MÔ PHỎNG HỆ THỐNG TRUYỀN THÔ NG

(Simulation of Comminucation Systems)

MÔ PHỎNG HỆ THỐNG TRUYỀN THÔ NG
(Simulation of Comminucation Systems)

Chương 6:
Mô phỏng kênh thông tin
 Thành phần của Hê ̣ thống Thông tin

Bernard Sklar, Digital Communications: Fundamentals and Applications, Prentice Hall, 2nd, 2000. 3
 Kênh truyền

Dây dẫn (Wires) .1

 Cáp đồng (Copper): Twisted pairs,
Coaxial cables
 Cáp Quang (Optical fibers)
:Kênh vô tuyến .2
 Chân không (Vacuum)
 Không khí (Air)
3. Môi trường nước (Fresh or Sea)
 Sóng âm (Acoustic Waves)

4
 Cáp đồng

Twisted-pair Copper Cable

5
Cáp đồng

6
Sợi quang

7
Kênh vô tuyến

8
Kênh vô tuyến

9
 Quá trình thu phát

Mã hóa,
Nhận tín hiệu và
điều chế…
khôi phục lại tín
hiệu được phát đi.
Giải điều chế, giải
mã và lọc tín hiệu…
Mô Phỏng Monte Carlo
 Mô Phỏng Monte Carlo

o Thuật ngữ “Monte Carlo” được sử dụng lần đầu

bởi Metropolis (Los Alamos, 1947).
o Là một lớp các thuật toán để giải quyết nhiều bài
toán trên máy tính theo kiểu không tất định,
thường bằng cách sử dụng các số ngẫu nhiên
(thường là các số giả ngẫu nhiên),
o Tính tích phân bằng phương pháp ngẫu nhiên,
tính số Pi bằng phương pháp ngẫu nhiên (1901).
o Hiện nay MC được coi là phương pháp hữu hiệu
nhất để nghiên cứu các hệ phức hợp
 Tính số Pi bằng mô phỏng MC


 Gieo ngẫu nhiên với phân bố đều

Sai số ~
 Tính số Pi bằng mô phỏng MC

xx = rand;
yy = rand;
rr = sqrt(xx^2 + yy^2);
if (rr < 1)
giatri = giatri + 1;
end
giatri = 4*giatri/trial_num;

Số mẫu Trị Pi
10^5 3.1342
10^6 3.1407
10^7 3.1418
 Phân phối đều: Mô Phỏng Monte Carlo

 Biến ngẫu nhiên liên tục X phân bố đều trên

đoạn [a,b], a & b là hai số thực (a < b).
o Hàm mật độ xác suất  1
 , a xb
fX  x  b  a
0, xa| xb

o Hàm phân phối xác suất FX(x) 1, xb

 x  a
FX  x    , a xb
b  a
0, xa
 Phân phối đều: Mô Phỏng Monte Carlo

o Tạo ra biến ngẫu nhiên phân phối đều trong

khoảng (0,1) trong MATLAB:
rand
o Tạo ra biến ngẫu nhiên phân phối đều trong
khoảng (a, b):
 a + (b-a)*rand
 Phân phối đều: Mô Phỏng Monte Carlo

o Kiểm chứng hàm phân bố tích lũy CDF

Biến ngẫu nhiên liên tục X phân
bố đều trên đoạn [2,5]
 Phân phối đều: Mô Phỏng Monte Carlo

function sum_ppdeu(aa,bb,xx,trial_num)
CDF = zeros(1,length(xx));
for tt = 1 : length(xx)
for num = 1 : trial_num
RV = aa + (bb-aa)*rand;
if (RV < xx(tt))
CDF(tt) = CDF(tt) + 1;
end
end
end
CDF = CDF/trial_num;
 Phân phối đều: Mô Phỏng Monte Carlo

