MIMO áttekintés

Vezeték nélküli technológiák térhódítása

›Rádió

›BlueTooth

›Infra

›Wifi

Előnyök a vezetékes rendszerekkelszemben

›Olcsó kiépítés

›Olcsó karbantartás

›Mobil eszközök elterjedése

Vezeték nélküli technológiák korlátai

›Korlátozott sávszélesség

›Zajos átvitel okozta hibák

A fenti két paraméter általában egymásrovására javítható

Wireless technológiák javítása: MIMO technológia

A MIMO rendszerek egyszerűen definiálva:Olyan vezeték nélküli kommunikációsrendszer, ahol mind a fogadó, mind a küldőoldalon több antennán keresztül folyik akommunikáció.

Alapötlet: Space-Time Processing

›Idő: A természetes dimenziója a digitáliskommunikációnak

›Tér: A több, térben elhelyezett antennábóladódó újabb átviteli dimenzió

Elméleti korlátok

›Analitikus eredmények

›Kapacitás elméleti korlátai

›Eredmények finomítása

Üzenetküldés

›Általános szempontok

›Megbízhatóság maximalizálása

›Átvitel maximalizálása

›Visszacsatolásos megoldások

MIMO csatorna modellezése

›Pszeudo statikus keskeny sávú MIMOcsatorna

›Térbeli korreláció hatása

›Időben változó, szélessávú MIMO csatorna

›Standardizált modellek

MIMO alkalmazásai (modern 3G-srendszerek)

›Háttér

›Konkrét megvalósítási megfontolások

Használjuk ki a több úton terjedőüzeneteket!

Így csatorna vektor helyett csatornamátrixunk van, amelynek egyikdimenziója az idő a másik a térbelieltérés

Többlet információk

Több stream indítása, vagy CDMA(Code Division multipleAcces)megközelítés

Kapacitás Különböző architektúrákon

SISOAhol h a normalizált komplex jelerősség(gain) a fix, vagy véletlenített csatornának.P az SNR (Signal to Noise Ratio) a fogadóantennán

SIMO (M RX)

MISO (N TX)

MIMO N db. TX és M db. RX antennáraLineáris növekedés: m=min(M,N)

Az alap képlet:r=Hs + nahol r a fogadott vektor, s a küldöttvektor n a zaj, H pedig a csatorna-mátrix

Számolnunk kell a saját magunk általkeltett interferenciával:Ahol Q a kovariancia mátrixa az svektornak. Optimális esetben az eredetitkapjuk vissza.

Ha a csatorna tulajdonságok ismertek aküldő oldalon.

Ahol µ értékét úgy választjuk, hogyteljesítse:

Érdekes hatás: Erősebb LOS -> rosszabbkapacitás. A sajátértékek miatt.

Visszacsatolás és sok antenna esetén, haaz SNR

›>10dB: 30%-os nyereség

›>0dB de < 10dB: 60%-os nyereség

›< 0dB: Akár 200%-os nyereség

Ebben az esetben a hiányzó értékeketvalószínűségi függvényekkel közelítjük,vagy feltételezésekkel élünk a csatornatulajdonságairól. A kapott eredményekitt is azt mutatják, hogy a magas LOSrontja a kapacitást

Két fő iránylev:

›Átvitel maximalizálás: Itt az általánoskapacitás növelése a cél

›Megbízhatóság (Diversity) maximalizálás: Akülönböző streamek együtt vannak kódolva,hogy minimalizálják a hibák számát.

›Space-Time Codes(STC)

Space-Time Block Codes (STBC)

Space-Time Trellis Codes (STTC)

Minden s.l inputra a ST kódoló előállít egyN hosszú szimbólumsorozatot:cl=[c.l1, c.l2, …. C.lN] transzponált

Ebből áll elő a kód mátrix:C={c.1, c.2, …. C.L}

A megérkezett mátrix legyen C’, ebbenhibák is vannak.

Ekkor számolható egy hiba mátrix:

Ekkor a hibás eredmény elfogadásánakesélye:

Ahol a E.s a szimbólum-energia, N.0 a zajsűrűség, r a hiba mátrix (A) rangja, és β.i-k pedig A sajátértékei.

Cél az r maximalizálása, a maximáliskódolási nyereség eléréséhez.

Az egyszerűbb dekódolás érdekébenalkalmazhatunk blokk kódokat is.

A blokk kódok lényege, hogy a csatornamátrixot egy ortogonális mátrixkéntdefiniáljuk, és így a már korábbitanulmányokból ismert eljárássalellenőrizhetjük a kapott üzenethelyességét.

MIMO esetén szükséges kiegészítés, hogya csatorna mátrix nem feltétlenül NxN-es.

Ilyenkor időbeli bontást végzünk.

A dekódoláshoz szükség van a fogadóoldalon is csatorna információkra.

Átvitel maximalizálása térbeli multiplexálással

Egyszerű megközelítés: Minden antennakülönálló folyamokat továbbít.

Probléma: Fogadó oldalon hogyanválasszuk szét a folyamokat?

Zero Forcing technika: Inverzel kódolvissza, nagyon rossz kondíciós számokkaldolgozik(LOS).

Maximum LikleHood, ahol a fogadóösszehasonlítja az összes valószínűelküldött üzenetet-

›Bonyolult dekódolás

Blind-Detection: Ha nincs csatornainformáció. Főként a számítást növelimeg, kisebb mértékben a BER-t (Bit ErrorRate)

A két paraméter csak egymás rovásárajavítható

De nem zárja ki egyik a másikat, vannakkevert megoldások, amik egy adottsávszélesség nyerség mellé bizonyos fokúmegbízhatóságot is garantálnak.

Több antenna esetén érdemes a térbelimultiplexálásra helyezni a hangsúlyt

Alapvetően azt láthatjuk, hogy nemszükséges küldő oldalon ismerni acsatorna információkat

Vanna próbálkozások, hogy ígyoptimalizáljunk

Cél BER minimalizálása

Mivel a MIMO-algoritmusok rendkívülérzékenyek a csatorna mátrixtulajdonságaira, ezért a csatorna modellmegválasztása előtérbe került.

Szempontok

›Összekapcsolt antennák közti korreláció

›A csatorna mátrix kondíciós száma

Pszeudo-statikus, keskeny-sávú MIMO csatorna

Line of Sight component model

Itt a mátrixot két tag összegeként írjuk fel:H=H.los + H.nlos

Ricean K faktor: A LOS és az NLOSkomponens fő foka közti arány.Általában minél nagyobb, annál jobb.

Azonban MIMO rendszerekben csökkentia térbeliség nyújtotta előnyöket

Kültéri környezetben a K értékeáltalában nagyobb, tehát az NLOSkevésbé domináns. (Kevesebbtereptárgy, nagyobb távolságok)

Beltéri környezetben viszont a MIMOelőnyei jobban megjelennek

Problémák multipath esetén

A tapasztalatok szerint a két antennanem kerül korrelációba szabadtérikörnyezetben

Tehát a két antenna esetén apolarizáltság megoldás lehet a kültérokozta problémákra.

Egyéb antenna elhelyezési megközelítések

Ortogonális elhelyezés

Effective degrees of Freedome

Időben változó, szélessávú MIMO csatorna

Itt több H mátrix-szal számolunk, ésvéletlenített fading összetevővelszámolunk.Általában cél, hogy az antennákat közelhelyezhessük el, ám ez komolyproblémát jelenthet mobil pontok esetén(Doppler effektus)

A Doppler effektus nagy LOSdominancia esetén csekély