Kraków 2012
IM. STANISŁAWA STASZICA W KRAKOWIE
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI I ELEKTRONIKI
KATEDRA ELEKTRONIKI
ROZPRAWA DOKTORSKA
ANALIZA ZASTOSOWANIA TECHNIKI MIMO
W BEZPRZEWODOWYCH SIECIACH
SENSORYCZNYCH
mgr inż. Jacek Gruca
2
Spis treści
SŁOWNIK SKRÓTÓW ... 4
ZESTAWIENIE WAŻNIEJSZYCH OZNACZEŃ... 6
1. WSTĘP ... 9
1.1. Problematyka rozprawy ... 9
1.2. Założenia i tezy rozprawy ... 11
1.3. Układ pracy ... 14
2. TECHNIKA WIELOANTENOWA MIMO ... 15
2.1. Wprowadzenie ... 15
2.2. Sekwencja treningowa ... 18
2.3. Metody dekodowania symboli danych ... 19
2.4. Kodowanie przestrzenno czasowe ... 21
2.5. Efektywność widmowa ... 22
2.6. Bitowa stopa błędów, zasięg transmisji i pobór mocy ... 24
2.7. Dostępność połączenia w systemach MIMO ... 26
3. BEZPRZEWODOWE SIECI SENSORYCZNE ... 29
3.1. Wprowadzenie ... 29
3.2. Architektura bezprzewodowych sieci sensorycznych ... 30
3.3. Problemy zasilania czujników w bezprzewodowych sieciach sensorycznych ... 32
3.4. Technika wieloantenowa MIMO w bezprzewodowych sieciach sensorycznych... 34
4. KONSTRUKCJA ZESPOŁU NADAWCZO-ODBIORCZEGO MIMO ... 36
4.1. Układ nadajnika ... 37
4.2. Układ odbiornika ... 44
5. ALGORYTM UPROSZCZONEGO KODOWANIA I DEKODOWANIA DANYCH W TECHNICE MIMO 57 5.1. Transmisja symboli z wykorzystaniem modulacji OOK ... 57
5.2. Dekodowanie danych ... 61
5.3. Sekwencja treningowa ... 63
5.4. Sekwencja synchronizacyjna ... 64
6. PROBLEM MINIMALNEJ ODLEGŁOŚCI MIĘDZY ANTENAMI ... 69
6.1. Opis eksperymentu pomiarowego ... 69
6.2. Wyniki badań ... 72
3 7. ANALIZA ENERGETYCZNA SYSTEMU MIMO WYKORZYSTUJĄCEGO UPROSZCZONĄ METODĘ
ESTYMACJI KANAŁU RADIOWEGO ... 77
7.1. Etapy odbioru i przetwarzania informacji ... 77
7.2. Zużycie energii na potrzeby detekcji informacji ... 79
7.3. Wnioski ... 93
8. POMIARY PARAMETRÓW TRANSMISJI SYSTEMU MIMO(2,2) ... 94
8.1. Opis stanowiska pomiarowego ... 94
8.2. Regulacja i pomiar stosunku SNR ... 96
8.3. Opis eksperymentu ... 98
8.4. Analiza wyników pomiarów ... 101
9. WNIOSKI I PODSUMOWANIE ... 110
ZAŁĄCZNIK 1:SCHEMAT CZĘŚCI RADIOWEJ ODBIORNIKA SYSTEMU MIMO(2,2) ... 113
ZAŁĄCZNIK 2:SCHEMAT NADAJNIKA SYSTEMU MIMO(2,2)... 114
4
Słownik skrótów
ADC ang. Analog to Digital Converter AE ang. Averaged Estimator
AGC ang. Automatic Gain Control
ASIC ang. Application Specific Integrated Circuit ASK ang. Amplitude Shift Keying
BER ang. Bit Error Rate
BLAST ang. Bell Labs Layered Space-Time BPSK ang. Binary Phase Shift Keying
CE ang. Common Emitter
CMWSN ang. Cooperative Multi-hop Wireless Sensor Networks D-BLAST ang. Diagonal-BLAST
DSP ang. Digital Signal Processing
FPGA ang. Field Programmable Gate Array IF ang. Intermediate Frequency
ISI ang. Inter Symbol Interference ISM ang. Industrial, Scientific, Medical LNA ang. Low Noise Amplifier
LS ang. Least Squares
LTE ang. Long Term Evolution
MIMO ang. Multiple Input Multiple Output MISO ang. Multiple Input Single Output
ML ang. Maximum Likelihood
MMSE ang. Minimum Mean Square Error MRRC ang. Maximal Ratio Receive Combining
5 OSC ang. Oscillator
PWM ang. Pulse Width Modulation RF ang. Radio Frequency
RS232 standard transmisji szeregowej SAW ang. Surface Acoustic Wave
SB ang. Semi Blind
sensor czujnik stanowiący element sieci sensorycznych SISO ang. Single Input Single Output
SNR ang. Signal to Noise Ratio STBC ang. Space-Time Block Coding
STC ang. Space-Time Coding
STTC ang. Space-Time Trellis Coding TS ang. Training Sequence
TTL ang. Transistor Transistor Logic
USART ang. Universal Synchronous and Asynchronous Receiver and
Transmitter
VA ang. Viterbi Algorithm V-BLAST ang. Vertical-BLAST
VCO ang. Voltage Controlled Oscillator VGA ang. Variable Gain Amplifier WSN ang. Wireless Sensor Networks
6
Zestawienie ważniejszych oznaczeń
poziom istotności
szerokość pasma kanału radiowego
ciąg symboli nadawanych przez antenę 1 systemu MIMO(2,2) ciąg symboli nadawanych przez antenę 2 systemu MIMO(2,2)
wektor symboli nadanych
odtworzony wektor symboli nadanych, wybrany na podstawie metody największego prawdopodobieństwa ML
zbiór dostępnych symboli w alfabecie nadajnika
całkowita ilość energii zużyta na operacje obliczeniowe w trakcie odbioru ramki danych
częstotliwość taktowania procesora
maksymalna częstotliwość wysyłania ramek danych przesunięcie fazy pomiędzy symbolami odebranymi
referencyjne przesunięcie fazy pomiędzy symbolami odebranymi w sekwencji treningowej
zespolona transmitancja toru radiowego
macierz funkcji przenoszenia torów radiowych macierz jednostkowa o wymiarach m x m
liczba par symboli składająca się na sekwencję treningową macierz opisująca kod STBC
odległość wzajemna anten odbiorczych odległość wzajemna anten nadawczych
długość fali wynikająca z zastosowanej w systemie częstotliwości fali nośnej
wartość metryki wykorzystywanej do obliczania najmniejszej odległości euklidesowej
metryka reprezentująca odległość pomiędzy parami symboli odebranych
7 najmniejsza wartość metryk M obliczonych dla wszystkich elementów
alfabetu nadajnika
liczba błędnych bitów, par symboli lub bajtów odebrana podczas i-tej próby
współczynnik wykorzystania pasma
maksymalna wartość współczynnika wykorzystania pasma, możliwa do osiągnięcia w technice SISO
maksymalna wartość współczynnika wykorzystania pasma, możliwa do osiągnięcia w technice MIMO przy równej ilości anten po stronie nadawczej oraz odbiorczej
moc pobierana przez sensor na potrzeby realizacji obliczeń moc szumu na wejściu detektorów odbiornika
moc pobierana przez układy odbiorcze sensora
moc sygnału użytecznego na wejściu detektorów odbiornika moc sygnału użytecznego wraz z szumem na wejściu detektorów
odbiornika
całkowita moc pobierana przez sensor
moc pobierana przez układy nadawcze sensora uśredniona wartość SNR
przepływność bitowa
ciąg symboli odbieranych przez antenę 1 systemu MIMO(2,2) amplituda symbolu odebranego przez antenę 1 systemu MIMO(2,2) amplituda referencyjna symbolu odebranego przez antenę 1 systemu
MIMO(2,2), przesyłanego w sekwencji treningowej
ciąg symboli odbieranych przez antenę 2 systemu MIMO(2,2) amplituda symbolu odebranego przez antenę 2 systemu MIMO(2,2) amplituda referencyjna symbolu odebranego przez antenę 2 systemu
MIMO(2,2), przesyłanego w sekwencji treningowej wektor symboli odebranych
macierz autokorelacji kanału radiowego obliczony wektor referencyjny
odchylenie standardowe średniej
8 czas trwania ramki danych
czas potrzebny na wyznaczenie współczynników współczynnik krytyczny rozkładu Studenta
okres transmisji par symboli w systemie MIMO(2,2) czas trwania sekwencji synchronizacyjnej
czas trwania sekwencji treningowej wartość rzeczywista pomiaru
średnia bitowa, symbolowa lub bajtowa stopa błędów uzyskana podczas wszystkich prób
bitowa, symbolowa lub bajtowa stopa błędów uzyskana podczas i-tej próby
9
1. Wstęp
W ciągu ostatnich kilkunastu lat wzrosło zapotrzebowanie na systemy, które rozlokowane na określonym obszarze, byłyby w stanie dokonywać pomiarów wybranych wielkości fizycznych i przesyłać ich wyniki do jednego centrum gromadzenia danych. Systemy takie mogą służyć, na przykład, do analizy zmian temperatury, wilgotności powietrza, jak również do ostrzegania przed pożarami lub trzęsieniami ziemi. Do ich budowy wykorzystuje się liczne czujniki (sensory) rozmieszczone na monitorowanym obszarze i transmitujące dane pomiarowe do jednego lub kilku punktów odbiorczych. Ze względu na dużą liczbę sensorów rozmieszczonych w systemie w znacznych odległościach od siebie, do wymiany informacji wykorzystuje się przeważnie technikę radiową. Takie sieci nazywa się bezprzewodowymi sieciami sensorycznymi WSN (Wireless Sensor Networks).