function theory_ppdeu(aa,bb,xx)
CDF = zeros(1,length(xx));
for tt = 1 : length(xx)
if (xx(tt) < aa)
CDF(tt) = 0;
else
if (aa <= xx(tt) && xx(tt) <= bb)
CDF(tt) = (xx(tt) - aa)./(bb -
aa);
else
CDF(tt) = 1;
end
end
end
plot(xx,CDF,'b-')
end
 Phân phối đều: Mô Phỏng Monte Carlo

clear all;
clc;
close all;
aa = 2;
bb = 5;
xx = 0:0.5:8;
trial_num = 10^5;
sum_ppdeu(aa,bb,xx,trial_num)
theory_ppdeu(aa,bb,xx)
Phân phối đều: Mô Phỏng Monte Carlo
 Phân phối đều: Mô Phỏng Monte Carlo

 Biến ngẫu nhiên liên tục X phân bố đều

trên đoạn [a,b]
oTrị trung bình ba
E X  
2
oPhương sai
 b  a
2

  Var  X 
2
X 
12
 Phân phối đều: Mô Phỏng Monte Carlo

o Kiểm chứng giá trị trung bình:

% Lý Thuyết
for tt = 1 : length(aa)
EX(tt) = (bb + aa(tt))/2;

end
% Mô Phỏng
RV = aa(tt) + (bb-aa(tt))*rand;
EX(tt) = EX(tt) + RV;
EX = EX/trial_num;
 Phân phối đều: Mô Phỏng Monte Carlo

o Kiểm chứng giá trị trung bình:

 Phân phối đều: Mô Phỏng Monte Carlo

o Kiểm chứng giá trị phương sai:

% Lý Thuyết
var = zeros(1,length(aa));
var(tt) = (bb - aa(tt))^2/12;

% Mô Phỏng
EX = (bb + aa)/2
RV = aa(tt) + (bb-aa(tt))*rand
var(tt) = var(tt) + (RV - EX(tt))^2
 Phân phối đều: Mô Phỏng Monte Carlo

o Kiểm chứng giá trị phương sai:

 Phân bố Gauss (Normal Distribution)

 Biến ngẫu nhiên X có phân bố Gauss với trị

trung bình  và phương sai  .
2

 Ký hiệu: X ~ N   , 2 
 Hàm PDF:
1   x   2

fX  x  exp   
2 2  2 2

 
 Phân bố Gauss (Normal Distribution)

 Hàm PDF 1   x   
2

fX  x  exp   
2 2  2 2

 
 Hàm CDF
x  x 
FX  x    f X  t  dt  1  Q  

  
 Q(.) là hàm Q (Gaussian Q function)
1   y2 
Q  x   exp    dy
2 x  2 
 Phân bố Gauss (Normal Distribution)

 Định nghĩa hàm Q

1   y2 
Q x   exp    dy
2 x
 2 
 Hàm tromg Matlab:qfunc()
 Tính chất
Q  0   1/ 2, Q     0, Q     1
Q  z   1 Q  z 
 Phân bố Gauss (Normal Distribution)

Cú pháp Mô phỏng Matlab

RV = mean + sqrt(var)*randn(1,1)
Cú pháp Lý thuyết Matlab
1 - qfunc((xx-mean)/sqrt(var))
Phân bố Gauss (Normal Distribution)
 Phân bố Gauss (Normal Distribution)

Định lý giới hạn trung tâm

(Cental Litmit Theorem)
 X1, X2, …, XN là các biến ngẫu nhiên
 S = X1 + X2 + … + XN là biến ngẫu nhiên tổng
Phân phối S sẽ hội tụ về phân phối chuẩn khi
N tiến đến vô cùng.

(Nguồn “Digital Communications”, J.G. Proakis, 4ed., Chương 2)

 Phân bố Gauss (Normal Distribution)

Định lý giới hạn trung tâm

(Cental Litmit Theorem)
S = X1 + X2 + … + XN
với X1, X2, …, XN là các biến ngẫu nhiên có phân
phối mũ  N x N 1 exp   x 
fS  x  
 Hàm PDF của S:  N  1 !

