BAB I PENDAHULUAN
1.1
Latar Belakang Semakin berkembangnya sistem komunikasi bergerak seluler, yang terwujud seiring dengan munculnya berbagai metode akses jamak (FDMA, TDMA, serta CDMA dan turunan-turunannya) yang ada saat ini, menuntut berbagai solusi atas beberapa permasalahan umum yang ada, seperti: 1. Terbatasnya kapasitas user yang dapat mengakses suatu sel secara bersamaan. 2. Multipath fading dan delay spread yang terjadi di kanal propagasi. 3. Adanya co-channel interference (CCI), yang dapat menurunkan kapasitas user dalam suatu sel.[1] Dengan menggunakan teknologi smart antenna, berbagai permasalahan diatas dapat diatasi. Pada aplikasi yang menggunakan antena konvensional berupa
antena
omnidireksional,
pola
pancar
yang
dihasilkan
akan
mengakibatkan banyaknya daya yang terbuang sia-sia karena tidak semuanya mengarah pada user yang diinginkan. Selain itu, berbagai sumber penginterferensi juga akan ditangkap oleh base-station sehingga parameter carrier-to-interference-ratio (CIR) yang ditimbulkan akan semakin kecil. Melalui penggunaan susunan antena yang adaptif (smart antenna),
akan
dapat dicapai beberapa solusi, antara lain: peningkatan kapasitas akibat pengarahan pola pancar yang user-specific sehingga daya pancar dari user dapat dikurangi secara signifikan, serta semakin berkurangnya co-channel interference dan efek multipath fading akibat pengarahan null-beam ke arah tiap penginterferensi dan sinyal multipath.[2] Teknologi smart antenna membutuhkan suatu algoritma pemrosesan yang memiliki kecepatan dan akurasi yang sangat tinggi. Dalam tugas akhir ini akan diuji kinerja suatu algoritma yang dikenal dengan istilah eigenbeamforming. Algoritma ini mampu menghitung secara cepat himpunan vektor eigen yang dapat digunakan sebagai suatu vektor pembobotan yang
1
BAB I PENDAHULUAN
2
digunakan untuk membentuk pola pancar baru dari susunan antena ke arah user secara spesifik. Untuk mengimplementasikan algoritma eigenbeamforming tersebut, diperlukan suatu prosesor pengolah sinyal yang handal, cepat, dan memiliki akurasi yang tinggi. Dalam tugas akhir ini, algoritma eigenbeamforming akan diuji kinerjanya sebagai persiapan untuk implementasi pada prosesor pengolah sinyal digital Texas Instruments TMS320VC33. Prosesor ini dipilih karena memiliki berbagai keunggulan, antara lain: desain arsitektur Harvard dimana data dan program dipetakan pada memori yang saling terpisah sehingga masing-masing dapat diakses secara cepat, teknologi advanced ICprocessing untuk kinerja tinggi dan konsumsi daya yang rendah, set instruksi yang dikembangkan untuk kecepatan algoritma yang tinggi dan pemakaian bahasa pemrograman tingkat tinggi, serta port I/O full-duplex dan sinkron yang didesain untuk dapat diprogram sesuai dengan aplikasi yang lebih spesifik. [3]
1.2
Batasan Masalah Adapun batasan dari masalah yang akan dibahas dalam tugas akhir ini meliputi, antara lain: 1.
Algoritma untuk aplikasi smart antenna yang akan dipakai ialah algoritma eigenbeamforming.
2.
Proses estimasi arah kedatangan (Angle-of-Arrival) sinyal dari user tidak dilakukan, sehingga diasumsikan arah kedatangan tiap user selalu diketahui di BTS.
3.
Perangkat keras yang digunakan untuk implementasi mencakup, antara lain: sebuah komputer (PC), prosesor Texas Instruments TMS320VC33, dan sebuah kabel data paralel yang menghubungkan masukan dan keluaran prosesor TMS320VC33 dari dan ke PC melalui port paralel.
4.
Lingkup implementasi yang dibahas dalam tugas akhir ini hanya berupa perangkat keras pengolah sinyal untuk aplikasi smart antenna, tanpa melibatkan perangkat keras pendukung lainnya, seperti: susunan
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
3
antena, penggeser fasa dan pembagi daya adaptif, serta down converter. 5.
Masukan prosesor pengolah sinyal hanya berasal dari PC yang berupa data digital simulasi yang serupa dengan kondisi sistem smart antenna sebenarnya yang ada di lapangan.
6.
Keluaran dari prosesor pengolah sinyal hanya akan masuk kembali ke PC untuk diuji dan dianalisis dengan software MATLAB melalui berbagai parameter uji kinerja.
7.
Tidak membahas pengaruh impedansi gandeng antena, proses penyepadanan impedansi, dan skema sistem pencatuan antara susunan antena.
8.