Rozmieszczenie sensorów w trudno dostępnych miejscach oraz na obszarach niezurbanizowanych (lasy, łąki, pustkowia) wymaga zastosowania zasilania bateryjnego, gwarantującego prawidłową i niezawodną pracę przez wiele miesięcy, a nawet lat. Ograniczone zasoby energetyczne czujników i długi okres ich użytkowania stanowią poważny problem techniczny, głównie ze względu na moc wyjściową nadajników, konieczną do zapewnienia wymaganego w systemie zasięgu radiowego. Problem ten był poruszany w wielu pracach naukowych dotyczących bezprzewodowych sieci sensorycznych.
1.1. Problematyka rozprawy
Moce sygnałów w torach nadawczych czujników stosowanych w bezprzewodowych sieciach sensorycznych są z reguły niewielkie, co przekłada się na mały zasięg radiowy, który zazwyczaj nie przekracza kilkuset metrów. Pokrycie większych obszarów działaniem sieci WSN wymaga instalacji szeregu dodatkowych radiowych zespołów nadawczo-odbiorczych (stacji przekaźnikowych), zapewnienia im stabilnego zasilania, a także połączenia z centralą systemu. W przypadku braku odpowiedniej infrastruktury telekomunikacyjnej na obszarze objętym działaniem bezprzewodowych sieci sensorycznych stanowi to trudny do rozwiązania problem.
Zasięg działania sieci sensorycznych można zwiększyć przez zastosowanie sensorów wyposażonych zarówno w tor nadawczy, jak i odbiorczy. Tego typu sensory mogą odbierać dane od innych sensorów i następnie retransmitować je dalej. Takie sieci WSN oparte na
10 współpracujących ze sobą sensorach zostały nazwane sieciami CMWSN (Cooperative
Multi-hop Wireless Sensor Networks). Wprawdzie rozwiązanie to pozwala zwiększyć zasięg
działania całej sieci, ale jednocześnie z powodu licznych retransmisji niekorzystnie wpływa na rozładowanie baterii zainstalowanych w sensorach i w konsekwencji znacząco skraca czas korzystania z usług takiego systemu. Wraz ze wzrostem liczby stacji pośredniczących na drodze radiowej transmisji danych z punktu źródłowego (pomiarowego) do docelowego, rośnie prawdopodobieństwo przekłamania, czy wręcz utraty informacji wymienianej między sensorami, co prowadzi do zmniejszenia niezawodności działania sieci.
W roku 1998 Gerard J. Foshini zaproponował [7] alternatywne w stosunku do powszechnie stosowanej w radiokomunikacji technice SISO (Single Input Single Output) rozwiązanie, oparte na użyciu w systemie radiokomunikacyjnym układu wielu anten nadawczych i odbiorczych. Technika ta, nazwana techniką MIMO (Multiple Input Multiple
Output) pozwoliła, przy zapewnieniu wymaganej wierności transmisji informacji,
wykorzystać zjawisko propagacji wielodrogowej do zwiększenia zasięgu systemów łączności bezprzewodowej bez konieczności podnoszenia wymaganej dla poprawnej i niezakłóconej transmisji łącznej mocy torów nadawczych. Technika MIMO szybko stała się obiektem zainteresowania, jako rozwiązanie pozwalające zwiększyć zasięg radiowy bezprzewodowych sieci sensorycznych.
W technice MIMO anteny nadawcze emitują w jednej chwili czasu i w tym samym paśmie częstotliwości sygnały radiowe niosące różne informacje, co powoduje, że na wejściu odbiornika sygnały te wzajemnie się zakłócają. Aby możliwe było rozróżnienie transmitowanych danych, a tym samym ich poprawna detekcja po stronie odbiorczej, konieczna jest znajomość transmitancji kanału radiowego, czyli macierzy funkcji przenoszenia wszystkich torów radiowych przebiegających w systemie MIMO między antenami nadawczymi i odbiorczymi. W pracach [1, 7, 9] zaproponowano kilka technik detekcji odbieranych sygnałów MIMO. Wszystkie one wymagają czasochłonnych obliczeń przeprowadzanych na liczbach zespolonych. Stopień komplikacji tych niekiedy bardzo złożonych procedur obliczeniowych, wykonywanych po stronie odbiorczej, wymaga użycia wydajnych i często energochłonnych procesorów sygnałowych DSP (Digital Signal
Processor), logiki programowalnej FPGA (Field Programmable Gate Array) lub
specjalistycznych układów ASIC (Application Specific Integrated Circuit). O złożoności problemu może także świadczyć i to, że od momentu pojawienia się pierwszych publikacji poświęconych technice MIMO upłynęło już ponad 10 lat, a w dalszym ciągu nie jest ona tak popularna, jak można byłoby tego oczekiwać. Zastosowanie szybkich układów obliczeniowych w odbiornikach wyposażonych w zewnętrzne zasilanie nie stanowi żadnego problemu. Jednak wprowadzenie tych układów do torów odbiorczych sensorów, pracujących w sieciach Cooperative Multi-hop i zasilanych jedynie z małej baterii, prowadzi do dodatkowego zużycia energii i ograniczenia czasu działania systemu.
Ze względu na niski stopień komplikacji sensorów oraz ich niewielkie koszty, dotychczasowe rozwiązania praktyczne wykorzystują przeważnie proste modulacje fali nośnej, takie jak ASK (Amplitude Shift Keying), OOK (On-Off Keying) lub BPSK (Binary
11
Phase Shift Keying). Systemy MIMO, które najczęściej rozważa się w sieciach
sensorycznych, składają się z dwóch anten nadawczych oraz dwóch odbiorczych, gdyż dalsze zwiększanie ich liczby prowadzi do zbytniej komplikacji sensorów oraz niepotrzebnie zwiększa zużycie energii, które nie jest potem rekompensowane wystarczającą poprawą jakości oraz zasięgu transmisji.
Dlatego też w ramach niniejszej rozprawy zaproponowano takie uproszczenie sprzętowo-programowe algorytmów implementowanych w radiowych zespołach nadawczo-odbiorczych, które pozwoliłoby na zastosowanie techniki MIMO(2,2) w sieciach sensorycznych bez konieczności stosowania wydajnych układów obliczeniowych. W rozwiązaniu tym kodowanie i dekodowanie danych, przesyłanych z wykorzystaniem techniki MIMO(2,2), oparto na tanich i ogólnie dostępnych procesorach. W celu oceny przydatności tak zaproponowanego rozwiązania opracowano, wykonano i poddano testom prototyp radiowego zespołu nadawczo-odbiorczego, za pomocą którego przeprowadzono szereg pomiarów wybranych parametrów transmisji w technice MIMO(2,2).
1.2. Założenia i tezy rozprawy
Jednym z głównych celów niniejszej rozprawy było opracowanie uproszczonego algorytmu kodowania i dekodowania danych w systemie łączności bezprzewodowej opartego na technice MIMO(2,2), który poprzez eliminację operacji macierzowych wykonywanych na liczbach zespolonych pozwoliłby zrezygnować z konieczności stosowania szybkich układów obliczeniowych, a tym samym stałby się bardziej przystępny przy konstrukcji czujników bezprzewodowych sieci sensorycznych.
Duża część publikacji [13, 18, 21], dotycząca zagadnień transmisji danych w bezprzewodowych sieciach sensorycznych wskazuje technikę MIMO, jako jeden ze sposobów zwiększenia zasięgu działania sensorów. Technika MIMO w odróżnieniu od dotychczas stosowanej SISO pozwala na redukcję mocy nadajników przy zachowaniu zasięgu działania lub znaczny jego wzrost bez podnoszenia zużycia energii. Jednakże duża złożoność obliczeniowa algorytmów dekodowania symboli w technice MIMO prowadzi do zwiększenia poboru energii, co w konsekwencji powoduje, że zysk energetyczny osiągany jest dopiero dla większych zasięgów działania sensorów. Dla różnych modulacji radiowych granicę opłacalności implementacji techniki MIMO szacuje się na 100 do 200m [13].
W prezentowanej rozprawie zaproponowano kilka istotnych uproszczeń, umożliwiających redukcję złożoności obliczeniowej algorytmów implementowanych po stronie odbiorczej (a tym samym prowadzących do spadku zużycia energii), wykorzystujących jeden z najbardziej popularnych wariantów techniki MIMO, który składa się z dwóch anten nadawczych oraz dwóch odbiorczych. Ze względu na ograniczenia techniczne sensorów (wymiary, cena, pobór mocy) wariant ten jest najczęściej spotykany w publikacjach dotyczących bezprzewodowych sieci sensorycznych.
