Pengujian Algoritma Blind Adaptive Channel Shortening Pada Multi-Carrier Modulation (MCM) Berdasarkan Sam-Squared Auto-Correlation Minimization (SAM).
Universitas Kristen Maranatha
Pengujian Algoritma Blind Adaptif Channel Shortening
Pada Multi-carrier Modulation (MCM)
Berdasarkan Sum-squared Auto-correlation Minimization
(SAM).
Danil Gumilar / 0322172
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email : [email protected]
ABSTRAK
Dalam pengembangan teknologi telekomunikasi muncul permasalahan, yaitu bagaimana untuk meningkatkan kualitas sinyal dan kapasitas sistem tanpa menambah bandwidth untuk mendukung kecepatan dan ketepatan transmisi data. Dalam sistem komunikasi juga dihadapkan pada fenomena multipath fading. Penggunaan teknik Multi-carrier Modulation (MCM) yaitu Orthgonal Frequency Division Multiplexing (OFDM) merupakan salah satu jalan keluar untuk mengubah multipath fading yang tadinya merupakan kerugian menjadi justru menguntungkan.
Pada Tugas Akhir ini akan dibahas tentang algoritma Blind Adaptive Channel Shortening untuk memperbaharui koefisien dari Time Domain Equalizer (TEQ) dalam sistem yang menggunakan Multi-carrier Modulation (MCM). Teknik ini menggunakan istilah Sum-squared Auto-correlation untuk meminimalisasi respon impuls kanal efektif diluar panjang window yang
diinginkan. Algoritma yang dimaksud adalah ”Sum-squared Auto-correlation
Minimization (SAM)” dengan syarat input sinyal adalah rata-rata nol, sinyal putih dan Wide-sense Stasionary (WSS) dengan mengimplementasikan algoritma stochastis gradient descent sebagai algoritma adaptif. Hasil dari simulasi telah
(2)
Universitas Kristen Maranatha
disediakan, dengan menunjukkan kesuksesan algoritma SAM dalam sistem ADSL.
Kata kunci : Multicarrier, OFDM, Channel Shortening, Ekualisasi.
(3)
Universitas Kristen Maranatha
Blind Adaptif Channel Shortening Algorithm
At Multi-carrier Modulation (MCM)
By Sum-squared Auto-correlation Minimization (SAM).
Danil Gumilar / 0322172
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Email : [email protected]
ABSTRACT
The problems in updating the technology of communication are how to increase the signal quality and the capacity of the system without increasing the bandwidth to support the speed and the accuracy of the data transmission. This communication system also face the phenomenon of multipath fading. The usage of Multi-carrier Modulation (MCM) such as Orthgonal Frequency Division Multiplexing (OFDM) was the ways out to change multipath fading which at first was loss becomes exactly profits.
This final project will be studied about Blind Adaptive Channel Shortening Algorithm for updating the coefficients of a Time Domain Equalizer (TEQ) in a system employing Multicarrier Modulation (MCM). The technique attempts to minimize the sum-squared auto-correlation terms of the effective channel impulse response outside a window of desired length. The proposed algorithm, “ Sum-squared Auto-correlation Minimization (SAM)”, requires the source sequence to be zero-mean, white and wide-sense stationary, and it is implemented a stochastic gradient descent algorithm as Adaptive Algorithm. Simulation results have been provided, demonstrating the success of the SAM Algorithm in an ADSL.
Keyword : Multicarrier, OFDM, Channel Shortening, Equalization.
(4)
Universitas Kristen Maranatha
DAFTAR ISI
Halaman
ABSTRAK………. i
ABSTRACT………... iii
KATA PENGANTAR……….. iv
DAFTAR ISI………. vi
DAFTAR GAMBAR……… iii
DAFTAR TABEL………. ix
BAB I PENDAHULUAN I.1. Latar Belakang………... 1
I.2. Identifikasi Masalah I.3. Perumusan Masalah………... 2 2 I.3. Tujuan………... 2
I.4. Pembatasan Masalah………... 2
I.5. Sistematika Penulisan………... 3
BAB II LANDASAN TEORI II.1.Asymetric Digital Subscriber Line (ADSL)...………... 4
II.1.1. Single-carrier Modulation……… 5
II.1.2. Multi-carrier Modulation………....………. 6
II.1.2.1. OFDM(Orthogonal Frequency Division Multiplexing…...………….. 8
II.1.2.1.1. Keunggulan dan Kelemahan OFDM………. II.1.2.1.2. Cyclic Prefix (CP) Dari OFDM.……….……..………. 9 12 II.2. Transformasi Fourier...…...……….. 3
II.2.1. Transformasi Fourier Diskrit (DFT).………...……… 3
II.2.2. Fast Fourier Transform (FFT).………. 4
II.3. Additive White Gaussian Noise...……….. 5
II.3.1. Representasi Matematika...………... 5
(5)
Universitas Kristen Maranatha
II.4. Prinsip Ekualisasi...………. II.5. Teknik Estimasi Kanal dan Ekualisasi...