(Nguồn “Digital Communications”, J.G. Proakis, 4ed)

 Phân bố Gauss (Normal Distribution)

  x2 
 Hàm CDF: 1  exp   2  , x  0
FX  x     2 
0, x0

 x  x2 
 Hàm PDF:  2 exp   2  , x  0
f X  x     2 
0, x0

 Trị trung bình & Phương sai:
 4  2
E X    Var  X   
2 2
 Phân bố Gauss (Normal Distribution)

Định lý: Cho X và Y là hai biến ngẫu nhiên độc lập

có phân bố Gauss với giá trị trung bình bằng 0 và
phương sai  2 , thì Z  X 2  Y 2 sẽ có phân phối
Rayleigh
(Nguồn “Probability, Random Variables and Stochastic Processess”, A. Papoulis, et. al.).

• Mô Phỏng MATLAB:
XX = sqrt(var)*randn(1,1);
YY = sqrt(var)*randn(1,1);
RV = sqrt(XX^2 + YY^2);
Phân bố Gauss (Normal Distribution)
 Phân bố Mũ

 Hàm CDF: 1  exp   x  , x  0

FX  x   
0, x0
 Hàm PDF:
 exp   x  , x  0
fX  x  
0, x0

 Trị trung bình & Phương sai:

E X   1/  Var  X   1/  2
 Phân bố Mũ

 Hai biến ngẫu nhiên X và Y có phân phối

Gauss với giá trị trung bình bằng 0 và phương
sai bằng 1 2 thì T  X 2  Y 2 có phân phối
mũ với đại lượng đặc trưng 
 Mô Phỏng MATLAB
h = 1/sqrt(2*LD)*(randn(1,1) + j*randn(1,1));

 Nếu X có phân phối Rayleigh thì |X|2 có

phân phối mũ
 Signal-to-Noise Ratio

 Ratio of the power in a signal to the power

contained in the noise that’s present at a particular
point in the transmission
 Typically measured at a receiver
 Signal-to-noise ratio (SNR, or S/N)
signal power
( SNR) dB  10 log10
noise power
 A high SNR means a high-quality signal, low
number of required intermediate repeaters
 SNR sets upper bound on achievable data rate
 Categories of Noise

Thermal Noise
Intermodulation noise
Crosstalk
Impulse Noise
 Thermal Noise
 Thermal noise due to agitation of
electrons
 Present in all electronic devices and
transmission media
 Cannot be eliminated
 Function of temperature
 Particularly significant for satellite
communication
 Noise Terminology

 Intermodulation noise – occurs if signals with

different frequencies share the same medium
 Interference caused by a signal produced at a frequency
that is the sum or difference of original frequencies
 Crosstalk – unwanted coupling between signal
paths
 Impulse noise – irregular pulses or noise spikes
 Short duration and of relatively high amplitude
 Caused by external electromagnetic disturbances, or
faults and flaws in the communications system
 Other Impairments

Atmospheric absorption – water vapor and

oxygen contribute to attenuation
Multipath – obstacles reflect signals so that
multiple copies with varying delays are
received
Refraction – bending of radio waves as they
propagate through the atmosphere
Multipath Propagation
 Multipath Propagation

 Reflection (phản xạ) - occurs when signal encounters

a surface that is large relative to the wavelength of
the signal
 Diffraction (nhiễu xạ) - occurs at the edge of an
impenetrable body that is large compared to
wavelength of radio wave
 Scattering (tán xạ) – occurs when incoming signal
hits an object whose size in the order of the
wavelength of the signal or less
 The Effects of Multipath Propagation

Multiple copies of a signal may arrive at

different phases
 If phases add destructively, the signal level
relative to noise declines, making detection
more difficult
Intersymbol interference (ISI)
 One or more delayed copies of a pulse may
arrive at the same time as the primary pulse
for a subsequent bit
 Types of Fading

The term fading refers to the time variation of received

signal power caused by changes in the transmission
medium or path
• Fast fading
• Slow fading
• Flat fading
• Selective fading
• Rayleigh fading
• Rician fading
Types of Fading
 Xác suất dừng của hệ thống

