Tổng kết, hướng phát triển và chương trình mô phỏng

Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 374 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng 13.1. Tổng kết Đề tài về anten là một đề tài rộng và tương đối mới mẻ, đặc biệt là anten thông minh. Các lĩnh vực liên quan tới nó là rất nhiều, bao gồm trường điện từ, anten, lan truyền sóng, thông tin, xử lý ngẫu nhiên, lý thuyết thích nghi, ước lượng phổ, và xử lý tín hiệu mảng. Do đó, để có thể hiểu rõ và nắm bắt được một cách sâu sắc về những vấn đề cơ bản và nền tảng của anten đòi hỏi người kỹ sư phải am hiểu tất cả các lĩnh vực liên quan nói trên. Vì vậy, có thể xem quyển đồ án này là một biểu mẫu để xem xét tất cả các lĩnh vực đó và gắn kết chúng vào một vấn đề chung. Các kiến thức về những lĩnh vực liên quan, kiến thức mà đủ để có thể hiểu và phát triển về nền tảng của anten thông minh đã được đúc kết trong từng chương. Sau khi hiểu rõ các vấn đề về chương 2 (Trường điện từ), chương 3 (Anten), chương 4 (Anten mảng), chương 6 (Biến ngẫu nhiên), chương 7 (Kênh truyền sóng), đồng thời khảo sát thực tế một số anten cơ bản ở chương 5, ta có thể ứng dụng vào việc ước lượng hướng góc tới ở chương 8 và định dạng búp sóng ở chương 9 (Anten thông minh) nhằm đưa ra các giải pháp phát triển anten thông minh để từ đó áp dụng vào các hệ thống thực tế làm tăng độ phủ sóng và tăng dung lượng của mạng 3G (chương 10) hoặc ứng dụng vào các trạm di động (chương 11) để tăng tốc độ downlink thõa mãn nhu cầu thị trường di động, hoặc xa hơn nữa là ứng dụng anten thông minh trong các hệ thống MIMO (chương 12). Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 375 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng 13.2. Hướng phát triển Do thời gian có hạn, điều kiện và kỹ thuật còn chưa cao nên đề tài chỉ dừng lại ở mức độ lý thuyết về anten thông minh và các vấn đề xoay quanh, đồng thời mô phỏng các giải thuật ước lượng hướng góc tới. Tuy nhiên, lý thuyết về anten mà đặc biệt là anten thông minh và các lý thuyết xoay quanh đó đã được trình bày khá đầy đủ và chi tiết để có thể phát triển đề tài về sau. Sau đây là các hướng phát triển đề tài do nhóm thực hiện đề xuất  Ứng dụng vào WCDMA, xây dựng hệ thống 3G. Có thể chỉ dừng lại ở mức độ ứng dụng vào hệ thống 3G thực tế hoặc cao hơn là mô phỏng hệ thống 3G, nhưng nếu có điều kiện và trang thiết bị đầy đủ, đề tài có thể phát triển lên mức xây dựng hệ thống 3G thực tế.  Hệ thống MIMO là một hệ thống phức tạp, cần kiến thức chuyên sâu. Tuy nhiên, nếu dùng đề tài về anten thông minh này làm điểm tựa, ta có thể phát triển để nghiên cứu hoặc xây dựng hệ thống MIMO. 13.3. Chương trình mô phỏng Chương trình mô phỏng cho đề tài là dùng MATLAB để mô phỏng các phương pháp ước lượng hướng góc tới, đưa ra các giải thuật và so sánh các phương pháp này với nhau. Hình 13.1 là giao diện chính của chương trình, trình bày các thông tin về đề tài đồ án tốt nghiệp. Hình 13.1 Giao diện chính của chương trình mô phỏng Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 376 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Nút START để bắt đầu chương trình mô phỏng, và EXIT để thoát chương trình. Hình 13.2 mô tả giao diện của phần mô phỏng và phần so sánh các thuật toán ước lượng hướng góc tới. Hình 13.2 Giao diện phần mô phỏng các phương pháp ước lượng hướng góc tới. Bảng Parameters là các thông số do người dùng nhập vào để cấp phát dữ liệu cho các thuật toán ước lượng. Các tín hiệu từ 1 đến 6 (Signal 1 đến Signal 6) có thể được bỏ đi nếu không đánh dấu vào ô trước nó. Bảng Algorithms chứa các nút của những giải thuật sẽ được mô phỏng. Sau cùng là nút Back để quay về giao diện chính ban đầu Sau khi đã điền đầy đủ thông số trong bảng Parameters, ta chọn nút Lấy giá trị để lưu các thông số vào chương trình mô phỏng, khi đó các nút mô phỏng giải thuật sẽ ở trạng thái Enable để người dùng có thể thao tác. Khi muốn thay đổi thông số, cần phải nhấn nút Nhập lại để Enable bảng Parameters. Ô check box tên So sánh sẽ làm đồ thị chương trình không mất đi khi nhấn các nút thuật toán khác khi được đánh dấu. Khi đó, người dùng có thể so sánh một cách trực quan các thuật toán dựa theo đồ thị đã được chồng nhau. Nút Xóa để xóa đồ thị nếu cần Và cuối cùng là nút Giải thuật để chuyển đến một giao diện mới, giao diện này sẽ trình bày một cách tóm gọn về phần lưu đồ giải thuật của từng thuật toán. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 377 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng 13.3.1. Ước lượng AOA Bartlett Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới Bartlett sẽ có dạng như đồ thị của hình 13.3. Hình 13.3 Phổ giả của phương pháp ước lượng hướng góc tới Bartlett cho các thông số mặc định của chương trình. Ưu điểm của phương pháp Bartlett này là khá ổn định và thuật toán đơn giản. Tuy nhiên, qua đồ thị ta thấy, nếu hai nguồn tín hiệu cách nhau khoảng trở lên thì mới có thể giải bằng phương pháp Bartlett. Do đó, hạn chế của phương pháp này là số tín hiệu được ước lượng sẽ không chính xác khi các thuê bao di chuyển gần nhau. Herein đã đặt ra giới hạn của phương pháp xấp xỉ Barlett khi dùng để ước lượng hướng góc tới là: các góc có thể dùng được phải nằm trong giới hạn của độ rộng búp sóng nửa công suất. Muốn tăng độ phân giải thì phải có một anten mảng lớn hơn. Đối với anten mảng có độ dài lớn với khoảng cách , độ phân giải hướng góc tới sẽ xấp xỉ 1/M. 13.3.2. Ước lượng AOA Capon Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới Capon sẽ có dạng như đồ thị của hình 13.4. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 378 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Hình 13.4 Phổ giả của phương pháp ước lượng hướng góc tới Capon cho các thông số mặc định của chương trình. Dễ thấy là ước lượng AOA Capon có độ phân giải lớn hơn ước lượng AOA Barlett. Độ ổn định là tương đối vao nhưng không bằng của phương pháp Bartlett, trong trường hợp các nguồn tin cạnh nhau có tính tương quan cao, độ phân giải của Capon thật ra còn trở nên tệ hơn. Việc tìm ra các trọng số Capon là trong điều kiện xem như các nguồn tín hiệu khác là nhiễu. Trường hợp có nhiều tín hiệu có thể xem là các tín hiệu đa đường có biên độ Rayleigh và pha đều, khi đó điều kiện không tương quan sẽ xảy ra và ta sẽ cần đến ước lượng Capon này. Thuận lợi của phương pháp ước lượng Capon và Bartlett là chúng không có tham số và không cần phải biết về các thông số thuộc tính đặc trưng. 13.3.3. Ước lượng AOA dự báo tuyến tính Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới dự báo tuyến tính sẽ có dạng như đồ thị của hình 13.5. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 379 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Hình 13.5 Phổ giả của phương pháp ước lượng hướng góc tới dự báo tuyến tính cho các thông số mặc định của chương trình. Dễ thấy rằng trong các điều kiện này, phương pháp dự đoán tuyến tính cho hiệu quả cao hơn cả ước lượng Bartlett và Capon. Tính hiệu quả đó là phụ thuộc vào phần tử anten mảng nào được chọn và không gian vector con ̅ . Nếu ta chọn các tín hiệu đến có biên độ khác nhau, thì các giá trị đỉnh của phổ dự đoán tuyến tính này sẽ tỉ lệ nghịch với cường độ tín hiệu đến. Do đó, phương pháp dự đoán tuyến tính không chỉ cung cấp thông tin về hướng góc đến mà còn có thông tin về cường độ tín hiệu. 13.3.4. Ước lượng AOA entropy cực đại Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới entropy sẽ có dạng như đồ thị của hình 13.6. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 380 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Hình 13.6 Phổ giả của phương pháp ước lượng hướng góc tới dự báo tuyến tính cho các thông số mặc định của chương trình. Chú ý rằng trong phương pháp entropy cực đại, khi ta chọn cột ̅ từ ma trận ̅ , sẽ cho ra cùng một phổ giả như phương pháp dự đoán tuyến tính. Việc chọn ̅ có thể ảnh hưởng nhiều đến kết quả thu được. Các cột ở giữa của ma trận tương quan mảng nghịch đảo có xu hướng cho ra kết quả tốt hơn với các điều kiện đã đặt ra. 13.3.5. Ước lượng AOA phân tích hài Pisarenko Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới Pisarenko sẽ có dạng như đồ thị của hình 13.7. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 381 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Hình 13.7 Phổ giả của phương pháp ước lượng hướng góc tới Pisarenko cho các thông số mặc định của chương trình. Dễ thấy rằng, bài toán Pisarenko cho ra độ phân giải tốt nhất. Tuy nhiên, nhược điểm của phương pháp này là độ ổn định còn thấp. Cần độ hội tụ cao. 13.3.6. Ước lượng AOA chuẩn bé nhất (Min-norm) Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới Min-Norm sẽ có dạng như đồ thị của hình 13.8. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 382 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Hình 13.8 Phổ giả của phương pháp ước lượng hướng góc tới Min-Norm cho các thông số mặc định của chương trình. Phương pháp Min-Norm chỉ thích hợp cho các anten mảng tuyến tính đồng dạng (ULA). Thấy rằng Phổ giả từ phương pháp chuẩn nhỏ nhất hầu như đồng nhất với phổ giả PHD. Phương pháp chuẩn bé nhất này kết hợp tất cả vector đặc trưng của tín hiệu nhiễu lại trong khi phương pháp PHD chỉ dùng vector đặc trưng của tín hiệu nhiễu đầu tiên. Cũng như phương pháp Pisarenko, độ ổn định của phương pháp Min-Norm còn thấp. 13.3.7. Ước lượng AOA MUSIC Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới MUSIC sẽ có dạng như đồ thị của hình 13.9. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 383 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Hình 13.9 Phổ giả của phương pháp ước lượng hướng góc tới MUSIC cho các thông số mặc định của chương trình. Dễ thấy rằng thuật toán MUSIC cho ra độ phân giải cao và độ ổn định rất lớn. 13.3.8. Ước lượng AOA Root-MUSIC Sau khi nhập các thông số ngõ vào. Phổ giả của phương pháp ước lượng hướng góc tới Root-MUSIC sẽ có dạng như đồ thị của hình 13.10. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 384 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Hình 13.10 Phổ giả của phương pháp ước lượng hướng góc tới Root-MUSIC cho các thông số mặc định của chương trình. Nhìn chung thuật toán MUSIC có thể áp dụng cho bất kỳ anten mảng bất kỳ nào mà không cần quan tâm đến vị trí các phần tử của nó. Thuật toán Root-MUSIC ngụ ý là sẽ thu hẹp lại thuật toán MUSIC để tìm ra các gốc của một đa thức khác với việc chỉ đơn thuần vẽ phổ giả hoặc tìm các đỉnh trong phổ giả. Tuy nhiên, đề tài này không quá chú trọng vào thuật toán Root-MUSIC này, có thể tham khảo ở mục 8.3.8 ở chương 8. 13.3.9. Lưu đồ giải thuật Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 385 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Nhập các thông số Tính ma trận vector lái Ước lượng ma trận tương quan End Bartlett Tính phổ theo công thức Bartlett Hình 13.11 Lưu đồ giải thuật ước lượng hướng góc tới Bartlett Nhập các thông số Tính ma trận vector lái Ước lượng ma trận tương quan Tính phổ theo công thức Capon End Capo Hình 13.12 Lưu đồ giải thuật ước lượng hướng góc tới Capon. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 386 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Nhập các thông số Tính ma trận vector lái Ước lượng ma trận tương quan Chọn anten qui chiếu End Linear prediction Tính phổ theo công thức Bartlett Hình 13.13 Lưu đồ giải thuật ước lượng hướng góc tới dự đoán tuyến tính (Linear Prediction). Nhập các thông số Tính ma trận vector lái Ước lượng ma trận tương quan Chọn 1 cột của MT tương quan End Maximum entropy Tính phổ theo công thức Maximum entropy Hình 13.14 Lưu đồ giải thuật ước lượng hướng góc tới Entropy cực đại. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 387 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Nhập các thông số Tính ma trận vector lái Ước lượng ma trận tương quan Tìm trị riêng của ma trận tương quan End Pisarenko Sắp xếp trị riêng từ nhỏ đến lớn Tính ma trận không gian con nhiễu Tính phổ theo công thức Pisarenko Hình 13.15 Lưu đồ giải thuật ước lượng hướng góc tới phân tích hài Pisarenko. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 388 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Nhập các thông số Tính ma trận vector lái Ước lượng ma trận tương quan Tìm trị riêng của ma trận tương quan End Min-Norm Sắp xếp trị riêng từ nhỏ đến lớn Tính ma trận không gian con nhiễu Tính phổ theo công thức Min-Norm Hình 13.16 Lưu đồ giải thuật ước lượng hướng góc tới Min-Norm. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 389 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Nhập các thông số Tính ma trận vector lái Ước lượng ma trận tương quan Tìm trị riêng của ma trận tương quan End MUSIC Sắp xếp trị riêng từ nhỏ đến lớn Tính ma trận không gian con nhiễu Tính phổ theo công thức MUSIC Hình 13.17 Lưu đồ giải thuật ước lượng hướng góc tới MUSIC. Nghiên cứu, khảo sát và và ứng dụng anten trong thông tin vô tuyến Trang 390 Chương 13 Tổng kết, hướng phát triển và chương trình mô phỏng Nhập thông số Tính ma trận vector lái Ước lượng ma trận tương quan Tìm trị riêng của ma trận tương quan End Root-MUSIC Sắp xếp trị riêng từ nhỏ đến lớn Tính ma trận không gian con nhiễu Tính phổ theo công thức Root-MUSIC Tính ma trận không gian con tín hiệu Hình 13.17 Lưu đồ giải thuật ước lượng hướng góc tới Root-MUSIC.