7 18 II.5. Sam-squared Auto-correlation Minimization... 20
BAB III PROSES ADAPTIF CHANNEL SHORTENING BERDASARKAN SAM III.1. Diagram Blok Simulasi………... 23 III.1.1. Diagram Blok Input... 24
III.1.2. Diagram Blok Sistem Adaptif Time Domain Equalizer (TEQ)………. 26
III.1.3. Diagam Blok Output………... 28
BAB IV ANALISA HASIL SIMULASI
IV.1. SpesifikasiSimulasi... 29
IV.2. Hasil Simulasi……… 30
BAB V KESIMPULAN DAN SARAN
V.1. Kesimpulan………... 33
V.2. Saran………... 33
DAFTAR PUSTAKA... 34 LAMPIRAN A : M-File Matlab
(6)
Universitas Kristen Maranatha
DAFTAR GAMBAR
Halaman
Gambar 2.1 Bagan dasar dari OFDM... 9
Gambar 2.2 Perbandingan spektrum single carrier, FDM dan OFDM…. 10 Gambar 2.3 Perubahan selective fading menjadi flat fading………... 11
Gambar 2.4 Pola cyclic prefix(CP)... 13
Gambar 2.5 Representasi dari AWGN... 15
Gambar 2.6. Kepadatan Spektral Daya Noise White Gaussian Noise (WGN)……….. 16
Gambar 2.7. Fungsi Autokorelasi WGN... 16
Gambar 2.8. Blok Diagram OFDM……… 19
Gambar 2.9. Dua tipe dasar penyisipan sinyal pilot pada system OFDM untuk estimasi kanal……….. 19
Gambar 3.1 Diagram Blok simulasi ekualisasi kanal pada modulasi multicarrier……… 23
Gambar 3.2 Diagram blok Input………... 24
Gambar 3.3 Model system Adaptif TEQ………. 26
Gambar 3.4 Diagram blok output………... 28
Gambar 4.1 Hasil dari SAM berdasarkan CSA loop 1……... 30
Gambar 4.2 Respon Impuls Time Domain Equalizer... 31
Gambar 4.3 Perbandingan SAM dengan harga iterasi, untuk 40 dB SNR………... 31
Gambar 4.4 Perbandingan nilai bit rate dengan harga iterasi, untuk 40 dB SNR... 32
(7)
Universitas Kristen Maranatha
DAFTAR TABEL
Halaman Tabel III.1 Daftar simbol... 27
(8)
LAMPIRAN A:
M-FILE MATLAB
(9)
A - 1 % samtest2.m
% tes Algoritma SAM
% Simulasi SAM untuk satu atau lebih dari harga SNR, dan perhitungannya
% the SAM cost, SSNR, dan bit rate. % Fungsi Miscellaneous
addpath ../mcmtools % DMT TEQ toolbox addpath ../teqv3
% parameter-parameter sistem
M = 544; % samples per symbol
nu = 32; % panjang cyclic prefix
%load ../j02_merry/channels/csaloop1.time load csaloop1.time
c = (csaloop1(:,2));
c = c/norm(c); % kanal unit norm
Lc = length(c)-1; % panjang kanal - 1
Lf = 15; % panjang equalizer - 1
L = Lf+Lc; % panjang kanal yang dikombinasi - 1
sx = 1; % sigma_x
ssx = sx*sx; % kuadrat sinyal
% pilih sepasang yang ada di bawah.
% yang pertama bernilai 9 SNR dan kinerja plot berbanding waktu % untuk harga kelima dari SNR.
% proses keduadari harga single SNR.
