EVALUASI KINERJA TEKNIK ESTIMASI KANAL PADA SISTEM DIVERSITAS ALAMOUTI

Transkripsi

1 EVALUASI KINERJA TEKNIK ESTIMASI KANAL PADA SISTEM DIVERSITAS ALAMOUTI LAPORAN TUGAS AKHIR Diajukan sebagai salah satu syarat untuk mendapatkan gelar Sarjana Teknik Elektro OLEH : MICHAEL ANDRI WIJAYA : Teknik Telekomunikasi PROGRAM STUDI TEKNIK ELEKTRO SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2007 i

2 LEMBAR PENGESAHAN EVALUASI KINERJA TEKNIK ESTIMASI KANAL PADA SISTEM DIVERSITAS ALAMOUTI Oleh : MICHAEL ANDRI WIJAYA / Teknik Telekomunikasi LAPORAN TUGAS AKHIR Telah diterima dan disahkan sebagai salah satu syarat untuk mendapatkan gelar Sarjana Teknik Elektro Bandung, September 2007 Telah diperiksa, disetujui, dan disahkan oleh : Pembimbing I Pembimbing II Dr. Andriyan Bayu Suksmono NIP : Joko Suryana, S.T., M.T. NIP : ii

3 ABSTRAK Sistem diversitas sederhana untuk menanggulangi efek fading dari kanal nirkabel / wireless diberikan oleh Alamouti [1]. Sistem Alamouti bekerja di bawah asumsi bahwa sistem mengenal kondisi kanal transmisi secara sempurna. Asumsi ini kemudian disempurnakan oleh Alamouti melalui teknik tanpa estimasi kanal / no channel estimation [2] untuk bagian estimasi kanal / channel estimator dari sistem. Pada tugas akhir ini, dievaluasi kinerja sistem Alamouti dengan empat variasi estimasi kanal: asumsi pengenalan kanal sempurna, teknik tanpa estimasi kanal, teknik Least Mean Square (LMS) [3], dan teknik berbasiskan Neural Network (NN) [4] : Time Delay Neural Network (TDNN) [5]. Sistem Alamouti dengan asumsi pengenalan kanal sempurna dan teknik tanpa estimasi kanal disimulasikan pada sinyal pita dasar / baseband yang berupa deretan bit / bit stream. Variasi estimasi kanal sisanya (LMS dan TDNN) disimulasikan pada sinyal baseband yang mengalami proses pengulangan bit / oversampling. Kemudian, ditentukan estimasi kanal terbaik dengan mempertimbangkan faktor kinerja dan kompleksitas sesuai jenis sinyal yang disimulasi. Dengan melakukan simulasi menggunakan MATLAB, didapatkan kurva BER (Bit Error Rate) untuk keempat estimasi kanal yang lebih baik daripada kurva BER sistem tanpa diversitas (SISO) modulasi BPSK (Binary Phase Shift Keying) kanal fading datar / flat fading. Estimasi kanal dengan asumsi pengenalan kanal sempurna mendapatkan kurva tersebut pada kecepatan transfer 1 bps ke atas. Teknik tanpa estimasi kanal mendapatkannya pada 1 kbps ke atas. Teknik estimasi kanal LMS mendapatkan kurva BER tersebut pada kecepatan transfer 5.3 Mbps ke atas, sementara TDNN pada 4.6 Mbps ke atas. Kata kunci : Diversitas, Alamouti, tanpa estimasi kanal, LMS, NN, TDNN iii

4 ABSTRACT A simple diversity system to overcome the effect of wireless channel fading is introduced by Alamouti [1]. Alamouti system works under the assumption that the system perfectly knows the conditions of the wireless channel. This assumption is further complemented by Alamouti with the no channel estimation channel estimation technique [2] for the channel estimator part in the system. In this final project, Alamouti system is evaluated in four various channel estimation: perfect channel knowledge assumption, no channel estimation technique, Least Mean Square (LMS) [3] technique, and Neural Network (NN) [4] based technique: Time Delay Neural Network (TDNN) [5] technique. Alamouti system with perfect channel knowledge assumption and no channel estimation technique is simulated at baseband level in the form of bit stream. The other channel estimation variation (LMS and TDNN) is simulated as bit stream which went through the oversampling process. Then, the best channel detection tehnique is decided, judging both the performance and complexity, according to the simulated signal type. From MATLAB simulation, we can get a BER (Bit Error Rate) curve for each channel estimation that is better from BER curve for BPSK modulated nodiversity system (SISO) in flat fading channel. Channel estimation with perfect channel knowledge assumption acquires the curve at transfer rate above 1 bps. No channel estimation technique acquires the curve at transfer rate above 1 kbps. LMS channel estimation technique acquires the curve at transfer rate above 5.3 Mbps, while TDNN at above 4.6 Mbps. Keywords : Diversity, Alamouti, no channel estimation, LMS, NN, TDNN iv

5 KATA PENGANTAR Puji syukur dan terima kasih penulis panjatkan kepada Tuhan Yesus Kristus atas pimpinan-nya sehingga penulis dapat menyelesaikan laporan tugas akhir ini dengan baik dan lancar. Laporan Tugas Akhir yang berjudul Evaluasi Kinerja Teknik Estimasi Kanal Pada Sistem Diversitas Alamouti ini disusun berdasarkan simulasi yang dilakukan oleh penulis yang diajukan untuk memperoleh gelar Sarjana Teknik di Jalur Pilihan Teknik Telekomunikasi, Program Studi Teknik Elektro, Institut Teknologi Bandung. Dengan terselesaikannya tugas akhir ini, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada pihak-pihak yang telah membantu dan memberikan dorongan dalam penyelesaian tugas akhir ini, yaitu: 1. Papiku, Lily Kuntjoro, yang sudah berpulang ke surga. Terima kasih karena sudah menjadi papi yang terbaik dan terlucu. You rock, dad! 2. Mami Paula dan kedua ciciku: Ine dan Dewi, yang selalu memberikan berbagai semangat dan perhatian, apapun bentuknya. Buat Ine, makasih udah bantuin jaga toko selama ini, sori udah ngerepotin 3. Bapak Dr. Andriyan Bayu Suksmono, selaku dosen pembimbing I, dan Bapak Joko Suryana, S.T., M.T., selaku dosen pembimbing II, terima kasih atas segala bimbingan dan waktu yang telah Bapak berikan. 4. Seluruh dosen Prodi Teknik Elektro yang telah membagikan ilmunya kepada penulis selama masa kuliah di ITB dan seluruh staf Tata Usaha Departemen Teknik Elektro serta staf Tata Usaha LTRGM dan Lab. Telematika yang membantu kelancaran administrasi. 5. Ivonne, untuk dukungannya sedari awal penulis mengerjakan tugas akhir (terutama dukungan di USB yang sangat menyemangati). 6. Teman setia di ITB, David G karena sudah menemani dari mulai daftar ulang di ITB sampai akhir masa studi (ngga bosen tuh, maen bareng, kuliah sama, lulusnya juga?). Thanks for the support, bro v

6 7. Teman terbaik, Doni, yang sama sama saling menguatkan dalam pengerjaan tugas akhir, beserta semua kru remaja kebonjati yang terus mendukung lewat doa. God bless U all, go bonti go bonti GO!!! 8. Rekan-rekan Elektro angkatan 2003, khususnya Teknik Telekomunikasi, yang telah bersama-sama melewati waktu penuh kenangan selama kuliah. 9. Semua pihak yang telah membantu dan tidak dapat penulis sebutkan satu persatu. Penulis menyadari bahwa laporan tugas akhir ini masih jauh dari sempurna, baik dari segi ilmu yang disampaikan maupun teknik penulisan. Oleh karena itu, penulis mengharapkan adanya kritik dan saran yang membangun berkenaan dengan laporan Tugas Akhir ini. Harapan penulis adalah semoga laporan Tugas Akhir ini dapat memberikan ilmu dan manfaat bagi dunia telekomunikasi pada umumnya serta para pembaca pada khususnya. Segala kemuliaan bagi nama Tuhan, Amin. Bandung, September 2007 Penulis vi

7 DAFTAR ISI JUDUL... ii LEMBAR PENGESAHAN... ii ABSTRAK... iii ABSTRACT... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR GAMBAR... ix DAFTAR TABEL... xi BAB I PENDAHULUAN... xii 1.1 Latar Belakang Masalah... xii 1.2 Manfaat dan Tujuan Penelitian... xiii 1.3 Rumusan Masalah... xiii 1.4 Batasan Masalah... xiv 1.5 Metodologi Penelitian... xiv 1.6 Sistematika Penelitian... xiv BAB II SISTEM ALAMOUTI DAN TEKNIK ESTIMASI KANAL... xvi 2.1 Karakteristik Kanal Nirkabel... xvi 2.2 Sistem Diversitas Alamouti... xix 2.3 Teknik Tanpa Estimasi Kanal... xxiii 2.4 Teknik Estimasi Kanal Least Mean Square (LMS)... xxiv 2.5 Teknik Estimasi Kanal Time Delay Neural Network (TDNN)... xxvi BAB III PEMODELAN SISTEM... xxix 3.1 Sistem Alamouti dengan Asumsi Pengenalan Kanal Sempurna... xxix 3.2 Sistem Alamouti dengan Teknik Tanpa Estimasi Kanal... xxx 3.3 Sistem Alamouti dengan Teknik Estimasi Kanal LMS... xxxi 3.4 Sistem Alamouti dengan Teknik Estimasi Kanal TDNN... xxxiii vii