12 Z grupy powszechnie znanych modulacji cyfrowych, praktyczne rozwiązania sieci sensorycznych wykorzystują przeważnie modulację ASK, która ogranicza się w nich do dwustanowego kluczowania amplitudy OOK. Realizacja tej modulacji w nadajniku sprowadza się do pełnego załączenia lub całkowitego wyłączenia fali nośnej za pomocą modulującego sygnału binarnego, generowanego przez procesor sterujący pracą nadajnika. Po stronie odbiorczej niekoherentna detekcja oparta na technice AM (Amplitude Modulation), której przypadkiem szczególnym jest OOK, wymaga jedynie zastosowania prostego liniowego detektora amplitudy. Rozważania teoretyczne i badania symulacyjne efektywności energetycznej techniki MIMO w aspekcie bezprzewodowych sieci sensorycznych, skupiają się głównie na dwustanowej modulacji BPSK lub w rzadszych przypadkach na QPSK. Pomimo dużej liczby prac naukowych poświęconych technice MIMO, nie natrafiono na jakiekolwiek przykłady ich praktycznej implementacji w sieciach WSN.
W zakresie kodowania i dekodowania sygnałów MIMO, zaproponowano algorytm polegający na porównaniu wartości amplitud i faz odebranych symboli z wzorcowymi wartościami przesłanymi w sekwencji treningowej. Pracę algorytmu oparto na prostych operacjach odejmowania i porównywania wartości całkowitych. A co najważniejsze, algorytm ten nie wymaga przeprowadzenia jakichkolwiek obliczeń matematycznych w celu wyznaczenia elementów macierzy transmitancji kanału radiowego, poza zapisaniem wartości kilku współczynników do pamięci procesora. Cecha ta umożliwia rozpoczęcie dekodowania odbieranych symboli natychmiast po przesłaniu sekwencji treningowej. Najlepsze wyniki działania uproszczonego algorytmu uzyskuje się dla modulacji dwustanowych, czyli tych najpopularniejszych w bezprzewodowych sieciach sensorycznych.
W niniejszej rozprawie omówiono sposób zastosowania uproszczonego algorytmu dekodowania. Opracowano i praktycznie wykonano stanowisko badawcze systemu MIMO(2,2) z zaimplementowanym uproszczonym algorytmem i modulacją OOK. Stanowisko to umożliwiło przeprowadzenie pomiarów wybranych parametrów transmisji danych w technice MIMO(2,2) dla kilku różnych scenariuszy.
W zdecydowanej większości publikacji poświęconych technice MIMO, główną uwagę skupia się na omówieniu zagadnień i rozwiązań zmierzających do poprawy współczynnika wykorzystania pasma lub zamiennie bitowej stopy błędów. Kwestia optymalizacji algorytmów oraz prostoty ich praktycznej implementacji jest często pomijana.
Po zapoznaniu się licznymi artykułami, nie natrafiono na podobne do omawianego w niniejszej rozprawie rozwiązanie transmisji danych w technice MIMO. Przedstawiona metoda ułatwia wykorzystanie zalet tej techniki w konstrukcji sensorów retransmitujących informacje w bezprzewodowych sieciach sensorycznych.
Celem niniejszej rozprawy było:
opracowanie prostej metody transmisji danych dla jednego z najpopularniejszych systemów MIMO, wykorzystujących dwie anteny nadawcze oraz dwie odbiorcze, która ułatwiłaby zastosowanie techniki MIMO w bezprzewodowych sieciach sensorycznych;
13 zaprojektowanie, wykonanie i uruchomienie prototypu radiowego zespołu
nadawczo-odbiorczego o jak najprostszej konstrukcji sprzętowo-programowej;
ocena wybranych parametrów transmisji zaproponowanych rozwiązań praktycznych przy wykorzystaniu skonstruowanego dla potrzeb rozprawy prototypu radiowego zespołu nadawczo-odbiorczego.
W związku z tym sformułowano główną tezę niniejszej rozprawy doktorskiej, mówiącą o tym, że:
Bez konieczności wyznaczania elementów macierzy funkcji przenoszenia kanału radiowego, a wykorzystując jedynie proste operacje porównywania i odejmowania, można opracować skuteczny algorytm detekcji sygnałów w systemie MIMO(2,2), który redukuje złożoność obliczeniową procedur dekodowania symboli i ułatwia zastosowanie techniki wieloantenowej w bezprzewodowych sieciach sensorycznych.
W nawiązaniu do tezy głównej rozprawy określono następujące tezy poboczne:
operacja uśredniania wartości referencyjnych otrzymanych w wyniku wielokrotnej retransmisji podstawowego ciągu symboli treningowych jest prostą i skuteczną metodą redukcji stóp błędów;
możliwe jest w miarę precyzyjne określenie wzajemnej odległości, odpowiednio, między antenami po stronie nadawczej i odbiorczej, poniżej której następuje wyraźne pogorszenie jakości transmisji wynikające z ograniczenia zjawiska wielodrogowości; w systemie opartym na technice MIMO(2,2) możliwa jest poprawa detekcja sygnałów
w przypadku utraty dostępności połączenia w jednym z torów odbiorczych, powstałej na skutek głębokiego zaniku radiowego lub awarii układów odbiornika.
W celu udowodnienia słuszności powyższych tez przeprowadzono następujące badania oraz eksperymenty pomiarowe:
1. Dokonano przeglądu publikacji opisujących algorytmy kodowania i dekodowania sygnałów w technice MIMO pod kątem ich złożoności obliczeniowej i możliwości ich praktycznej implementacji.
2. Zapoznano się zaletami zastosowania techniki MIMO w bezprzewodowych sieciach sensorycznych oraz przeanalizowano problemy, jakie wiążą się implementacją algorytmów dekodowania w zasilanych bateryjnie sensorach.
3. Opracowano nowy algorytm dekodowania danych w technice MIMO(2,2) opierający swoje działanie na operacjach odejmowania oraz porównywania i nie wymagający wyznaczania elementów macierzy transmitancji kanału radiowego.
4. Zaprojektowano i praktycznie wykonano prototypowy radiowy zespół nadawczo-odbiorczy wykorzystujący nowy algorytm dekodowania oraz zaimplementowano
14 niezbędne mechanizmy wspomagające transmisję danych, a związane z regulacją mocy wyjściowej, czułością torów odbiorczych oraz synchronizacją.
5. Za pomocą skonstruowanego radiowego zespołu nadawczo-odbiorczego przeprowadzono szereg eksperymentów pomiarowych dotyczących jakości transmisji dla kilku wariantów kodowania i różnych wartości stosunku mocy sygnał/szum.
1.3. Układ pracy
Prezentowana praca składa się z dziewięciu rozdziałów. W rozdziale pierwszym przedstawiono ogólne informacje dotyczące możliwości zastosowania techniki MIMO w bezprzewodowych sieciach sensorycznych WSN.
W rozdziale drugim wprowadzono podstawowe pojęcia i omówiono wybrane zagadnienia związane z techniką wieloantenową. Zwrócono uwagę na korzyści wynikające z jej stosowania oraz na problemy napotykane podczas projektowania systemów radiowych pracujących w technice MIMO.
Rozdział trzeci poświęcono architekturze bezprzewodowych sieci sensorycznych WSN. Przeanalizowano problemy wynikające z zastosowania bateryjnych źródeł zasilania sensorów oraz omówiono możliwości poprawy wybranych parametrów sieci przez wprowadzenie techniki MIMO.
Następne rozdziały stanowią zasadniczą, oryginalną część pracy, prezentującą opracowany przez autora uproszczony algorytm kodowania i dekodowania danych w systemie MIMO(2,2). Rozdziały te poświęcono analizie zaproponowanego algorytmu oraz prezentacji wyników eksperymentów przeprowadzonych za pomocą opracowanego i wykonanego zespołu nadawczo-odbiorczego MIMO(2,2). W rozdziale czwartym przedstawiono szczegółową budowę nadajnika i odbiornika tego zespołu oraz zwrócono uwagę na najważniejsze założenia konstrukcyjne. Rozdział piąty zawiera opis uproszczonego algorytmu kodowania i dekodowania danych, a także budowę ramki informacyjnej i sposób odtwarzania synchronizacji. W rozdziale szóstym omówiono problem odległości wzajemnej anten w systemach MIMO. Zaprezentowano wyniki eksperymentu, podczas którego badano wpływ rozmieszczenia anten na minimalną odległość międzysymbolową. W rozdziale siódmym dokonano analizy zużycia energii traconej na wykonywanie obliczeń dla uproszczonego algorytmu dekodowania oraz alternatywnych metod LS i AE. W rozdziale ósmym zaprezentowano wyniki pomiarów podstawowych parametrów transmisji w technice MIMO z zaimplementowanym uproszczonym algorytmem kodowania i dekodowania danych, przeprowadzonych przy użyciu opracowanego zespołu nadawczo-odbiorczego.