%SNRs = [20:5:60]; % dalam dB
%plotme = 5; % plot index SNR berbanding waktu
SNRs = 40; % dalam dB
plotme = 1; % plot index SNR berbanding waktu
% parameter-parameter algoritma
iter = 75; % banyaknya symbol (tiap M sampel)
mu = 5; % unit step SAM
offset = Lf+1+L; % data averaging window location
N = 32; % data averaging window size
alpha = 1/100; % penjumlahan AR implementation
ARon = 1; % flag: 0 = MA, 1 = AR implementation
cnst = 0; % constraint (see samiterar.m)
finit = zeros(Lf+1,1); % inisialisasi equalizer
finit(ceil(Lf/2)) = 1; % (single spike)
% solusi maximum shortening SNR
% (solusi tidak tergantung pada noise, % meski kinerja telah ditunjukkan)
[fmelsa,dopt_mel,dummy] = mssnr(c,nu+1,Lf+1,1,L-nu-1,0); hmel1 = conv(c,fmelsa).';
hmel = hmel1/norm(hmel1); % unit norm
Rhh = conv(hmel,fliplr(hmel));
Rhh = Rhh((length(Rhh)+1)/2 : end); % dilihat dari satu sisi
Jsam_mel = sum( (Rhh(nu+1 +1 : end)).^2 ); Jssnr_mel = 1/ssnr2(hmel,nu);
(10)
A - 2
fmtx = zeros(Lf+1,length(SNRs)); Jsammtx = zeros(1,length(SNRs)); Jssnrmtx = zeros(1,length(SNRs)); Jbrmtx = zeros(1,length(SNRs)); BR_mel = zeros(1,length(SNRs)); BR_MFB = zeros(1,length(SNRs)); for SNRind = 1:length(SNRs)
%---
SNR = SNRs(SNRind)
g = 10.^(-SNR/10); % 1/SNR dalam skala linier
sn = sx*sqrt(g); % sigma_n
ssn = sn*sn; % pangkat noise
% peningkatan data ADSL yang diterima
r = adslout(c,sx,sn,iter);
% hanya melakukan perhitungan harga untuk satu SNR if SNRind ==
plotme
flag1 = 1; else
flag1 = 0; end
% proses SAM untuk mendapatkan equalizer dank anal yang diperpendek
if ARon
params = [mu,alpha,nu,Lc,cnst,sx,sn,flag1];
% estimasi auto-regressive
[f,Jsam,Jssnr,BR] = samiterar(finit,r,c,params);
else
params = [offset,mu,N,nu,Lc,cnst,sx,sn,flag1];
% blok (penjumlahan)estimasi
[f,Jsam,Jssnr,BR] = samiter(finit,r,c,params);
end
kmax = length(Jsam); if SNRind == plotme JsamP = Jsam; JssnrP = Jssnr; BRP = BR;
comb = conv(c,f); end
% simpah hasil
fmtx(:,SNRind) = f;
Jsammtx(SNRind) = Jsam(end); Jssnrmtx(SNRind) = Jssnr(end); Jbrmtx(SNRind) = BR(end);
BR_mel(SNRind) = sum(bitrate(hmel1.',fmelsa,nu,dopt_mel,ssx,ssn)); BR_MFB(SNRind) = sum(mfb(c,ssx,ssn));
%--- end
% SNR loop
clear f; clear Jsam; clear Jssnr; clear BR;
(11)
A - 3 SNRs
Jsammtx Jssnrmtx
Jbrmtx/(246.4) %dalam Mbps
BR_mel/(246.4) %dalam Mbps
BR_MFB/(246.4) %dalam Mbps
% string for x-axis label
if ARon
xstr = 'sample number, n'; else
xstr = 'averaging block number, k'; end
% menunjukkan plot harga SNR "plotme" % plot SAM berdasarkan waktu
figure(1); clf;
set(0,'DefaultAxesFontSize',16);
semilogy(1:kmax,JsamP,'b-','LineWidth',2);
title('SAM cost vs. iteration number','FontSize',16); xlabel(xstr,'FontSize',16);
ylabel('J_S_A_M','FontSize',16); axis([0 kmax 1e-11 1e-4]);
grid on
% plot 1/SSNR berdasarkan waktu
figure(2); clf;
set(0,'DefaultAxesFontSize',16); semilogy(1:kmax,JssnrP,'b-',...