Hệ thống vô tuyến với nút nguồn S truyền dữ

liệu đến nút đích D, trên truyền fading
Rayleigh và công suất phát của nguồn là PS

1. Tính xác suất dừng của hệ thống

2. Mô phỏng Monte Carlo để kiểm chứng kết
quả lý thuyết.
 Xác suất dừng của hệ thống

• Tín hiệu nhận được tại D

yD  PS hSD xS   D
- hSD : hệ số kênh truyền
- ηD : nhiễu Gauss cộng vào tín hiệu thu được ở nút D
 Xác suất dừng của hệ thống
 
Giải:

• Tỷ số tín hiệu trên nhiễu SNR (Signal-to-Noise Ratio):

PS | hSD | E  xS  PS | hSD |2
2

 SD     | hSD |2
Var   D  N0

với là độ lợi kênh truyền & N0 là phương sai nhiễu Gauss

PS
E  xS   1, Var   D   N0 ,  
N0
 Xác suất dừng của hệ thống

• Xác suất dừng: SNR nhận được tại D nhỏ

hơn một giá trị nào đó.

  th 
OP  Pr( SD   th )  Pr  | hSD | 
2

  

  th    th 
OP  F|h |2    1  exp  SD  
SD
   
 Nếu kênh truyền giữa S và D là kênh fading Rayleigh thì
độ lợi kênh truyền |hSD|2 có phân phối mũ
Xác suất dừng của hệ thống

Chương trình chính

clear all;
clc;
close all;
PdB = 0:2:20;
LD = 1.5;
gth = 0.75;
bit_frame = 10^5;
MOPHONG(PdB,LD,gth,bit_frame);
LYTHUYET(PdB,LD,gth);
legend('Mo phong', 'Ly thuyet')
 Chương trình tính lý thuyết

function LYTHUYET(PdB,LD,gth)
PP = 10^(PdB/10);
OUT_SM = 1 - exp(-
LD*gth/PP);
%
%
end
 Chương trình mô phỏng

function MOPHONG(PdB,LD,gth,bit_frame)
PP = 10^(PdB/10);
OUT_SM = zeros(1,length(PP));
for aa = 1 : length(PP)
fprintf('Running %d per %d \n',aa,length(PP));
for bitnum = 1 : bit_frame
hh = 1/sqrt(2*LD)*(randn(1,1)+j*randn(1,1));
SNR = PP(aa)*abs(hh)^2;
if (SNR < gth)
OUT_SM(aa) = OUT_SM(aa) + 1;
end
end
end
OUT_SM = OUT_SM/bit_frame;
Kết quả mô phỏng
 Dung lượng kênh truyền

Hệ thống vô tuyến với nút nguồn S truyền dữ

liệu đến nút đích D, trên kênh truyền fading
Rayleigh và công suất phát của nguồn là PS

1. Dung lượng kênh truyền của hệ thống?

2. Mô phỏng Monte Carlo để kiểm chứng kết
quả lý thuyết.
 Dung lượng kênh truyền

Dung lượng kênh Shanon tức thời (Instantaneous

channel capacity)
C= log 2  1   SD 
Dung lượng kênh truyền

Dung lượng kênh trung bình

(Ergodic Capacity |Average capacity)

C = E  C  E  log 2 (1   SD )

 log 2  1  x  f SD  x  dx
0

  là PDF của biến ngẫu nhiên

 Tìm hàm mật độ xác suất PDF

  th    th 
OP  F|h |2    1  exp  SD  
SD
   

  x
F SD  x   1  exp   d SD 
  
β biểu diễn hệ số suy hao đường
truyền
d là khoảng cách giữa S và D
d SD   x
f SD  x   exp  d SD 
   