W rozdziale dziewiątym omówiono wnioski wynikające z przeprowadzonych badań analitycznych i eksperymentalnych oraz zamieszczono podsumowanie i krótką dyskusję dotyczącą możliwości zastosowania uproszczonego algorytmu do budowy między innymi sieci sensorycznych.
15
2. Technika wieloantenowa MIMO
W rozdziale przedstawiono najważniejsze, wybrane zagadnienia dotyczące techniki wieloantenowej MIMO ściśle związane z tematyką prezentowaną w niniejszej rozprawie doktorskiej.
2.1. Wprowadzenie
Jednym z kluczowych parametrów radiowych systemów transmisji danych jest współczynnik wykorzystania pasma [bit/s/Hz], definiowany jako stosunek przepływności bitowej R [bit/s] sygnału przesyłanego w kanale radiowym do szerokości pasma B [Hz] kanału, wymaganego do jego niezniekształconej transmisji:
(2.1)
W rzeczywistym kanale radiowym wartość współczynnika jest ograniczona przede wszystkim przez interferencję międzysymbolową ISI (Inter-Symbol Interference) oraz różnego rodzaju szumy i zakłócenia.
Claude E. Shannon wykazał [20], że maksymalna wartość współczynnika , możliwa do uzyskania w kanale transmisyjnym systemu SISO, zakłóconym szumem białym wynosi:
(2.2)
gdzie:
SNR – stosunek mocy średnich sygnału do szumu na wejściu odbiornika [W/W].
Współczynnik wykorzystania pasma, wynikający ze wzoru (2.2), niezależnie od zastosowanej modulacji oraz kodowania, określa maksymalną przepustowość R kanału radiowego o szerokości pasma B.
Ograniczenie (2.2) skłoniło naukowców do poszukiwania nowych metod i technik transmisji, pozwalających na zwiększenie szybkości przesyłu danych w kanale radiowym o zadanej szerokości pasma i stosunku SNR. W 1998 r. Gerard J. Foschini zaproponował [7] rozwiązanie oparte na technice wieloantenowej MIMO, pozwalające na znaczną poprawę wartości współczynnika wykorzystania pasma . Główną ideą nowej techniki było
16 uwzględnienie zjawisk towarzyszących propagacji wielodrogowej, uznawanych dotychczas za bardzo niekorzystne. A metodom ograniczenia ich wpływu na transmisję sygnałów w torze radiowym poświęcono bardzo wiele prac naukowych.
Systemy oparte na technice wieloantenowej MIMO(m,n) składają się z m anten nadawczych oraz n odbiorczych, pracujących równocześnie na tej samej częstotliwości. Dla ustalenia uwagi i uproszczenia analizy, w dalszej części rozdziału omówiono jeden z najpopularniejszych systemów MIMO, składający się z dwóch anten nadawczych oraz dwóch anten odbiorczych. System MIMO(2,2) ze względu na stosunkowo niewielki stopień komplikacji jest najczęściej rozważanym rozwiązaniem, mogącym znaleźć zastosowanie przy budowie bezprzewodowych sieci sensorycznych. Systemy MIMO wykorzystujące większą liczbę anten praktycznie nie są obecnie brane pod uwagę, ze względu na koszty, komplikację oraz zwiększony pobór mocy sensorów posiadających w zdecydowanej większości zasilanie bateryjne.
Rys. 2.1. System radiowy MIMO(2,2)
Podstawową ideę systemu MIMO(2,2) przedstawiono na rysunku 2.1. Część opracowań naukowych, poświeconych technice MIMO, uwzględnia dodatkowo wpływ szumu, który tu został celowo pominięty, gdyż jest nieistotny dla wyjaśnienia zasady działania systemów wieloantenowych.
Część nadawczą systemu MIMO(2,2) stanowią dwie anteny T1 oraz T2, nadające na tej samej
częstotliwości nośnej i w tym samym czasie niezależne ciągi symboli zespolonych i . Sygnały wyemitowane z anten T1 i T2, odpowiednio stłumione
i opóźnione docierają do anten odbiorczych R1 oraz R2, na wyjściu których reprezentowane są
przez ciągi symboli i .
Ze względu na nałożenie się na siebie dwóch różnych sygnałów emitowanych z anten nadawczych, konieczne jest wprowadzenie dodatkowych mechanizmów (stanowiących nieodłączny element systemów MIMO) umożliwiających poprawne zdekodowanie odebranych ciągów symboli i odzyskanie nadanych informacji w postaci ciągów i . W przedstawionym na rysunku 2.1 przęśle wyróżniamy cztery tory radiowe. Każdy tor radiowy, utworzony między i-tą anteną nadawczą, a j-tą anteną odbiorczą opisany jest
T1 T2 R1 R2
17 poprzez funkcję przenoszenia (transmitancję) , zawierającą informacje o wprowadzanym przez tor tłumieniu i przesunięciu fazowym. Zależności pomiędzy nadawanymi i odbieranymi symbolami możemy opisać równaniami:
(2.3)
gdzie:
n – numer kolejnego symbolu.
Równania (2.3) w postaci macierzowej przyjmują następującą postać:
(2.4)
gdzie:
– macierz funkcji przenoszenia torów radiowych, – wektor odbieranych symboli,
– wektor nadawanych symboli.
Zależności (2.3) oraz (2.4) tworzą układ dwóch równań liniowych z dwoma niewiadomymi. Jeżeli macierz jest macierzą nieosobliwą, możliwe jest rozwiązanie tego układu i bezbłędne odzyskanie nadawanych informacji w postaci ciągów i . Oznacza to, że zastosowanie dwóch anten nadawczych oraz dwóch anten odbiorczych umożliwia transmisję z podwojoną szybkością bitową (w odniesieniu do klasycznego systemu SISO) bez konieczności poszerzania pasma częstotliwości kanału radiowego.
Zastosowanie powyższej metody transmisji prowadzi do poprawy współczynnika , jednak jego wartość jest silnie powiązana z parametrami . W przypadku, gdy wzajemne położenie anten oraz warunki propagacji w kanale doprowadzą do ustalenia takich wartości współczynników , które nie dają jednoznacznego rozwiązania układu równań, to wówczas następuje utrata dodatkowych korzyści wynikających z wykorzystania zjawiska wielodrogowości.
Zwiększanie liczby anten zarówno nadawczych jak i odbiorczych wprawdzie prowadzi do dalszej poprawy współczynnika wykorzystania pasma [16], jednak stopień skomplikowania, złożoność obliczeniowa i koszt urządzeń nadawczo-odbiorczych może być w pewnym momencie trudny do zaakceptowania.
18
2.2. Sekwencja treningowa
Odzyskanie z ciągów oraz informacji nadanej, zawartej w ciągach i , wymaga znajomości macierzy przenoszenia torów radiowych , nazywanej też macierzą przejścia. Efektywne wyznaczenie współczynników tej macierzy stanowi stosunkowo złożony problem, któremu poświęcono wiele prac naukowych [22, 25]. Istnieją publikacje opisujące możliwości wyznaczania współczynników bezpośrednio z transmitowanych danych, lecz większość autorów proponuje wykorzystanie tzw. sekwencji treningowej (Training
Sequence), przesyłanej okresowo pomiędzy nadajnikiem a odbiornikiem. Sekwencja
treningowa składa się z serii odpowiednio przygotowanych symboli, zależnych od zastosowanej metody estymacji parametrów kanału, umożliwiających poprawne działanie algorytmu wyznaczania macierzy przejścia. Odbiór sekwencji treningowej w postaci ciągów , oraz znajomość jej postaci nadanej i pozwala na obliczenie współczynników . Ze względu na zmieniające się w przęśle radiowym warunki propagacji fal radiowych, konieczna jest ciągła aktualizacja macierzy przejścia . Jeżeli zmiany parametrów macierzy wykazują niewielką dynamikę, to sekwencja treningowa może być przesyłana w relatywnie dużych odstępach czasu. Mówi się wówczas, że kanał radiowy jest quasi stacjonarny, czyli że jego parametry transmisyjne pozostają niezmienne w trakcie odbioru określonej ilości danych. Jest to jedno z głównych założeń przyjętych w systemach wieloantenowych MIMO.
Rys. 2.2. Sekwencja treningowa na początku ramki danych
W przykładzie przedstawionym na rys. 2.2 sekwencja treningowa transmitowana jest na początku ramki. Zaletą tego rozwiązania jest znajomość parametrów macierzy przed odbiorem pierwszych symboli danych, co umożliwia ich natychmiastowe dekodowanie bez konieczności oczekiwania na zakończenie transmisji. Należy jednak zwrócić uwagę na pewną wadę takiego rozwiązania. Przyjmuje się, że kanał radiowy jest quasi stacjonarny w trakcie transmisji określonej ilości danych, ale jego parametry mogą ulec nieznacznej zmianie od momentu odbioru sekwencji treningowej do chwili zakończenia odbioru ramki. Wynika z tego, że dekodowanie symboli bardziej odległych od sekwencji treningowej może być obarczone większym błędem.
Rys. 2.3. Sekwencja treningowa w środku ramki danych
Dane Sekwencja treningowa Dane Sekwencja
19 Wadę rozwiązania przedstawionego na rys. 2.2 ogranicza umieszczenie sekwencji treningowej w środkowej części ramki (rys. 2.3). Czas jaki dzieli transmisję początkowych i końcowych symboli danych od chwili odbioru sekwencji treningowej jest zdecydowanie krótszy niż w poprzednim przypadku, a tym samym prawdopodobieństwo istotnych zmian parametrów kanału radiowego mniejsze. Rozwiązanie to jest jednak bardziej kłopotliwe w realizacji. Podczas odbioru danych poprzedzających sekwencję treningową nie są bowiem znane parametry macierzy , a tym samym nie jest możliwe dekodowanie odebranych symboli i przekształcenie ich na postać cyfrową. Konieczne jest zapamiętywanie każdego symbolu w postaci liczby zespolonej celem późniejszego zdekodowania. Wymaga to rezerwacji bufora pamięci na określoną ilość liczb zespolonych, a także kumuluje skomplikowane obliczenia matematyczne po zakończeniu odbioru sekwencji treningowej. Zagadnienia dotyczące estymacji kanału radiowego i wyznaczania współczynników są tematem wielu prac naukowych [22, 25, 27]. W zależności od zastosowanej modulacji sygnału cyfrowego, wymaganej precyzji obliczeń, czasu przetwarzania oraz przyjętych warunków propagacji fal, proponuje się różnorodne rozwiązania. Wśród najpopularniejszych technik estymacji można wyróżnić LS (Least Squares), AE (Averaged Estimation) oraz SB (Semi Blind). O złożoności obliczeniowej tych metod może świadczyć liczba wymaganych operacji dodawania oraz mnożenia zespolonego, która na przykład dla LS i sekwencji o długości 12 symboli wynosi 896 obliczeń i rośnie do 266304 operacji dla sekwencji 256 symboli. W konsekwencji czas potrzebny na wyznaczenie macierzy , szczególnie przy zastosowaniu mniej wydajnych procesorów, może być w porównaniu z czasem trwania ramki danych zbyt długi, skutecznie ograniczając dopuszczalną szybkość przesyłu danych. Z tego względu stopień złożoności obliczeniowej tych algorytmów oraz ich optymalizacja są wciąż tematem badań.
2.3. Metody dekodowania symboli danych
W systemach MIMO wyznaczenie nadanych symboli i z symboli odebranych oraz można przeprowadzić na podstawie znajomości współczynników macierzy funkcji przenoszenia na kilka sposobów. Bardziej szczegółowy przegląd tych metod przedstawiono w [4].
Jedną z technik dekodowania symboli jest metoda ZF (Zero Forcing) polegająca na rozwiązaniu równania (2.4) przez wyznaczenie macierzy odwrotnej do :
(2.5)
Wyznaczenie macierzy odwrotnej jest możliwe tylko w przypadku, jeśli liczba anten po obu stronach przęsła jest identyczna, bowiem wówczas macierz funkcji przenoszenia jest macierzą kwadratową. Jeżeli liczba anten nadawczych różni się od liczby anten odbiorczych, to korzysta się z przekształcenia Moore’a-Penrose’a w celu uzyskania pseudo odwrotnej
20 macierzy [19]. Decyzję o nadanym symbolu podejmuje się przez wybór elementu z alfabetu możliwych symboli opierając się na najmniejszej odległości euklidesowej.
W przypadku, gdy macierz jest bliska macierzy osobliwej, zastosowanie detektora liniowego powoduje wzmocnienie szumu i w konsekwencji prowadzi do pogorszenia bitowej stopy błędów [4].
Jedną z technik dekodowania zapewniającą niską stopę błędów jest metoda ML (Maximum Likelihood Decoding), w której działanie detektora oparto na kryterium maksimum wiarygodności. Każda z anten nadawczych może transmitować tylko skończoną liczbę symboli, zależną od wybranej techniki modulacji. W konsekwencji liczba wektorów , stanowiąca kombinację symboli zawartych w alfabecie jest również ograniczona. Dla każdej z prawidłowych kombinacji (na etapie projektowania kodu można wyeliminować wybrane pary symboli) odbiornik oblicza zbiór wektorów na podstawie zależności:
(2.6)
Po odbiorze wektora danych , zgodnie z kryterium maksimum prawdopodobieństwa wybierany jest wektor , dla którego prawdopodobieństwo odbioru wektora pod warunkiem, że nadany został wektor , jest największe. Dla każdego odebranego wektora sprowadza się to do wyznaczenia minimum wyrażenia:
(2.7) gdzie:
zbiór dostępnych wektorów w alfabecie nadajnika.
Detektor ML oblicza odległość euklidesową między wektorem odebranym, a wszystkimi innymi możliwymi wektorami ze zbioru . Ponieważ złożoność operacji poszukiwania właściwego wektora rośnie wraz ze wzrostem liczby anten nadawczych oraz poziomem
modulacji, dlatego odbiorniki ML mogą być trudne w praktycznej realizacji.
W metodzie MMSE (Minimum Mean Square Error) działanie odbiornika oparto na minimalizacji średniego błędu kwadratowego między symbolem nadawanym, a symbolem odebranym. W konstrukcji takiego odbiornika wykorzystano strukturę filtru opisanego macierzą [19]. Przy czym dla małych wartości SNR metoda MMSE daje lepsze wyniki niż ZF, natomiast przy dużych SNR jest z nią porównywalna [4]. Z kolei złożoność obliczeniowa MMSE jest stosunkowo wysoka, co może stanowić utrudnienie w realizacjach praktycznych.
Przedstawione powyżej metody dekodowania sygnałów w systemach wieloantenowych MIMO są przykładami najczęściej podawanymi w literaturze. Ze względu na złożoność obliczeniową, a tym samym wpływ na stopień skomplikowania odbiornika, prowadzone są intensywne prace nad znalezieniem innych sposobów detekcji symboli, prowadzących do uproszczenia konstrukcji odbiornika lub poprawy parametrów jego pracy, a w konsekwencji
21 redukcji bitowej stopy błędów BER (Bit Error Rate). Jako przykład może służyć algorytm BLAST (Bell Labs Layered Space-Time) oraz jego odmiany V-BLAST (Vertical-BLAST) lub D-BLAST (Diagonal-BLAST) zaproponowane przez Foschini’ego wraz z zespołem Bell Labs.
2.4. Kodowanie przestrzenno czasowe
Przedstawione w podrozdziale 2.3 metody dekodowania sygnałów w systemach MIMO dotyczyły sposobów odzyskiwania po stronie odbiorczej pojedynczych symboli danych. W celu dalszej poprawy bitowej stopy błędów BER, zaproponowano wprowadzenie kodów przestrzenno-czasowych STC (Space-Time Coding) [1, 23], w których po stronie nadajnika następuje odpowiednie rozdzielenie strumienia danych między anteny nadawcze (przestrzeń) oraz powiązanie symboli transmitowanych w kolejnych chwilach za pomocą specjalnych kodów (czas). Kodowanie STC dzieli się na dwie podstawowe odmiany: blokowe STBC (Space-Time Block Coding) oraz kratowe STTC (Space-Time Trellis Coding).
Kody blokowe STBC opisywane są za pomocą macierzy symboli, w której kolumny
odpowiadają wektorom symboli transmitowanych w kolejnych chwilach czasowych, natomiast wiersze reprezentują anteny nadawcze. Jednym z pierwszych kodów STBC, zaproponowanym przez Alamouti’ego dla systemu MIMO(2,2) był kod opisany macierzą:
(2.8) gdzie wartość sprzężona zespolonego symbolu .
Zgodnie z (2.8) w pierwszej chwili czasowej anteny T1 oraz T2 nadają wektor symboli i ,
natomiast w drugiej odpowiednio i . Zbiór wektorów transmisyjnych tworzy tzw. blok. Macierze kodów STBC są tak skonstruowane, aby poszczególne wektory transmisyjne były wzajemnie ortogonalne, a tym samym spełniały zależność:
(2.9)
Projektowanie kodów blokowych jest problemem stosunkowo złożonym, opisanym bardziej szczegółowo w [28].
Kody kratowe STTC, zaproponowane w 1998 roku przez Vahida Tarokha [23],
wykorzystują nadmiarowe kodowanie splotowe, w którym wyjście kodera zależy od jego wewnętrznego stanu oraz od danych podanych na wejście układu kodującego. W klasycznej technice SISO informacje wyjściowe kodera są transmitowane poprzez jedną dostępną antenę, natomiast w technice MIMO rozdzielane pomiędzy wiele anten nadawczych.
Do dekodowania kodów STTC wykorzystuje się algorytm Viterbiego (VA), polegający na sumowaniu odpowiednich metryk wyznaczanych podczas odbioru kolejnych danych, a następnie na wyborze ścieżki o minimalnej metryce w chwili końcowej. Wraz ze wzrostem liczby anten oraz stanów kraty, dekodowanie STTC staje się coraz bardziej skomplikowane i
22 trudne w realizacji, w związku z rosnącą liczbą operacji matematycznych wymaganych do wykonania dla każdego odebranego wektora symboli.
