Estimasi Parameter MPC dengan Metode Resolusi Tinggi

28 04 2009

Dalam Tulisan ini, kami ingin berbagi pengalaman dari apa yang kami baca dari reference journal IEEE dan insya Allah akan kami wujudkan dalam suatu penelitian. Harapan kami adanya saran dan ide perbaikan dari pembaca untuk mendapatkan hasil yang lebih baik. Hasil penelitian ini nantnya dapat diterapkan pada sistem komunikasi kooperatif ataupun pada sistem MIMO radar.

Geometri Antena Array Volume

Geometri Antena Array Volume

Peningkatan kapasitas kanal merupakan salah satu masalah utama dalam perancangan sistem komunikasi nirkabel. Sehingga, banyak penelitian ditujukan untuk menjawab tantangan ini, salah satu solusi adalah dengan mempertimbangkan jenis antena. Pemanfaatkan antena array dapat meningkatkan kapasitas kanal komunikasi nirkabel.
Desain dan optimalisasi dari sistem ini memerlukan model realistis dari parameter kanal propagasi, dengan kata lain, karakter model yang diinginkan dari sifat masing-masing komponen lintasan jamak (Multipath Componen, MPCs) seperti Delay, sudut (azimut dan elevasi) dari arah kedatangan dan arah keberangkatan, frekuensi Doppler dan Amplitudo Kompleks (Fleury dan Jordan, 2002) perlu di estimasi.

Berbagai metode estimasi dari beberapa parameter kanal telah dilakukan baik estimasi parameter 2D, Dua Dimensi (Josef Fuhl, 1997; Tschudin, 1999; Fleury dan M. Tschudin,1999) ataupun 3D, Tiga Dimensi (Fleury, 2002; Richter, 2000; Chong, 2002; Wyne, 2000; Tan, 2006). Dalam penelitian ini kami akan melakukan estimasi parameter kanal 3D: Delay, sudut (Azimut-Elevasi) dari arah Departure (DoD) pada Mobile Station, sudut (Azimut-Elevasi) arah Arrival (DoA) pada Base Station dan Amplitudo Compleks.
Kinerja sistem komunikasi nirkabel sangat tergantung pada lingkungan perambatan, geometri antena array dan sifat elemen antena. Beberapa peneliti telah menerapkan variasi geometri antena array menggunakan algoritma SAGE sebagai pemroses sinyal, (Fleury dan Jourdan, 2002) menggunakan Antena array ½λ 8 Elemen Monopole ULA pada sisi pemancar dan 4×4 Uniform Square Array (USA) pada sisi penerima, dan (Wyne, 2000) menggunakan 8 Elemen Antena array Uniform Linear Patch Array (ULPA) pada sisi pemancar dan 16 Elemen Uniform Circular Array (UCA) disisi penerima, baru-baru ini (Verhaevert, 2003) menggunakan antena berbasis spherical array (Hexahendron) ¼λ pada sisi penerima.

Geometri antena array yang diusulkan dalam penelitian ini adalah Antena Volume (kubus) Array, 8 elemen antena ½λ pada kedua sisi pemancar dan penerima, yang memiliki keunggulan dalam peningkatan kapasitas kanal yang cukup besar dan dapat meminimalisasi kesalahan estimasi, karena mampu menyediakan jangkauan sudut azimut sebesar 360(degree) yang relatif terhadap arah horizontal sehingga hasilnya lebih mendekati dan jangkauan sudut elevasi sebesar 180(degree) akan menghindari deteksi ambiquitas dari sumber informasi.
Berbagai algoritma pemrosesan sinyal resolusi tinggi telah diterapkan untuk estimasi parameter kanal pada lingkungan indoor lintasan jamak. (Krim dan Viberg, 1996) membagi Metode ini dalam 3 kategori: (1) Spectral Estimation, (2) Parameter Subspace-Based Estimation (PSBE), berdasarkan pada perbedaan sinyal dan noise subspaces, suatu teknik sub-optimal yang memanfaatkan eigenstructure dari masukan covariance matriks. seperti Multiple Signal Classification (MUSIC) di rumuskan (Schmidt, 1986), (Litva dan Leung, …) menerapkan pada estimasi delay, Estimation of Signal Parameters via Rotational Invariance Techniques (ESPRIT) dirumuskan (Roy, 1989), (Vanderveen, …) mengadaptasi untuk gabungan Estimasi Delay dan Azimut dan Unitary ESPRIT di rumuskan (Haardt, 1995), (Zoltowski, …) melakukan gabungan Estimasi Azimut dan Elevasi dan (3) Deterministic Parameter Estimation (DPE), yang dikatakan sebagai teknik optimum, algoritma pemroses sinyal yang efisien berdasarkan pendekatan Maximum Likelihood (ML), seperti Alternating Projektion (AP), Expectation Maximisation (EM) di rumuskan (Desmter, 1977), (Feder,…) menggunakan dengan baik untuk Estimasi Delay atau Azimut, Algoritma Space-Alternating Generalised Expectation Maximisation (SAGE) (Fessler, 1994), diperkenalkan pertama kali oleh (Fleury dan Tschudin, 1999) untuk estimasi parameter kanal. Algoritma SAGE adalah teknik yang populer untuk estimasi parameter. Setiap update parameter dilakukan secara berurutan;sekuen dan berturut-turut, sehingga memiliki kompleksitas yang lebih rendah dan konvergensi lebih cepat, algoritma yang mempunyai dua tahapan: Expectation (E) dan Maximization (M) yang merupakan perpanjangan 2 kali lipat dari algoritma EM.

Algoritma SAGE diterapkan dalam 2 Domain, Domain Waktu (DW) dikenal sebagai teknik klasik (Fessler, 1994; Fleury, 2002, Fleury, 1999, Wyne, 2000) dan Domain Frekuensi (DF) (Fulh, 1997; Richter, 2000; Chong, 2002), DF SAGE menunjukkan kinerja lebih stabil dibandingkan dengan teknik klasik terutama di lingkungan lintasan jamak yang banyak. Dalam kajian ini kami menggunakan algoritma pemroses sinyal metode ketiga yaitu Algoritma SAGE pada DF berbasis pengukuran, dengan kata lain hasil simulasi dengan algoritma ini pada akhirnya akan kami bandingkan dengan hasil pengukuran.


Aksi

Information

One response

21 04 2015
musay

pak huda, saya ingin menanyakan seputar tentang SAGE

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s




%d blogger menyukai ini: