Mielenkiintoista

MIMO Spatiaalinen multipleksointi

MIMO Spatiaalinen multipleksointi

Yksi MIMO-paikkamultipleksoinnin tärkeimmistä eduista on se, että se pystyy tarjoamaan lisää datakapasiteettia. MIMO-spatiaalisella multipleksoinnilla saavutetaan tämä hyödyntämällä useita polkuja ja käyttämällä niitä tehokkaasti lisäkanavina tiedonsiirtoon.

Suurinta datamäärää, jota radiokanava voi kuljettaa, rajoittavat Shannonin laissa määritellyt fyysiset rajat.

Shannonin laki ja MIMO-spatiaalinen multipleksointi

Kuten monilla tieteenaloilla, on olemassa teoreettiset rajat, joiden ylittäminen ei ole mahdollista. Tämä pätee tietomäärään, joka voidaan siirtää tiettyä kanavaa pitkin melun läsnä ollessa. Tätä hallitsevaa lakia kutsutaan Shannonin laiksi, joka on nimetty sen muotoilevan miehen mukaan. Tämä on erityisen tärkeää, koska langaton MIMO-tekniikka tarjoaa menetelmän, joka ei riko lakia, vaan nostaa tiedonsiirtonopeuksia yli mahdollisuuden yhdellä kanavalla ilman sen käyttöä.

Shannonin laki määrittelee enimmäisnopeuden, jolla virheetöntä dataa voidaan lähettää tietyllä kaistanleveydellä melun läsnä ollessa. Se ilmaistaan ​​yleensä muodossa:

C = W log2(1 + S / N)

Missä C on kanavan kapasiteetti bitteinä sekunnissa, W on kaistanleveys hertseinä ja S / N on SNR (signaali-kohinasuhde).

Tästä voidaan nähdä, että tietyllä kaistanleveydellä varustetun kanavan kapasiteetille on viimeinen raja. Kuitenkin ennen tämän pisteen saavuttamista kapasiteettia rajoittaa myös vastaanotetun signaalin signaali-kohinasuhde.

Näiden rajojen vuoksi on tehtävä monia päätöksiä lähetystavasta. Modulaatiomenetelmällä voi olla tärkeä osa tässä. Kanavan kapasiteettia voidaan lisätä käyttämällä korkeamman kertaluvun modulaatiomenetelmiä, mutta nämä edellyttävät parempaa signaali-kohinasuhdetta kuin matalamman asteen modulointimenetelmät. Siten datanopeuden ja sallitun virhesuhteen, signaali-kohinasuhteen ja lähetettävän tehon välillä on tasapaino.

Vaikka joitain parannuksia voidaan tehdä modulointimenetelmän optimoimiseksi ja signaali-kohinasuhteen parantamiseksi, nämä parannukset eivät ole aina helppoja tai halpoja, ja ne ovat aina kompromissi tasapainottaen mukana olevat eri tekijät. Siksi on tarpeen etsiä muita tapoja parantaa yksittäisten kanavien tiedonsiirtonopeutta. MIMO on yksi tapa parantaa langatonta viestintää ja sen seurauksena se saa huomattavaa kiinnostusta.

MIMO-spatiaalinen multipleksointi

Lisätehokyvyn hyödyntämiseksi MIMO käyttää useita antenneja. Monissa MIMO-järjestelmissä käytetään vain kahta, mutta ei ole mitään syytä, miksi muita antenneja ei voida käyttää, ja tämä lisää läpimenoa. Joka tapauksessa MIMO-spatiaalista multipleksointia varten antennien määrän on oltava yhtä suuri tai suurempi kuin lähetysantennien lukumäärä.

Tarjotun lisätehon hyödyntämiseksi MIMO-langattomat järjestelmät käyttävät matriisimatemaattista lähestymistapaa. Tietovirrat t1, t2,. tn voidaan lähettää antenneista 1, 2,. n. Sitten on olemassa erilaisia ​​polkuja, joita voidaan käyttää jokaisella polulla, jolla on erilaiset kanavaominaisuudet. Jotta vastaanotin pystyy erottamaan tietovirrat toisistaan, se on käytettävä. Näitä voidaan esittää ominaisuuksilla h12, jotka kulkevat lähetysantennista toiseen vastaanottoantenniin 2 ja niin edelleen. Tällä tavoin kolmen lähetyksen, kolmen vastaanottoantennijärjestelmän matriisi voidaan asettaa:

r1 = h11 t1 + h21 t2 + h31 t3
r2 = h12 t1 + h22 t2 + h32 t3
r3 = h13 t1 + h23 t2 + h33 t3

Missä r1 = antennilla 1 vastaanotettu signaali, r2 on antennilla 2 ja niin edelleen vastaanotettu signaali.

Matriisimuodossa tämä voidaan esittää seuraavasti:

[R] = [H] x [T]

Lähetetyn datavirran palauttamiseksi vastaanottimessa on suoritettava huomattava määrä signaalinkäsittelyä. Ensin MIMO-järjestelmän dekooderin on arvioitava yksittäinen kanavansiirto-ominaisuus hij kanavansiirtomatriisin määrittämiseksi. Kun kaikki tämä on arvioitu, matriisi [H] on tuotettu ja lähetetyt datavirrat voidaan rekonstruoida kertomalla vastaanotettu vektori siirtomatriisin käänteisellä.

[T] = [H]-1 x [R]

Tätä prosessia voidaan verrata N lineaarisen samanaikaisen yhtälöjoukon ratkaisemiseen N muuttujan arvojen paljastamiseksi.

Todellisuudessa tilanne on hieman vaikeampaa kuin tämä, koska eteneminen ei ole koskaan aivan yhtä suoraviivaista, ja tämän lisäksi jokainen muuttuja koostuu jatkuvasta datavirrasta, mikä kuitenkin osoittaa langattomien MIMO-järjestelmien taustalla olevan periaatteen.


Katso video: Faking it: How introverts succeed (Syyskuu 2021).