới (AOA) góc rời (AOD), thời gian đến (TOA). Tuy nhiên, trong các điều kiện khác nhau, kênh MIMO không đƣợc mô tả đầy đủ chỉ với một số lƣợng nhỏ của các thông số vật lý, và điều này gây khó khăn, thậm chí không thể, xác định tính chính xác của mô hình. Chẳng hạn [19] ta có thể thu đƣợc phân bố AOA giả do sai sót nhân tạo trong quá trình đo đạc và nhận dạng.

Dần ngƣời ta đã có gắng tách biệt kênh truyền và thiết bị đo (đáp ứng anten, cấu hình…) nhờ đó có thể ngoại suy ra các điều kiện khác, nhƣng mô hình luôn chứa một vài cái gì đó chƣa thuyết phục (thí dụ giả thiết về nguồn điểm…) liên quan đến điều z 14 kiện mà mô hình phải theo. Điều này luôn dẫn đến những hạn chế về mô hình mà ta đang xét. Sau đây sẽ xét chi tiết hơn về hai loại mô hình, phân theo cách vật lý và không vật lý.3 Các mô hình kênh MIMO không vật lý.1 Mô hình anten thu phát đa phần tử METRA. Dựa trên các phép đo ngoài trời tại Aalborg Đan Mạch với tần số sóng mang 2.

Một mô hình kênh MIMO thống kê cho bối cảnh NLOS (không có tia truyền thẳng), đƣợc đƣa ra dựa trên ma trận tương quan công suất của kênh vô tuyến MIMO [9]. Gọi M: số anten phát, N: số anten thu- mô hình băng rộng, kênh MIMO không có nhiễu là:  L  H     H l     l  (1.3) l 1  Trong đó H   : là ma trận MxN phần tử của các đáp ứng xung.  H l : ma trận của các hệ số kênh phức tại thời gian trễ  l  H 11l H 12l. H NM  Hơn nữa, ta giả thiết các hệ số truyền, với giá trị phức là có trung bình bằng 0, Gauss phức, có cùng một công suất Pl.

Các hệ số này là độc lập khi chuyển từ độ trễ này sang độ trễ khác. z 15 Để cấu trúc nên mô hình kênh MIMO, sự tƣơng quan giữa các cặp hệ số truyền phức cần phải chú ý. Các hệ số tƣơng quan không gian tại máy phát và máy thu thoả mãn. T 2 2  mx m l  H nm l , H nm (1.6)     Tx R Trong đó  m , x lần lƣợt là các hệ số tƣơng quan công suất tại máy m nn phát và máy thu.

Hệ số tƣơng quan đƣợc định nghĩa Eab  Ea.] ký hiệu giá trị kỳ vọng.