Jak pokazano w rozdziale 2.1, zastosowanie wielu anten nadawczych i odbiorczych, prowadzi do podwyższenia dostępnej szybkości transmisji bez konieczności poszerzania pasma częstotliwości kanału radiowego oraz zwiększenia mocy nadajników. Wprawdzie zastosowanie w systemach MIMO kodów nadmiarowych STBC lub STTC prowadzi do ponownej redukcji dostępnej przepustowości, lecz znacząco wpływa na poprawę bitowej stopy błędów. Zalety techniki wieloantenowej można zatem wykorzystać do zwiększenia współczynnika wykorzystania pasma lub wymiennie do poprawy jakości pracy łącza i zmniejszenia bitowej stopy błędów BER.
2.5. Efektywność widmowa
Efektywność widmowa (Spectral Efficiency) jest parametrem systemu transmisyjnego określającym liczbę bitów, którą można przesłać w ciągu 1 sekundy mając do dyspozycji 1 herc dostępnego pasma częstotliwości.
Efektywność widmową określa się za pomocą współczynnika wykorzystania pasma , którego maksymalna wartość dla systemów SISO jest opisana wyrażeniem (2.2), niezależnie od zastosowanej techniki modulacji czy sposobu kodowania informacji. W systemach SISO osiągane obecnie wartości współczynnika są już zbliżone do teoretycznej granicy i jest oczywistym, że wszelkie prowadzone prace nie mogą w znaczący sposób poprawić ich efektywności widmowej. Ograniczone zasoby widma radiowego są jednak silnym bodźcem skłaniającym naukowców do poszukiwania alternatywnych metod transmisji, które pozwoliłyby przekroczyć wartość współczynnika zdefiniowanego dla klasycznych systemów SISO.
W systemach wieloantenowych dodatkowe korzyści wynikające z zastosowania techniki MIMO uzyskujemy w przypadku, gdy poszczególne tory radiowe łączące i-tą anteną nadawczą i j-tą anteną odbiorczą są nieskorelowane. Znając macierz transmitancji możemy wyznaczyć macierz korelacji kanału zdefiniowaną następująco:
(2.10)
gdzie:
† – operacja transpozycji i sprzężenia.
W systemach SISO współczynnik wykorzystania pasma jest funkcją stosunku sygnał/szum SNR na wejściu odbiornika. W przypadku wielu anten odbiorczych wartości SNR mogą być różne dla każdej z anten, dlatego korzystamy z uśrednionej wartości tego współczynnika określonej wyrażeniem:
23 gdzie:
m – liczna anten odbiorczych,
SNRj – stosunek sygnał/szum na wejściu j-tego odbiornika (zaciskach wyjściowych j-tej
anteny odbiorczej).
W systemie wieloantenowym MIMO(n,m) składającym się z n anten nadawczych i m anten odbiorczych, w którym macierz korelacji kanału radiowego wynosi , nie jest możliwe uzyskanie lepszego współczynnika wykorzystania pasma niż [7]:
(2.12) gdzie:
n,m – liczna anten odpowiednio nadawczych, odbiorczych. Im – macierz jednostkowa o wymiarach .
Po uwzględnieniu wyrażeń (2.10) oraz (2.12) otrzymujemy:
(2.13)
Wyrażenie (2.13) przedstawia maksymalną graniczną wartość współczynnika wykorzystania pasma osiąganą dla kanału radiowego o parametrach opisanych macierzą . Przy czym parametry te zależą między innymi od wzajemnego położenia anten, ukształtowania terenu, odbić od obiektów znajdujących się na drodze propagacji fal i tym samym nie są wartościami stałymi dla danego systemu radiokomunikacyjnego.
Wyznaczenie efektywności widmowej systemu o dowolnej liczbie anten nadawczych i odbiorczych zostało szczegółowo opisane w [7, 8, 24].
W przypadku szczególnym, w systemie MIMO o równej liczbie anten nadawczych i odbiorczych (n=m), do obliczenia maksymalnej granicznej wartości współczynnika wykorzystania pasma , przyjmuje się, że . Odpowiada to najkorzystniejszym warunkom propagacji sygnału w przęśle, przy których wynosi:
(2.14) Dla wyrażenie (2.14) osiąga wartość:
(2.15)
Ze wzoru (2.15) wynika, że nieskończone polepszanie efektywności widmowej systemów MIMO przez wprowadzanie kolejnych anten nie jest możliwe. Jednak współczynnik jest zbliżony do teoretycznej wartości granicznej dopiero dla bardzo dużych wartości n rzędu 105. Dla niewielkiej liczby anten n = 2, 4, 8, które są praktycznie stosowane, można przyjąć z dużą dokładnością, że jest wprost proporcjonalny do n.
24 Przykładowe charakterystyki efektywności widmowej dla systemów MIMO(n,n) przedstawiono na rysunku 2.4.
Rys. 2.4. Współczynnik dla różnych wartości oraz liczby anten
2.6. Bitowa stopa błędów, zasięg transmisji i pobór mocy
Jak przedstawiono w podrozdziale 2.5, technika wieloantenowa MIMO charakteryzuje się zdecydowanie większą efektywnością widmową od techniki SISO. Oznacza to, że w tym samym paśmie częstotliwości radiowych, transmisja danych może odbywać się z większą szybkością bitową bez konieczności podnoszenia mocy stopni nadawczych. Wprowadzenie do systemu kodowania nadmiarowego STTB lub STTC (podrozdział 2.4) prowadzi do ponownej redukcji szybkości transmisji, jednak poprawie ulega bitowa stopa błędów BER.
0 10 20 30 40 50 60 0 5 10 15 20 25 30 [b it/s /H z]
Uśredniony stosunek sygnał/szum [dB]
Wartośd maksymalna współczynnika wykorzystania pasma SISO
MIMO(2,2) MIMO(4,4) MIMO(8,8)
25
Rys. 2.5. Zależność bitowej stopy błędów od współczynnika
SNR dla różnych wariantów systemów MIMO [10]
Jednym z głównych kryteriów stosowanych do oceny parametrów kodów przestrzenno-czasowych STC jest porównanie stopy błędów BER dla wybranych wariantów systemów MIMO i różnych technik kodowania. Szybkość transmisji danych jest utrzymywana na poziomie odpowiadającym technice SISO, co oznacza, że wzrost przepustowości uzyskany w kanale radiowym zostaje w całości przeznaczony na przesłanie informacji nadmiarowych. Na rysunku 2.5 zaczerpniętym z pracy [10] przedstawiono wyniki badań symulacyjnych zależności bitowej stopy błędów BER od stosunku SNR dla kodów STBC, MRRC (Maximal
Ratio Receive Combining) i modulacji BPSK. Warto zwrócić uwagę, że w systemie
MIMO(2,2) dla SNR = 12dB i kodowania STBC uzyskuje się poprawę bitowej stopy błędów w odniesieniu do SISO o prawie trzy rzędy wielkości.
Znaczący spadek bitowej stopy błędów BER w systemach wieloantenowych z kodowaniem przestrzenno-czasowym jest efektem bardzo korzystnym, wpływającym na redukcję liczby uszkodzonych pakietów danych oraz na liczbę ewentualnych retransmisji. Jeżeli jednak jakość łącza nie jest parametrem istotnym, dodatkowe korzyści wynikające z zastosowania omawianej techniki można przełożyć na ograniczenie mocy torów nadawczych lub na zwiększenie zasięgu działania systemu. W aplikacjach nie posiadających stabilnego, zewnętrznego zasilania, gdzie czas pracy systemu na jednym komplecie baterii jest bardzo istotny, technika MIMO pozwala znacząco zredukować pobór mocy nadajników przy zachowaniu zasięgu działania systemu na niezmienionym dotychczasowym poziomie. Omawiany problem jest zwykle krytycznym w przypadku bezprzewodowych sieci sensorycznych WSN, których czujniki rozmieszczone na określonym obszarze są zasilane z baterii, a ich wymiana może być utrudniona lub wręcz niemożliwa. Z tego względu poszukuje się rozwiązań zapewniających działanie sieci WSN przez wiele miesięcy lub nawet lat.
26 Problem ten poruszany jest w pracy [21], która zawiera analizę zużycia energii niezbędnej do przesłania jednego bitu informacji na zadaną odległość. Jak wykazał autor (rys. 2.6), system MIMO zużywa zdecydowanie mniej energii na jeden transmitowany bit, niż ma to miejsce w przypadku klasycznej techniki SISO. Należy zwrócić uwagę, że na rysunku 2.6 pokazano jedynie zużycie energii na samą emisję sygnałów i nie uwzględniono podwyższonego jej zużycia niezbędnego do zasilenia zwielokrotnionych torów nadawczych i odbiorczych systemów MIMO.
Problem ten nabiera szczególnego znaczenia w przypadku odbiorników, które muszą nieprzerwanie pracować, gdyż ich czasowe wyłączenie (uśpienie) wiąże się z ryzykiem utraty przesyłanych danych. Zagadnienie całkowitego zapotrzebowania na energię zostało bardziej szczegółowo omówione w dalszej części pracy, w rozdziale 3, przy okazji prezentacji bezprzewodowych sieci sensorycznych.
Rys. 2.6. Zależność energii potrzebnej na przesłanie jednego
bitu informacji od wymaganego zasięgu radiowego systemu
2.7. Dostępność połączenia w systemach MIMO
W większości systemów radiowych sygnał emitowany przez antenę ulega wielokrotnym odbiciom od przeszkód terenowych zanim dotrze do odbiornika i to zazwyczaj różnymi drogami. Mówimy wówczas o zjawisku wielodrogowości. Wzajemna interferencja wielu fal radiowych o różnych fazach i amplitudach, prowadzi w jednych miejscach do wzmocnienia sygnału wypadkowego, w innych do jego osłabienia, czy niekiedy do bardzo głębokiego zaniku. W przypadku, gdy nastąpi niekorzystne nałożenie się na siebie fal radiowych, skutkujące silnym osłabieniem poziomu mocy sygnału, mówimy o zaniku wielodrogowym.
27 Długości fal radiowych w obecnych systemach radiokomunikacyjnych pracujących na częstotliwościach kilkuset MHz lub pojedynczych GHz wynoszą od kilku do kilkudziesięciu centymetrów. Oznacza to, że w tak niewielkich odległościach od siebie, równych połowie długości fali, może występować wzmocnienie lub osłabienie mocy sygnału nośnego docierającego do anteny odbiorczej. Zmiana miejsca położenia anteny odbiorczej spowodowana ruchem użytkownika może zatem prowadzić do bardzo głębokich wahań amplitudy sygnału. W innym przypadku, gdy odbiornik pozostaje w spoczynku, na dynamikę zmian sygnału nośnej mogą wpływać poruszające się w otoczeniu obiekty, jak również zmiany pogody i tym samym zmiany warunków propagacyjnych w torze radiowym. Spadek poziomu mocy sygnału poniżej pewnego progu, wymaganego przez system do poprawnego działania powoduje utratę łączności, czyli zerwanie połączenia. Prawdopodobieństwo takiego zdarzenia (Outage probability) określa się współczynnikiem :
(2.16)
gdzie:
TOFF – łączny czas braku połączenia,
TTOT – badany przedział czasu trwania transmisji.
W pracy [16] zbadano wahania poziomu sygnału wraz z upływem czasu, co dla systemu SISO przedstawione zostało na rysunku 2.7 kolorem czerwonym. Widoczne są silne spadki amplitudy mogące powodować zrywanie połączenia.
Rys. 2.7. Wahania poziomu sygnału dla systemów jednoantenowych
(kolor czerwony) oraz wieloantenowych (niebieski)
W przypadku systemów MIMO, prawdopodobieństwo, że wszystkie anteny odbiorcze znajdą się w obszarze bardzo głębokiego zaniku sygnału nośnego jest zdecydowanie mniejsze niż dla
28 pojedynczego odbiornika. Wprawdzie wyłączenie z transmisji części anten prowadzi do spadku przepustowości łącza, jednak ryzyko całkowitej utraty łączności jest ograniczone. Wahania poziomu mocy sygnału w systemie wieloantenowym przedstawiono na rysunku 2.7 linią niebieską.
Wyniki badań empirycznych, przeprowadzonych przez firmę Philips [5], pokazujących zależność wymaganego stosunku SNR na wejściu odbiornika w systemach SISO i MIMO o 2, 3 i 4 antenach, od parametru przedstawiono w tabeli 2.1.
Tab. 2.1. Wymagany stosunek SNR dla zadanych
wartości współczynnika System SISO 33,8dB 44,0dB MIMO(2,2) 18,7dB 25,7dB MIMO(3,3) 12,1dB 14,2dB MIMO(4,4) 9,0dB 10,0dB
29
3. Bezprzewodowe sieci sensoryczne
Mianem bezprzewodowych sieci sensorycznych WSN określa się sieci oparte na niewielkich urządzeniach zwanych węzłami lub sensorami i komunikujących się ze stacjami bazowymi za pomocą fal radiowych. Główną funkcją sensorów jest zazwyczaj dokonywanie pomiarów wybranych wielkości fizycznych, wstępne przetwarzanie zebranych informacji oraz transmitowanie ich w kierunku stacji bazowych.
3.1. Wprowadzenie
Zastosowanie bezprzewodowych sieci sensorycznych jest bardzo szerokie i różnorodne. Czujniki rozmieszczone na określonym obszarze mogą dostarczać informacji o warunkach środowiskowych tam panujących, dokonywać pomiarów w miejscach niebezpiecznych i trudnodostępnych, monitorować naprężenia konstrukcji inżynierskich, czy też pomagać biologom śledzić mikroklimat wybranych roślin.
Rozwój bezprzewodowych sieci sensorycznych był do niedawna ograniczony ze względów technologicznych. Wymagania stawiane czujnikom (zasilanie bateryjne, długi okres użytkowania, niewielkie rozmiary) wpływały na ich wysoką cenę i ograniczały możliwości budowy sieci. Rozwój nowych technologii w elektronice, prowadzący do spadku cen, opracowanie wydajnych źródeł zasilania, zwiększenie szybkości działania procesorów przy jednoczesnym znacznym spadku poboru mocy, spowodował wzrost zainteresowania sieciami sensorycznymi. Poziom sprzedaży czujników w ostatnich latach rośnie bardzo szybko (rys. 3.1) [29].
Rys. 3.1. Poziom sprzedaży sensorów na świecie [29]
0 100 200 300 400 500 600 2004 2005 2006 2007 2008 2009 2010 m ili o n y szt u k
30
3.2. Architektura bezprzewodowych sieci sensorycznych
Najprostszą siecią WSN jest sieć o topologii gwiazdy. Centralnym punktem w tej topologii jest stacja bazowa, najczęściej wyposażona tylko w radiowe urządzenie odbiorcze. W pobliżu stacji bazowej rozlokowane są sensory transmitujące okresowo wartości pomiarowe (rys. 3.2).
Rys. 3.2. Topologia gwiaździsta WSN
Istotną wadą powyższego rozwiązania jest mały zasięg działania sieci. Ze względu na niską moc torów nadawczych zastosowanych w sensorach, co jest konsekwencją zasilania bateryjnego, wszystkie czujniki muszą być rozmieszczone w niewielkiej odległości od stacji bazowej nie przekraczającej z reguły kilkuset metrów. Zwiększenie obszaru działania sieci wiąże się z koniecznością instalacji kolejnych stacji bazowych, co w wielu przypadkach może być utrudnione i kosztowne.
Problem ten rozwiązują sieci Multi-hop WSN, w których każdy z sensorów jest wyposażony w radiowe urządzenie nadawczo-odbiorcze. Umożliwia to wprowadzenie stacji pośredniczących (przekaźnikowych) (rys. 3.3) i przesyłanie do centrali informacji pochodzących z węzłów sieci położonych w znacznej odległości od najbliższej stacji bazowej.
Rys. 3.3. Architektura sieci Multi-hop
Wprowadzenie stacji przekaźnikowych w sieciach Multi-hop jest jednak źródłem szeregu problemów. Podczas każdej transmisji w kanale radiowym, ze względu na aktualne warunki propagacyjne, szumy i zaniki wielodrogowe, istnieje duże ryzyko przekłamania ramki danych, co w konsekwencji może doprowadzić do utraty przesyłanej informacji. Wraz ze wzrostem liczby stacji przekaźnikowych maleje prawdopodobieństwo przesłania poprawnej informacji do stacji bazowej i spada niezawodność działania sieci.
W sytuacji, gdy każdy węzeł sieci jest równoważny i przekazuje informację otrzymaną od sąsiednich sensorów, istnieje duże prawdopodobieństwo, że ramka danych wysłana przez
31 określony węzeł sieci zostanie w tym samym czasie retransmitowana kilkukrotnie przez sąsiednie węzły. Powoduje to nałożenie się wielu transmisji i w konsekwencji całkowite zniekształcenie przesyłanego sygnału. W celu eliminacji tego niekorzystnego zjawiska stosuje się agregację danych (Data Aggregation), polegającą na wprowadzeniu protokołu routingu określającego dla danego sensora zbiór sąsiadów, których dane mogą być przez niego retransmitowane. Rysunek 3.4 przedstawia działanie sieci z agregacją danych.
Rys. 3.4. Agregacja danych
Powyższe rozwiązanie komplikuje nieco algorytmy routingu pakietów, jednak zdecydowanie zmniejsza ryzyko wystąpienia wielu jednoczesnych transmisji i utraty w ten sposób przesyłanych informacji.
Pierwsze sensory instalowane w bezprzewodowych sieciach sensorycznych były wyposażone w jeden nadajnik oraz jeden odbiornik, co umożliwiało przesyłanie danych w technice SISO. Rozwój techniki MIMO oraz korzyści płynące z jej zastosowania, skłoniły naukowców do poszukiwania rozwiązań pozwalających zbudować bezprzewodowe sieci sensoryczne na bazie istniejących sensorów, lecz rozszerzone o technikę MIMO. W publikacji [3] zaproponowano architekturę Cooperative Multi-hop WSN z wirtualnymi kanałami MIMO (rys. 3.5).