Parameter kinerja yang akan diujikan, antara lain: pengaruh akurasi estimasi kanal pada pengarahan pola radiasi maksimum, pengaruh sudut pisah antara dua user yang berdekatan terhadap pola radiasi susunan antena, dan pengaruh lingkungan multi-user terhadap kinerja algoritma eigenbeamforming dilihat dari parameter Signal-to-Noiseand-Interference Ratio (SNIR).
9.
Susunan antena terdiri atas 4 antena dipole yang disusun linier dan memiliki spasi seragam antar elemen-elemennya, yaitu 0,5 panjang gelombang.
10. Pengujian kinerja algoritma eigenbeamforming pada tugas akhir ini lebih difokuskan pada karakteristik spasialnya, seperti: pola radiasi, gain relatif terhadap arah maksimum pola radiasi, kesalahan pengarahan maksima (pointing error), dan derajat kebebasan (degree of freedom) pengarahan maksima. 11. Kinerja algoritma eigenbeamforming akan dievaluasi pada tiga model sel yang masing-masing mengkarakterisasi kondisi correlated, partially-correlated, dan uncorrelated, yaitu macrocell, microcell, dan picocell. 12. Proses modulasi passband, scrambling, interleaving, RF processing di pemancar berikut invers-process-nya di penerima, seperti: akuisisi dan
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
4
tracking, carrier recovery, de-modulasi, dan sebagainya diasumsikan terjadi secara sempurna. 13. Proses power control diasumsikan terjadi secara sempurna. 14. Feedback error kanal uplink berasal dari kontribusi kanal AWGN dan Rayleigh. 15. Jumlah penginterferensi dalam simulasi dibatasi antara 1 hingga 7, dimana setiap penginterferensi merupakan sesama user yang juga terdapat modul eigenbeamforming dan sama-sama mengharapkan pengarahan maksimum pola radiasi ke posisinya saat itu. 16. Yang disimulasikan hanya kanal pilot tanpa melibatkan kanal data/voice, sehingga bobot susunan adaptif tidak diterapkan ke kanal pilot tersebut. 17. Sistem komunikasi bergerak seluler yang dipakai sebagai acuan simulasi perangkat keras smart antenna ini adalah sistem WCDMA (ETSI/3GPP UMTS Release 6).
1.3
Rumusan Masalah Adapun berbagai rumusan dari permasalahan yang akan dibahas dalam tugas akhir ini, antara lain: 1. Sejauh mana pengaruh forgetting factor terhadap pengarahan pola radiasi, dan berapakah harga optimalnya masing-masing untuk kondisi macrocell, microcell, dan picocell? 2. Bagaimanakah pengaruh akurasi proses estimasi kanal di MS (mobile station) terhadap pengarahan dan pembentukan pola radiasi? 3. Sejauh manakah pengaruh sudut pisah spasial antara 2 user yang berdekatan terhadap pembentukan dan pengarahan pola radiasi? Berapakah harga sudut pisah spasial minimum antara 2 user yang berdekatan sehingga pola radiasinya masih bisa memberikan resolusi cukup baik terhadap keduanya? 4. Sejauh manakah derajat kebebasan (degree of freedom) pengarahan dan pembentukan pola radiasi arah maksimum jika ditinjau dari seluruh arah azimuth?
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
5. Bagaimanakah
5
kinerja
algoritma
eigenbeamforming
dalam
lingkungan multi-user, jika dilihat dari parameter kinerja SNIR arah downlink-nya?
1.4
Tujuan Penelitian Adapun tujuan dari penelitian yang dilakukan dalam tugas akhir ini, antara lain: 1. Menganalisis kinerja algoritma eigenbeamforming sebagai prapengujian untuk implementasi aplikasi smart antenna pada prosesor pengolah sinyal digital Texas Instruments TMS320VC33. 2. Mengetahui berbagai permasalahan yang timbul dalam proses simulasi pengujian kinerja algoritma tersebut. 3. Mengetahui baik secara kuantitatif maupun kualitatif, kinerja dari algoritma tersebut, khususnya yang berhubungan erat dengan karakter spasialnya, seperti: pola radiasi susunan antena, pengaruh akurasi estimasi kanal terhadap pengarahan dan pembentukan pola radiasi maksimum, pengaruh sudut pisah spasial antar dua user yang berdekatan, serta pengaruh lingkungan multi-user terhadap kinerja algoritma eigenbeamforming dilihat dari parameter Signal-to-Noiseand-Interference Ratio (SNIR)-nya. 4. Mengetahui parameter-parameter yang akan membatasi kinerja algoritma eigenbeamforming setelah diimplementasikan di prosesor pengolah sinyal TMS320VC33.