[0,kmax],Jssnr_mel*[1,1],'k--','LineWidth',2);
title('1/SSNR cost vs. iteration number','FontSize',16); xlabel(xstr,'FontSize',16);
ylabel('1/SSNR','FontSize',16); legend('SAM','MSSNR',0);
axis([0 kmax 1e-7 1e-1]); grid on
% plot bit rate berdasarkan waktu
Ts = 246.4 * 10^(-6); % symbol duration, including CP figure(3); clf; set(0,'DefaultAxesFontSize',16); plot(1:kmax,BRP/Ts,'b-',... [0:kmax/10:kmax],BR_mel(plotme)/Ts*ones(11,1),'k--',... [0:kmax/10:kmax],BR_MFB(plotme)/Ts*ones(11,1),'kd-',... 'LineWidth',2); %plot([1:kmax]/M,BRP/Ts,'b-',...
% [0:kmax/10:kmax]/M,BR_mel(plotme)/Ts*ones(11,1),'k--',... % [0:kmax/10:kmax]/M,BR_MFB(plotme)/Ts*ones(11,1),'kd-',... % 'LineWidth',2);
title('bit rate vs. iteration number','FontSize',16); xlabel(xstr,'FontSize',16);
%xlabel('symbol number','FontSize',16); ylabel('bits per second','FontSize',16); legend('SAM','MSSNR','MFB',0);
(12)
A - 4
yax = axis;
axis([0 kmax 0 yax(4)]); %axis([0 kmax/M 0 yax(4)]); grid on
% plot respon impuls equalizer dank anal diperpendek
figure(4); clf
set(0,'DefaultAxesFontSize',16);
plot(0:Lc,c,'r--', 0:L,comb,'b-','LineWidth',2); title('Results of SAM on CSA loop 1','FontSize',16); xlabel('tap number','FontSize',16);
ylabel('tap values','FontSize',16); legend('channel','shortened channel',1); axis([0 200 -0.15 0.35]);
grid on
% plot bit rates berbanding SNR
figure(5); clf
set(0,'DefaultAxesFontSize',16);
plot(SNRs,Jbrmtx/Ts,'b-', SNRs,BR_mel/Ts,'k--',... SNRs,BR_MFB/Ts,'kd-','LineWidth',2);
title('achievable bit rate','FontSize',16); xlabel('SNR, in dB','FontSize',16);
ylabel('bits per second','FontSize',16); legend('SAM','MSSNR','MFB',2);
grid on
% plot equalizer
figure(6); clf set(0,'DefaultAxesFontSize',16); stem([0:Lf],fmtx(:,plotme)); hold on stem([0:Lf]+0.25,fmelsa/norm(fmelsa),'filled'); hold off title('TEQ taps','FontSize',16); xlabel('tap number','FontSize',16); ylabel('tap value','FontSize',16); %legend('SAM','MSSNR',1); grid on
% plot sam dan bit rate berdasarkan waktu
figure(7); clf;
set(0,'DefaultAxesFontSize',16); subplot(2,1,1);
semilogy(1:kmax,JsamP,'b-','LineWidth',2);
%title('SAM cost vs. iteration number','FontSize',16); %xlabel(xstr,'FontSize',16);
ylabel('SAM cost','FontSize',16); axis([0 kmax 1e-11 1e-4]);
grid on
subplot(2,1,2);
plot(1:kmax,BRP/Ts/1e6,'b-',...
[0:kmax/10:kmax],BR_mel(plotme)/Ts/1e6*ones(11,1),'k--',... [0:kmax/10:kmax],BR_MFB(plotme)/Ts/1e6*ones(11,1),'kd-',...
(13)
A - 5
'LineWidth',2);
%title('bit rate vs. iteration number','FontSize',16); xlabel(xstr,'FontSize',16);
ylabel('bit rate (Mbps)','FontSize',16); legend('SAM','MSSNR','MFB',0);
yax = axis;
axis([0 kmax 0 yax(4)]); grid on
(14)
LAMPIRAN B:
(15)
(16)
B - 2
(17)
Bab I Pendahuluan
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
I.1 Latar Belakang
Kebutuhan manusia akan telekomunikasi semakin meningkat seiring perkembangan jaman, karena semakin lama kebutuhan manusia akan komunikasi tidak dapat dihindari lagi. Pada saat ini, teknik Multicarrier Modulation (MCM) seperti Orthogonal Frequency Division Multiplexing (OFDM) dan Discrete Multi Tone (DMT) merupakan solusi untuk kebutuhan komunikasi pada saat ini.
Pada transmisi sinyal menggunakan kanal yang mempunyai beberapa masalah disebabkan oleh multipath fading terutama ISI (Inter-symbol Interference). Agar mengurangi dampak dari multipath fading tersebut dapat dilakukan estimasi kanal dan ekualisasi.
Masalah-masalah yang terdapat saat mentransmisikan sinyal melalui kanal antara lain terjadinya dispersi, redaman dan pergeseran fasa pada sinyal yang diterima. Teknik yang digunakan untuk mengatasi masalah tersebut adalah penggunaan Orthogonal Frequency Division Multiplexing (OFDM) dengan penambahan Cyclic Prefix (CP).
Untuk memahami karakteristik kanal perlu dilakukan estimasi terhadap kanal tersebut, kegunaannya adalah memperkirakan perubahan amplituda dan fasa sehingga pada akhirnya dapat mendisain sinyal yang sesuai dan membuat teknologi pengiriman dan penerimaan sinyal yang baik. Ekualisasi akan mengurangi efek kanal sehingga mengatasi ISI (Inter-symbol Interference).
Dalam tugas akhir dijelaskan bagaimana cara mendapatkan koefisien kanal efektif yang minimum dengan menggunakan algoritma
(18)
Bab I Pendahuluan 2
Universitas Kristen Maranatha
adaptif dan algoritma Sum-squared Auto-correlation Minimization (SAM) yang berfungsi meminimalisasi sinyal autokorelasi yang diterima.
I.2 Identifikasi Masalah
• Pengujian Algoritma Blind Adaptive Channel Shortening pada Multi-carrier Modulation (MCM) berdasarkan Sum-squared Auto-correlation Minimization (SAM) dilakukan untuk meminimalisasi koefisien pada kanal efektif.
I.3 Perumusan Masalah
• Bagaimana meminimalisasi koefisien pada kanal efektif dengan metode Sum-Squared Auto Correlation Minimization (SAM) agar didapat respon impuls kanal efektif yang minimum?
I.4 Tujuan
• Menganalisa Pengujian Algoritma blind adaptive Channel Shortening pada Multi-carrier Modulation berdasarkan Sum-squared Auto-correlation Minimization (SAM).
I.5 Pembatasan Masalah
Adapun pembatasan masalah yang akan dibahas pada Tugas Akhir ini adalah :
1. Channel shortening yang digunakan adalah channel shortening untuk sistem Asymmetric Digital Subscriber Loops (ADSL). 2. Simulasi ditujukan dengan struktur TEQ sebagai ekualisasi dengan
kompleksitas rendah.
3. Tugas Akhir ini terbatas hanya sampai pembuatan simulasi. 4. Simulasi menggunakan software Matlab.
(19)
Bab I Pendahuluan 3
Universitas Kristen Maranatha
I.6 Sistematika Penulisan
Sistematika penulisan dari Tugas Akhir ini adalah sebagai berikut: BAB I : PENDAHULUAN
Bab ini menguraikan tentang latar belakang, identifikasi masalah, tujuan, pembatasan masalah dan sistematika penulisan.
BAB II : LANDASAN TEORI
Bab ini menguraikan tentang pengetahuan dasar mengenai channel shortening, Modulation Multi-carrier (MCM) dan metode Sum-squared Auto-correlation Minimization, serta materi-materi penunjang lainnya sebagai referensi.
BAB III : PERANCANGAN
Pada bab ini menguraikan Pengujian Algoritma Blind Adaptive Channel Shortening Pada Multi-carrier Modulation (MCM) Berdasarkan Sum-squared Auto-correlation Minimization (SAM), perancangan dan pembuatan program, serta simulasi.
BAB IV : DATA DAN ANALISA
Pada bab ini menguraikan tentang hasil simulasi dan analisa hasil dari program yang telah berhasil dibuat, serta pengujian terhadap program tersebut.
BAB V : KESIMPULAN DAN SARAN
Bab ini menguraikan tentang kesimpulan akhir dan saran-saran untuk pengembangan lanjutan dari Pengujian Algoritma Blind Adaptive Channel Shortening Pada Multi-carrier Modulation (MCM) Berdasarkan Sum-squared Auto-correlation Minimization (SAM).
(20)
Bab V Kesimpulan dan Saran
33 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
V.1. Kesimpulan
Berdasarkan hasil pengamatan dan analisa yang telah dilakukan, dapat disimpulkan bahwa:
1. Blind adaptif channel shortening berdasarkan Sum-squared Auto-correlation Minimization telah disimulasikan sehingga efektivitas dari algoritma untuk mencapai blindly (buta) dan channel shortening telah dibuktikan.