8 3.5 Proses Oversampling... xxxiv 3.6 Algoritma Monte Carlo dan Representasi Bit... xxxv 3.7 Kanal Rayleigh... xxxvi 3.8 Daftar Program... xxxviii BAB IV DATA DAN ANALISA HASIL SIMULASI... xl 4.1 Hasil Simulasi Sistem Alamouti dengan Asumsi Pengenalan Kanal Sempurna... xl 4.2 Hasil Simulasi Sistem Alamouti dengan Teknik Tanpa Estimasi Kanal... xlii 4.3 Hasil Simulasi Sistem Alamouti dengan Teknik Estimasi Kanal LMS... xlv 4.4 Hasil Simulasi Sistem Alamouti dengan Teknik Estimasi Kanal TDNNxlviii 4.5 Hasil Simulasi Gabungan Sistem Alamouti dengan Pengenalan Kanal Sempurna dan Teknik Tanpa Estimasi Kanal... li 4.6 Hasil Simulasi Gabungan Sistem Alamouti dengan Teknik Estimasi Kanal LMS dan Teknik Estimasi Kanal TDNN... liii BAB V KESIMPULAN DAN SARAN... lv 5.1 Kesimpulan... lv 5.2 Saran... lvi DAFTAR PUSTAKA... lvii LAMPIRAN A... A-1 viii

9 DAFTAR GAMBAR Gambar 2. 1 Dua Jenis fading... xvii Gambar 2. 2 Skema MRRC... xx Gambar 2. 3 Skema baru Alamouti... xxi Gambar 2. 4 Struktur penggabungan linier adaptif... xxv Gambar 2. 5 Sebuah jaringan saraf artifisial (artificial neural network)... xxvi Gambar 2. 6 Skema TDNN... xxviii Gambar 3. 1 Bagan sistem Alamouti secara keseluruhan... xxix Gambar 3. 2 Bagan proses Alamouti dengan asumsi pengenalan kanal sempurna... xxix Gambar 3. 3 Bagan proses Alamouti dengan teknik tanpa estimasi kanal... xxx Gambar 3. 4 Bagan proses Alamouti dengan teknik estimasi kanal LMS... xxxi Gambar 3. 5 Struktur LMS... xxxii Gambar 3. 6 Bagan proses Alamouti dengan teknik estimasi kanal TDNN... xxxiii Gambar 3. 7 Struktur TDNN... xxxiv Gambar 3. 8 Kinerja simulasi Alamouti dengan pengenalan kanal sempurna dengan berbagai parameter bit dan pengulangan Monte Carlo... xxxvi Gambar 3. 9 Contoh fading untuk f d = 50 Hz (30 km/hr pada 1.8 GHz)... xxxvii Gambar 4. 1 Kinerja simulasi Alamouti dengan pengenalan kanal sempurna (jumlah bit = bit, T = 1s)... xl Gambar 4. 2 Kinerja simulasi Alamouti pengenalan kanal sempurna dalam berbagai perioda bit... xli Gambar 4. 3 Kinerja simulasi Alamouti dengan teknik tanpa estimasi kanal (jumlah bit = bit, T = 10-5 s)... xliii Gambar 4. 4 Kinerja simulasi Alamouti dengan teknik tanpa estimasi kanal dalam berbagai perioda bit... xliv Gambar 4. 5 Kinerja simulasi Alamouti dengan teknik estimasi kanal LMS (jumlah bit = bit, T = 1.875*10-7 s)... xlvi ix

10 Gambar 4. 6 Kinerja simulasi Alamouti dengan teknik estimasi kanal LMS dalam berbagai perioda bit... xlvii Gambar 4. 7 Kinerja simulasi Alamouti dengan teknik estimasi kanal TDNN (jumlah bit = bit, T = 2.203*1e-7s)... xlix Gambar 4. 8 Kinerja simulasi Alamouti dengan teknik estimasi kanal TDNN dalam berbagai perioda bit... l Gambar 4. 9 Kinerja simulasi Alamouti dengan gabungan asumsi pengenalan kanal sempurna dan teknik tanpa estimasi kanal pada T = 5*10-6 s... li Gambar Kinerja simulasi Alamouti dengan teknik estimasi kanal LMS dan teknik estimasi kanal TDNN pada T = 2.25*10-7 s... liii x

11 DAFTAR TABEL Tabel I Karakteristik time speading of signal... xviii Tabel II Karakteristik time variance of the channel... xviii Tabel III Klasifikasi kanal fading... xviii Tabel IV Proses pengkodean... xxii Tabel V Program yang digunakan pada simulasi... xxxviii xi