Estimasi Kanal Mobile-to-Mobile dengan Pendekatan Polinomial untuk Mitigasi ICI pada Sistem OFDM Nama NRP
: Mulyono : 2210203007
Pembimbing : 1. Prof. Ir. Gamantyo Hendrantoro, Ph.D 2. Ir. Titiek Suryani, MT
Lab. Antena dan Propagasi Telekomunikasi Multimedia Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2012
Outline • • • • • • • • • •
Latar Belakang Permasalahan Tujuan Batasan Masalah Penelitian Sebelumnya Dasar Teori Metodologi Simulasi dan Analisa Hasil Kesimpulan Daftar Pustaka
Latar Belakang Sistem OFDM
Keuntungan:
Memiliki efisiensi bandwidth yang tinggi
Kerugian:
Sensitif terhadap kesalahan frekuensi offset
Kanal
Mobile-to-fix
Mobile-to-mobile
Efek Doppler
Frekuensi Offset Johann Christian Doppler 1803-1853
ICI
Mendapatkan karakteristik kanal yang disebabkan oleh Doppler
Melakukan estimasi
Permasalahan • Mengestimasi kanal mobile-to-mobile yang berubah dengan cepat setiap waktu pada sistem OFDM • Membandingkan dua metode pendekatan untuk estimasi kanal mobile-to-mobile pada sistem OFDM: Interpolasi Linier Interpolasi Polinomial
Tujuan • Mendapatkan suatu koefisien yang akan digunakan sebagai referensi pada mitigasi yang menggunakan ZF Equalizer • Untuk mengurangi ICI yang terjadi pada kanal mobile-to-mobile pada sistem OFDM
Batasan Masalah Batasan permasalahan pada penelitian ini adalah sebagai berikut: • Kinerja estimasi berdasarkan MSE • Kinerja mitigasi ICI berdasarkan BER • Menggunakan kanal mobile-to-mobile rayleigh fading • Menggunakan kanal satu lintasan • Interpolasi linier menggunakan Spline orde satu (Piecewise Linear) dan interpolasi polinomial menggunakan Spline orde tiga (Spline Cubic). • Menggunakan modulasi QPSK • Menggunakan ZF Equalizer
Penelitian Sebelumnya Moose : Mengusulkan suatu skema untuk memperkirakan CFO dengan cara mengulangi simbol data dan membandingkan fase setiap subcarrier antar simbol
1994
Van de Beek : Mengembangkan metode Maximum-likelihood (ML) estimator dengan cara memanfaatkan redudansi pada CP
1997
2002
2005
2009
Coleri : Menggunakan metode estimasi berbasis pilot tipe blok dan pilot tipe comb
Ng Fan dan Xiaohua Li : Melakukan Joint ICI Mitigation dan STBC Decoding dengan menggunakan teknik Alamouti STBC
Syrjala : Menggunakan metode LI-CPE dan metode LI-TE untuk mengurangi dampak dari ICI
Dasar teori Sistem OFDM
Gambar 1 Diagram blok sistem baseband OFDM
Pemodelan Kanal
Gambar 2 Contoh scattering pada kanal radio mobile [1]
Pemodelan Kanal Kanal rayleigh fading pada sistem komunikasi mobile-to-mobile [2]:
2 NM
g (t ) =
αn =
N
M
n =1
m =1
∑ ∑ exp[ j{2πf
1
cos(α n )t + 2πf 2 cos(β m )t + θ nm }]
2πm − π + θ 4N
2πm − π + ψ 4M
β m = 2
Kanal bersifat non line-of-sight propagation (NLOS)
Intercarrier interference (ICI) Ada dua faktor yang menyebabkan terjadinya ICI yaitu: Frekuensi offset Frekuensi offset terjadi karena adanya pergeseran pada kanal mobile [3]. Time varian Time varian dihasilkan oleh mobilitas stasiun penerima [1].
Doppler
pemancar
atau
Doppler shift (Pergeseran Doppler) Doppler shift merupakan Pergeseran dari frekuensi sinyal dipenerima mobile yang disebabkan oleh gerakan
Gambar 3 Contoh dari Doppler shift
Estimasi untuk pilot tipe comb [4] Berdasarkan Least Square (LS)
X (k ) = X (mL + l ) =
{
x p (m ) l =0 inf .data l =1,..., L −1
N L= Np
Yp (mL ) Hˆ p (m ) = X p (mL )
m = 0,1,..., N p − 1
Interpolasi Interpolasi merupakan suatu cara untuk mendapatkan nilai diantara beberapa titik data yang telah diketahui. Untuk mendapatkan nilai tersebut dapat menggunakan pendekatan garis lurus (linier) dan polinomial.
Piecewise Linear Interpolation
Spline Cubic Interpolation
4
4
3.5
3.5
3
3
2.5
2.5
2
2
1.5
1.5
1
0
0.5
1
1.5
2
2.5
Gambar 4 Interpolasi linier
3
1
0
0.5
1
1.5
2
2.5
Gambar 5 Interpolasi polinomial
3
Mitigasi ICI Menggunakan zero forcing equalizer (ZF)
Gambar 6 Diagram dari ZF equalizer
Vk = X k H k + Wk Yk = Vk Qk Qk =
1 Hk
Metodologi Estimasi
Menggunakan pendekatan Least Square (LS)
Interpolasi
Mitigasi Kinerja Estimasi Kinerja Mitigasi
Menggunakan pendekatan linier yaitu dengan piecewise linear dan pendekatan polinomial dengan spline cubic
Menggunakan zero forcing equalizer
Kinerja estimasi dapat diperoleh berdasarkan MSE vs Fd
Kinerja mitigasi dapat diperoleh berdasarkan BER vs Eb/No
Simulasi dan Analisa Hasil Simulasi dilakukan dengan menggunakan bahasa pemrograman Matlab. Data diperoleh berdasarkan simulasi yang dilakukan sebanyak 50 kali iterasi. Untuk melihat pengaruh Doppler terhadap unjuk kerja dari sistem dibuatlah frekuensi Doppler (Fd) yang bervariasi. Kanal mobile-to-mobile menggunakan N = M = 8. Mean square error (MSE) didapat berdasarkan rumus berikut:
2 N ∑ hep − h MSE = n=1 N dimana : hep : Estimasi kanal h : Respon impuls kanal N : Jumlah simbol
Hasil Simulasi Estimasi kanal Mobile-to-Mobile dengan Fd = 0.3
MSE vs Fd
-2
10
3 Pilot Respon Impuls linier Polynomial
2
1 -3
MSE
Amplitudo
10 0
-1 -4
Spline M2M Piecewise linear M2M Spline M2F Piecewise linear M2F
10 -2
-3
0
500
1000 1500 Simbol ke-n
2000
2500
Gambar 7 Interpolasi dengan pendekatan linier dan polinomial untuk 𝐹𝑑 = 0.3 pada kanal mobile-tomobile
0.04
0.06
0.08
0.1
0.12
0.14 Fd
0.16
0.18
0.2
0.22
Gambar 8 Grafik MSE vs 𝐹𝑑 pada kanal mobile-tomobile dan kanal mobile-to-fix
0.24
BER vs Eb/No pada kanal mobile-to-mobile
0
10
-1
-1
10
-2
BER
BER
10
10
-3
10
-4
10
BER vs Eb/No pada kanal mobile-to-mobile
0
10
0
Fd = 0.05 Fd = 0.1 Fd = 0.2 Fd = 0.3 Fd = 0.4 Fd = 0.5
-2
10
Fd = 0.05 Fd = 0.1 Fd = 0.2 Fd = 0.3 Fd = 0.4 Fd = 0.5
-3
10
-4
5
10
15
20 Eb/No
25
30
35
40
Gambar 9 Grafik BER vs Eb/No Pada kanal mobile-to-mobile menggunakan interpolasi dengan pendekatan linier
10
0
5
10
15
20 Eb/No
25
30
35
Gambar 10 Grafik BER vs Eb/No Pada kanal mobile-tomobile menggunakan interpolasi dengan pendekatan polinomial
40
BER vs Eb/No pada kanal mobile-to-mobile dengan perfect estimation
0
BER vs Eb/No pada kanal mobile-to-mobile dengan perfect estimation
0
10
10
-1
-1
10
10
-2
-2
10
BER
BER
10
-3
-3
10
10 Fd = Fd = Fd = Fd = Fd = Fd =
-4
10
-5
10
0.05 0.1 0.2 0.3 0.4 0.5
Fd = Fd = Fd = Fd = Fd = Fd =
-4
10
-5
0
5
10
15
20 Eb/No
25
30
35
Gambar 11 Grafik BER vs Eb/No Pada kanal mobile-tomobile menggunakan interpolasi dengan pendekatan linier dan estimasi sempurna
40
10
0
5
0.05 0.1 0.2 0.3 0.4 0.5 10
15
20 Eb/No
25
30
35
Gambar 12 Grafik BER vs Eb/No Pada kanal mobile-tomobile menggunakan interpolasi dengan pendekatan polinomial dan estimasi sempurna
40
BER vs Eb/No pada kanal mobile-to-mobile dengan Fd = 0.3
0
BER vs Eb/No pada kanal mobile-to-mobile dengan Fd = 0.3
0
10
10 Linier a = 0.5 Linier a = 1.5 Polinomial a = 0.5 Polinomial a = 1.5
Linier a = 0.5 Linier a = 1.5 Polinomial a = 0.5 Polinomial a = 1.5
-1
10