Dung lượng kênh truyền

Dung lượng kênh trung bình


C=  log 2  1  x  f SD  x  dx
0

 d SD   x
  log 2  1  x  exp   d SD  dx
0    
d SD    x
  ln  1  x  exp   d SD  dx
 ln 2 0   
1  d SD

  d SD 

 exp   E1  
ln 2      
 Dung lượng kênh truyền

C=  log 2  1  x  f SD  x  dx
0

 d SD   x
  log 2  1  x  exp   d SD  dx
0    
d SD    x
  ln  1  x  exp   d SD  dx
 ln 2 0   
 
1  d SD   d SD   t
e
 exp   E1   E1  x    t dt Exponential integral
ln 2       x

Code Matlab: expint()

Dung lượng kênh truyền
 Phân bố Nakagami

 Hàm PDF
2m m
 mx 
2
fX  x  x 2 m1
exp   
  m  m
  
 Hàm CDF
 m 2
FX  x     m, x  /   m 
  

Trong đó:  m  - hàm Gamma,

 m 2  - hàm Gamma Incomplete
  m, x 
  
 Phân bố Nakagami

 Hàm Gamma

  m   x m1
exp   x  dx
0

 Code Matlab:gamma(.)
 Mathematica:Gamma[]
 Tính chất
  m    m  1   m  1

  n    n  1 !  n  N 
 Phân bố Nakagami

 Hàm Gamma Incomplete


Upper :   m, x    t m1 exp  t  dt
x

x
Lower :   m, x    t m1 exp  t  dt
0

  m, x     m, x     m 
 Xác suất dừng của hệ thống

Hệ thống vô tuyến với nút nguồn S truyền dữ

liệu đến nút đích D, trên kênh truyền
Nakagami-m và công suất phát của nguồn là PS

1. Tính xác suất dừng của hệ thống

2. Mô phỏng Monte Carlo để kiểm chứng kết quả
lý thuyết.
 Kênh Truyền Nakagami-m

 Độ lợi kênh truyền Nakagami-m |hSD|2

m
m  mx 
fX  x  m1
x exp   
  m  m
  
 m 
  m, x 
  
FX  x   1 1
  
  m  d

Matlab:
 Phân bố Nakagami

 Xác suất dừng

 m th 
  m, 
 SD 
 2
OP  Pr  hSD   th   
  m
với m là số nguyên dương
n
 m  th  1  m  th 
m1
OP  1  exp     
   SD  n0 n!    SD 
1 1
  
 d
 Phân bố Nakagami

 Xác suất dừng

 m th 
  m,  1 1
 
 2
OP  Pr  hSD   th    SD

  m
   
 d

Trong Matlab:
OP = gammainc(m*lambda*gth/gamma,m)

x
1

a 1  t
gammainc ( x, a )  t e dt
 a 0
 Matlab: Kênh Truyền Nakagami-m

Chương trình tính lý thuyết

function THEORY(PdB,mm,LD,gth)
PP = 10^(PdB/10);
OP_LT = gammainc(mm*LD*gth/PP,mm);
end
 Matlab: Kênh Truyền Nakagami-m

Chương trình tính lý thuyết

với m là số nguyên dương
function THEORY_INTEGER(PdB,mm,LD,gth)
PP = 10^(PdB/10);

for nn = 0:(mm - 1)

aa = …
1/factorial(nn)*(mm*LD*gth/PP)^nn
*exp(-mm*LD*gth./PP);
Hs1 = Hs1 + aa;
end
Out_LT = 1 - Hs1;
 Matlab: Kênh Truyền Nakagami-m

Chương trình tính mô phỏng

function SIM(PdB,mm,LD,gth,sample)
PP = 10^(PdB/10);

for aa = 1 : length(PP)
fprintf('Running %d per %d \n',aa,length(PP));
for bitnum = 1 : sample
hh = gamrnd(mm,1/LD/mm);
SNR = PP*hh;
if (SNR < gth)
Out_SM(aa) = Out_SM(aa) + 1;
end
end
Matlab: Kênh Truyền Nakagami-m

Chương trình mô phỏng MC

Matlab: Kênh Truyền Nakagami-m

Chương trình mô phỏng MC