Rys. 3.5. Cooperative Multi-hop WSN
W sieciach sensorycznych typu Cooperative Multi-hop wyróżniamy grupy sensorów tworzących tzw. klastry, czyli zespoły. Większość czujników komunikuje się między sobą tylko w ramach jednego klastra i nie uczestniczy w wymianie informacji pomiędzy sąsiednimi klastrami. Każdy taki zespół ma wyróżnionych kilka węzłów, które są uprawnione do
Wirtualny kanał MIMO Klaster
32 komunikacji z innymi klastrami pracującymi w sieci. W przypadku, gdy w każdym klastrze znajduje się kilka sensorów zdolnych wysyłać i odbierać informacje jednocześnie, to wprowadzenie odpowiednich metod synchronizacji umożliwia utworzenie wirtualnego kanału MIMO. Metody synchronizacji są jednak złożonymi algorytmami, wymagającymi dodatkowej komunikacji pomiędzy węzłami w ramach danego klastra, a tym samym generują dodatkowy ruch i prowadzą do szybszego zużycia źródeł zasilania zainstalowanych w sensorach.
Jednym z proponowanych rozwiązań synchronizacji transmisji w sieciach Cooperative
Multi-hop WSN jest wyznaczenie kilku węzłów, które w sposób ciągły oczekują na informacje od
sensorów pracujących w ramach danego klastra. Ramka danych wysłana przez dowolny sensor pracujący w klastrze, dociera do wyznaczonych węzłów praktycznie jednocześnie, określając tym samym czasowy punkt odniesienia. Węzły te, zaprogramowane do utworzenia wirtualnego kanału MIMO, mogą otrzymaną informację zakodować w różny sposób, przygotowując ciągi symboli tak, jak zrobiłby to pojedynczy nadajnik MIMO dla każdej z zainstalowanych anten nadawczych. Posiadając punkt odniesienia w czasie, wszystkie węzły mogą rozpocząć transmisje w tym samym momencie, tworząc wirtualną transmisję MIMO (rys. 3.6).
Rys. 3.6. Synchronizacja w sieciach Cooperative Multi-hop WSN
3.3. Problemy zasilania czujników w bezprzewodowych sieciach sensorycznych
Sensory sieci WSN są często rozmieszczane w trudno dostępnych miejscach, znajdują się w strefach zagrożenia lub też są rozrzucone na większym obszarze i mogą być trudne do zlokalizowania. W związku z tym wymiana baterii w sensorach może być kosztowna lub wręcz niemożliwa do przeprowadzenia. Dlatego też problemy te wymuszają taką konstrukcję sensorów, aby na jednym komplecie baterii pracowały wiele miesięcy, a nawet lat.
Do najważniejszych elementów konstrukcyjnych sensorów, których zapotrzebowanie na energię ma istotny wpływ na zużycie źródeł zasilania, a tym samym na czas działania sieci, zaliczyć należy układy:
nadawcze, odbiorcze, sterujące.
33 Moc jest pobierana przez układy nadawcze tylko w trakcie emitowania przez nie sygnałów radiowych. Po zakończeniu emisji układy wzmacniaczy mocy przechodzą w stan nieaktywny i pobór mocy jest znikomy. Moc wyjściowa nadajnika zależy od zastosowanej techniki transmisji oraz wymaganego zasięgu działania sensorów i jest ściśle powiązana z całkowitym zużyciem energii przez tory nadawcze.
Ze względu na trudne do przewidzenia momenty nadejścia ramki danych, układy odbiornika sensorów znajdują się ciągle w stanie czuwania i są istotnymi elementami wpływającymi na zużycie zainstalowanych w nich baterii. Moc pobierana przez układy odbiorcze sensorów zależy od konstrukcji odbiornika i wraz z rozwojem nowych technologii jest sukcesywnie obniżana. Różnice w poborze mocy odbiornika znajdującego się w stanie nasłuchu oraz odbioru danych są zwykle bardzo niewielkie.
Moc jest pobierana przez układy cyfrowe sensorów, pełniące funkcje sterowników oraz wykonujące operacje przetwarzania nadawanych i odbieranych informacji. W trakcie czuwania pobór mocy jest niewielki (procesory znajdują się zwykle w stanie uśpienia), rośnie jednak znacznie w momentach przetwarzania sygnałów zarówno nadawanych, jak i odbieranych.
Całkowity, sumaryczny pobór mocy sensora, pracującego w sieciach WSN, wynosi: (3.1)
Na rysunku 3.7 przedstawiono przykładowe wartości poboru mocy dla popularnego układu nadawczo-odbiorczego CC1000 firmy Chipcon, pracującego z modulacją ASK lub OOK oraz procesora ATmega128 przy zasilaniu 3.0V. Przy czym moc wyjściowa układu CC1000 wynosi 1mW.
Rys. 3.1. Pobór mocy urządzeń nadawczo-odbiorczych układu CC1000 i procesora ATmega128
Badania zmierzające do ograniczenia mocy pobieranej przez sensory w sieciach WSN skupiają się obecnie przede wszystkim na wprowadzeniu do sieci sensorycznych techniki MIMO, zmianie technologii produkcji odbiorników oraz na skróceniu czasu pracy jednostek CPU. Wprowadzenie techniki wieloantenowej MIMO, powinno umożliwić ograniczenie
31,2 22,2 45 0,13 0 10 20 30 40 50
CC1000 TX CC1000 RX CPU Active CPU Idle
Pob ó r m o cy [ m W]
34 sumarycznej mocy wyjściowej nadajników. Przy czym ze względu na dodatkowe zużycie energii przez zwielokrotnione układy nadawczo-odbiorcze, metoda ta może dać pozytywne rezultaty dopiero w sieciach o większych zasięgach radiowych. Z kolei zmiany technologii produkcji układów odbiorczych dotyczą jedynie metod wytwarzania układów scalonych i jako takie nie są brane pod uwagę z punktu widzenia budowy sieci sensorycznych. Myśli się także o modyfikacji algorytmów przetwarzania sygnałów, umożliwiających skrócenie czasu pracy jednostek CPU.
3.4. Technika wieloantenowa MIMO w bezprzewodowych sieciach sensorycznych
Wprowadzenie techniki wieloantenowej MIMO w odniesieniu do klasycznej techniki SISO, daje w systemach łączności bezprzewodowej następujące korzyści (rozdz. 2):
1. Zwiększa efektywność widmową systemu radiowego. 2. Redukuje bitową stopę błędów BER.
3. Zwiększa zasięg działania systemu, przy identycznej jak w systemie SISO łącznej mocy wyjściowej torów nadawczych.
4. Redukuje wpływ zaników wielodrogowych, prowadząc do zmniejszenia prawdopodobieństwa utraty przesyłanej informacji.
W pracy [2] analizowano aspekt spójności sieci sensorycznych Multi-hop dla systemów SISO i MIMO(2,2). Pod pojęciem spójności sieci rozumie się prawdopodobieństwo dotarcia niezakłóconego pakietu do stacji bazowej, przy założeniu, że może on być wielokrotnie retransmitowany. Spójność sieci w zależności od gęstości rozmieszczenia sensorów na zadanym obszarze pokazano na rysunku 3.8.
35 Ważną zaletą techniki MIMO jest wzrost zasięgu transmisji przy niezmienionym poziomie łącznej mocy wyjściowej wszystkich torów nadawczych sensorów. W sytuacji, gdy w systemie nie jest wymagany zwiększony zasięg, to można zmniejszyć moce nadajników i tym samym ograniczyć zużycie energii. Zależność wypromieniowanej energii liczonej na jeden bit transmitowanej informacji od zasięgu uzyskiwanego w systemie przedstawiono na rysunku 2.6. Należy jednak zwrócić uwagę, że na rysunku tym nie uwzględniono dodatkowego zużycia energii, potrzebnej do zasilenia zwielokrotnionych torów odbiorczych oraz na dodatkowe operacje matematyczne wymagane do wyznaczenia transmitancji kanału radiowego na podstawie odebranej sekwencji treningowej. Przykładowe charakterystyki dla modulacji BPSK i długości sekwencji treningowej wynoszącej p symboli, zaczerpnięte z [13], uwzględniające wymienione elementy zostały przedstawione na rysunku 3.9. Z wykresów przedstawionych na rysunku 3.9 wynika, że wprowadzenie techniki MIMO, pozwala ograniczyć zużycie energii dopiero dla większych zasięgów transmisji bezprzewodowej. W zależności od przyjętych parametrów elektrycznych sensorów oraz techniki modulacji, próg opłacalności podawany w różnych publikacjach waha się w granicach od kilkudziesięciu do kilkuset metrów.
Rys. 3.9. Całkowite zużycie energii na 1 bit przesłanej informacji w zależności od zasięgu
transmisji dla systemów SISO i MIMO [13]
Nieodłącznym elementem techniki MIMO, jest operacja wyznaczania po stronie odbiorczej funkcji przenoszenia toru radiowego , niezbędna do poprawnego rozkodowania transmisji w systemach wieloantenowych. W zależności od zastosowanej metody estymacji parametrów kanału, złożoność obliczeniowa jest różna, jednak w każdym przypadku liczba operacji matematycznych w istotny sposób wpływa na czas aktywności procesorów. Problem ten zasygnalizowano w rozdziale 2., natomiast bardziej szczegółowa jego analiza zostanie przedstawiona w rozdziale 7.