-1
BER
BER
10
-2
10
-2
10
-3
10
-3
10
-4
0
5
10
15
20 Eb/No
25
30
35
Gambar 13 Grafik BER vs Eb/No Pada kanal mobile-tomobile dengan nilai a yang berbeda
40
10
0
5
10
15
20 Eb/No
25
30
35
40
Gambar 14 Grafik BER vs Eb/No Pada kanal mobile-tomobile dengan estimasi sempuran dan nilai a yang berbeda
BER vs Eb/No pada kanal mobile-to-mobile dengan Fd = 0.3
0
10
Polinomial a = 0.5 Polinomial a = 1.5 Polinomial PE a = 0.5 Polinomial PE a = 1.5
-1
BER
10
-2
10
-3
10
-4
10
0
5
10
15
20 Eb/No
25
30
35
40
Gambar 15 Grafik BER vs Eb/No Pada kanal mobile-to-mobile dengan nilai a yang berbeda
Kesimpulan Berdasarkan hasil dari simulasi dapat disimpulkan bahwa estimasi kanal sangat dipengaruhi oleh besarnya nilai frekuensi Doppler. Besarnya nilai MSE sangat dipengaruhi oleh teknik interpolasi yang digunakan. Untuk nilai frekuensi Doppler ternormalisasi kecil dari 0.1 interpolasi dengan pendekatan linier memiliki kinerja yang lebih baik dibanding interpolasi dengan pendekatan polinomial. Sedangkan Untuk nilai frekuensi Doppler ternormalisasi besar dari 0.1 interpolasi dengan pendekatan polinomial memiliki kinerja yang lebih baik dibanding interpolasi dengan pendekatan linier. Mitigasi ICI yang menggunakan interpolasi dengan pendekatan polinomial pada kanal mobile-to-fix rayleigh fading maupun pada kanal mobile-to-mobile rayleigh fading hanya mampu bertahan pada frekuensi Doppler ternormalisasi 0.3 dengan nilai BER 10-2. Mitigasi ICI yang menggunakan interpolasi dengan pendekatan polinomial dengan estimasi sempurna baik kanal mobile-to-fix rayleigh fading maupun pada kanal mobile-to-mobile rayleigh fading hanya mampu bertahan pada frekuensi Doppler ternormalisasi 0.4 dengan nilai BER 10-2. Pada estimasi kanal biasa frekuensi Doppler di penerima memiliki pengaruh yang lebih besar dibanding frekuensi Doppler di pengirim. Sedangkan pada estimasi kanal sempurna frekuensi Doppler di pengirim memiliki pengaruh yang lebih besar dibanding frekuensi Doppler di penerima.
Daftar Pustaka [1] Patel C. S. (2006), "Wireless Channel Modeling,Simulation, and Estimation", Thesis School of Electrical and Computer Engineering, Georgia Institute of Technology, May 2006. [2] Patel C. S., Gordon L. S., Thomas G. P. (2006), “Statistical Properties of Amplify and Forward Relay Fading Channels”, IEEE Trans. On Vehicular Technology, vol. 55, no. 1, Jan. 2006. [3] Patel C. S., Gordon L. S., Thomas G. P. (2006), “Simulation of RayleighFaded Mobile-to-Mobile Communication Channels”, IEEE Trans. On Communications, vol. 53, No. 11, Nov. 2005. [4] H. Miin-Jong, “Hao Miin-Jong (2007), ” Decision Feedback Frequency Offset Estimation and Tracking for General ICI SelfCancellation Based OFDM Systems”, IEEE Trans. On Broadcasting, vol. 53, no. 2, June 2007. [5] Wang Fei (2011), “Pilot-Based Channel Estimation in OFDM System”, Thesis University of Toledo. [6] Shen Y., Ed Martinez (2006), “Channel Estimation in OFDM Systems”, Freescale Semiconductor, Inc. [7] Coleri, S., Mustafa E., Anuj P., Ahmad B. (2002), “A Study of Channel Estimation in OFDM Systems”, IEEE Vehicular Technology Conference, vol. 2, pp. 894-898, Dec. 2002.