1.5
Manfaat Penelitian Manfaat dari tugas akhir ini, antara lain: 1. Membantu meningkatkan mutu penelitian di bidang antena di jurusan Teknik Elektro, STT Telkom, khususnya pada aplikasi smart antenna untuk sistem komunikasi bergerak seluler CDMA. 2. Dapat meningkatkan level penelitian tentang perangkat smart antenna dari level simulasi perangkat lunak ke level simulasi perangkat keras.
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
6
3. Hasil dari simulasi uji kinerja algoritma smart antenna ini nantinya dapat
direkomendasikan
implementasi
algoritma
sebagai
evaluasi
eigenbeamforming
terhadap
rencana
pada
prosesor
TMS320VC33.
1.6
Hipotesis Adapun rumusan hipotesis dari penelitian ini akan dijabarkan melalui poin berikut ini:
Algoritma eigenbeamforming dapat mengoptimalkan pembentukan dan pengarahan pola radiasi maksimum ke arah user untuk setiap sudut arah azimuth.
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
1.7
7
Metode Penelitian Metode penelitian yang digunakan dalam tugas akhir ini dapat dibagi menjadi beberapa tahap, yaitu:
1.
Studi Pustaka Studi pustaka ini dilakukan untuk mengetahui keseluruhan parameter yang dibutuhkan dalam tahap perancangan dan pembuatan model simulasi. Studi ini juga ditujukan untuk mengetahui segala kemungkinan yang bisa dilakukan dalam peningkatan kinerja sistem yang akan diimplementasikan. Studi ini dilakukan dengan mencari buku-buku referensi yang terkait, mendownload informasi yang ada di Internet, berdiskusi dengan dosen pembimbing,
serta
berkorespondensi
dengan
pihak-pihak
yang
berpengalaman dalam implementasi sistem smart antenna. 2.
Perancangan Spesifikasi dan Pemodelan Dalam tahapan ini, akan dicoba untuk membangun suatu spesifikasi teknis ideal seperti yang ada di lapangan, dengan menggunakan berbagai parameter yang diketahui dari studi pustaka. Setelah itu, spesifikasi tersebut akan dikonversi menjadi sebuah model simulasi sesuai dengan perangkat yang tersedia dan sesuai dengan batasan masalah dalam tugas akhir ini.
a.
Target Model Adapun target spesifikasi teknis dari perangkat keras sistem simulasi smart antenna, dapat diuraikan dalam model berikut ini:
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
8
Gambar 1.1 Spesifikasi model b.
Model Simulasi Hasil Penyederhanaan Hasil dari konversi spesifikasi teknis menjadi sebuah model simulasi yang disederhanakan, dapat digambarkan melalui blok diagram berikut ini: PC dengan Software MATLAB
Kanal
Proses BTS
Port Paralel `
Output Proses di MS
Prosesor Texas Instruments TMS320VC33
Input
Gambar 1.2 Spesifikasi model perangkat keras
3.
Perencanaan Implementasi
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
9
Adapun berbagai perencanaan langkah-langkah yang akan ditempuh dalam implementasi, antara lain: a.
Melakukan
analisis
terhadap
algoritma
eigenbeamforming
untuk
mengetahui berbagai parameter-parameter masukan dan keluaran setiap fungsi yang berperan dalam menyusun algoritma tersebut. b.
Menyesuaikan parameter-parameter algoritma tersebut dengan spesifikasi perangkat keras pengolah sinyal digital Texas Instruments TMS320VC33.
c.
Melakukan estimasi jumlah port prosesor TMS320VC33 yang dibutuhkan untuk mengakomodasi berbagai parameter masukan dan keluaran algoritma eigenbeamforming yang dipakai.
d.
Melakukan uji kinerja algoritma eigenbeamforming untuk mengetahui berbagai batasan-batasan yang dapat dijadikan kunci indikasi performansi dari algoritma tersebut.
e.
Mengevaluasi berbagai parameter desain sistem, dan melakukan suatu tindak lanjut berupa perbaikan desain sedemikian rupa, sehingga didapat hasil yang lebih optimal.
4.
Pengujian Kinerja Algoritma Hasil perencanaan kemudian akan diuji sesuai dengan model lingkungan propagasi nirkabel yang telah dirancang sebelumnya. Berbagai parameter yang akan diuji beserta metode pengujiannya, meliputi:
a.
Forgetting Factor Optimal Untuk menguji parameter ini, akan disimulasikan beberapa nilai forgetting factor untuk setiap kombinasi kecepatan user dalam satu tipe sel. Nilai forgetting factor yang terpilih untuk sebuah tipe sel adalah yang memberikan rataan error pengarahan maxima paling kecil.
b.
Pola Radiasi Susunan Antena Data hasil simulasi yang keluar dari modul proses eigenbeamforming berupa vektor pembobotan antena susunan, akan diterjemahkan secara matematis sebagai masukan fungsi dari diagram arah antena susunan. Dengan software MATLAB, keluaran fungsi tersebut dapat kemudian diterjemahkan lagi ke dalam bentuk grafik pola radiasi susunan antena.
c.
Pengaruh Akurasi Proses Estimasi Kanal Downlink di MS
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
10
Proses estimasi kanal downlink yang terjadi di MS sangat dipengaruhi oleh thermal noise perangkat MS tersebut. Oleh karena itu, besaran thermal noise yang terdistribusi Gaussian akan disimulasikan dengan nilai SNR yang di-set berbeda-beda. Setelah itu akan dilihatlah sejauh mana besaran tersebut dapat mempengaruhi proses pembentukan dan pengarahan pola radiasi antena susunan. d.
Pengaruh Sudut Pisah Spasial 2 User Yang Berdekatan Pengujian ini akan dilakukan dengan mensimulasikan 2 user, satu dianggap sebagai user yang diinginkan dan yang lainnya dianggap sebagai user penginterferensi yang juga memerlukan maksima dari pola radiasi BTS. Angle of Arrival dari kedua user ini akan saling didekatkan dan sambil mengamati plot pola radiasi yang terjadi, akan ditentukan sampai berapa derajatkah sudut pisah minimal dimana pola radiasi yang terbentuk masih bisa membedakan kedua user tersebut.
e.
Derajat Kebebasan Pembentukan dan Pengarahan Maxima Dengan menganalisis pola radiasi yang dihasilkan susunan antena setelah diboboti oleh vektor pembobotan, akan terlihat sejauh mana kemampuan sistem untuk menghasilkan pola radiasi arah maksimum ke seluruh kemungkinan angle of arrival (AoA) di arah azimuth. Dari hasil pengujian ini, akan didapatkan kombinasi sudut AoA yang tidak dapat diarahkan dengan pola radiasi maksimum yang selanjutnya menjadi batasan kebebasan sistem untuk mengarahkan maxima ke user yang diinginkan.
f.
Pengaruh Multi-User terhadap Kinerja Eigenbeamforming Dalam menguji hasil simulasi, akan dicoba untuk memvariasikan banyaknya user yang sedang mengakses, mulai dari satu user hingga 8 user, sedemikian rupa sehingga SNIR downlink yang terjadi di setiap user akan berkurang. Proses ini diharapkan mampu memberikan gambaran pengaruh
lingkungan
multi-user
terhadap
kinerja
algoritma
eigenbeamforming. 5.
Analisis Hasil Pengujian Hasil uji kemudian akan dianalisis dengan membandingkan berbagai parameter yang berkaitan dengan kesesuaian kondisi nyata yang terjadi di
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
11
lapangan, seperti: SNR, pola radiasi susunan antena, sudut pisah spasial 2 user yang berdekatan, serta pengaruh lingkungan multi-user terhadap kinerja
eigenbeamforming.
Hasil
analisis
akan
digunakan
untuk
menentukan batasan-batasan implementasi selanjutnya di prosesor Texas Instruments TMS320VC33 untuk aplikasi smart antenna.
1.8
Sistematika Penulisan Sistematika penulisan yang diterapkan pada tugas akhir ini dapat diuraikan dalam beberapa bagian, seperti berikut ini: BAB I
Pendahuluan Bab ini akan berisi latar belakang permasalahan, batasan dan rumusan masalah, tujuan dan manfaat, hipotesis, serta metodologi penelitian dan sistematika penulisan tugas akhir ini.
BAB II
Landasan Teori Berbagai teori mengenai antena susunan, pola radiasi, sistem smart antenna, algoritma eigenbeamforming, sistem prosesor pengolah sinyal digital TMS320VC33, serta sekilas tentang berbagai parameter pengujian sistem akan dibahas di bab ini.
BAB III
Pembuatan Model dan Perancangan Sistem Pada bab ini akan diuraikan seluruh proses yang terjadi dalam pembuatan model simulasi serta perancangan sistem
untuk
mengimplementasikan
algoritma
eigenbeamforming ke dalam prosesor TMS320VC33. BAB IV
Analisis Kinerja Sistem Hasil dari proses uji kinerja akan diuraikan di bab ini, lengkap dengan data-data hasil pengujian. Data-data tersebut dianalisis sesuai dengan berbagai parameter uji kinerja sistem yang disebutkan dalam bagian rumusan masalah.
BAB V
Kesimpulan dan Saran
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33
BAB I PENDAHULUAN
12
Berbagai kesimpulan dari keseluruhan jawaban atas rumusan masalah akan diuraikan secara ringkas dan jelas di bab ini. Berbagai saran untuk penelitian di masa yang akan datang juga diuraikan secara ringkas dalam bab ini.
Studi Kinerja Algoritma Eigenbeamforming Untuk Implementasi Aplikasi Smart Antenna Menggunakan Prosesor TMS320VC33