2. Inisialisasi yang tepat dari TEQ diperlukan untuk memastikan konvergensi dari algoritma SAM agar didapat minima yang baik.
V.2. Saran
Adapun saran yang dapat berguna bagi pengembangan Tugas Akhir ini selanjutnya adalah sebagai berikut
1. Untuk studi lebih lanjut diperlukan karakteristik dari nilai cost function dan merumuskan aturan-aturan desain yang sesuai untuk menjamin kinerja yang baik.
2. Ketahanan algoritma terhadap gangguan pada penerimaan sinyal putih harus diselidiki lebih lanjut lagi.
(21)
Daftar Pustaka
34 Universitas Kristen Maranatha
DAFTAR PUSTAKA
1. D. D. Falconer and F. R. Magee, “Adaptive Channel Memory Truncation for Maximum Likelihood SequencemEstimation,” Bell Sys. Tech. Journal, pp. 1541–1562, Nov. 1973.
2. G. Arslan, M. Ding, B. Lu, Z. Shen, and B. L.Evans, \TEQ design toolbox," The University of Texas at Austin. [Online].
Available:http://www.ece.utexas.edu/_bevans/projects/adsl/dmtteq/dmtteq.ht ml.
3. K. Sistanizadeh, \Loss characteristics of the proposed canonicalADSL loops with 100-Ohm termination at 70, 90, and 120 F,"ANSI T1E1.4 Committee Contribution, no. 161, Nov. 1991.
4. M. de Courville, P. Duhamel, P. Madec, and J. Palicot, “Blind equalization of OFDM systems based on the minimization of a quadratic criterion,” in
Proceedings of the Int. Conf. on Communications, Dallas, TX, June 1996, pp. 1318–1321.
5. N. Al-Dhahir and J. M. Cioffi, “Optimum Finite-Length Equalization for Multicarrier Transceivers,” IEEE Trans. on Comm., vol. 44, no. 1, pp. 56–64, Jan. 1996.
6. P. J. W. Melsa, R. C. Younce, and C. E. Rohrs,“Impulse Response Shortening for Discrete Multitone Transceivers,” IEEE Trans. on Comm., vol. 44, pp. 1662–1672, Dec. 1996.
7. Rappaport, Theodore S, Wireless Communication Principles and Practice, Prentice Hall, 1996.
8. R. K. Martin, \Matlab code for pa-pers by R. K. Martin." [Online]. Available:http://bard.ece.cornell.edu/matlab/martin/index.html.
9. R. K. Martin, W. A. Sethares, J. Balakrishnan, andC. R. Johnson, Jr., “Blind, Adaptive Channel Shorteningfor Multicarrier Systems,” Invited paper, to appear in Proc. 36th Asilomar Conf. on Signals, Systems, and Computers, Pacific Grove, CA, Nov. 2002.
(22)
Daftar Pustaka 35
Universitas Kristen Maranatha
10. R. K. Martin, J. Balakrishnan, W. A. Sethares, and C. R. Johnson, Jr., “A Blind, Adaptive TEQ for Multicarrier Systems,” IEEE Signal Processing Letters, Nov. 2002.
11. Stallings, William, Komunikasi Data dan Komputer: Dasar-Dasar Komunikasi Data, Salemba Teknika, 2001.
12. Tse, David, Fundamentals of Wireless Communication, Cambridge University Press, 2005.
13. http://en.wikipedia.org/wiki/Minimum_mean-square_error
14. http://rustamefendi.files.wordpress.com/2008/06/book-of-master-thesis.pdf
15. http://www.informit.com/articles/article.aspx?p=102255 16. http://www.elektroindonesia.com/elektro/tel24.html
(1)
Bab I Pendahuluan
1 Universitas Kristen Maranatha
BAB I PENDAHULUAN
I.1 Latar Belakang
Kebutuhan manusia akan telekomunikasi semakin meningkat seiring perkembangan jaman, karena semakin lama kebutuhan manusia akan komunikasi tidak dapat dihindari lagi. Pada saat ini, teknik Multicarrier Modulation (MCM) seperti Orthogonal Frequency Division Multiplexing (OFDM) dan Discrete Multi Tone (DMT) merupakan solusi untuk kebutuhan komunikasi pada saat ini.
Pada transmisi sinyal menggunakan kanal yang mempunyai beberapa masalah disebabkan oleh multipath fading terutama ISI (Inter-symbol Interference). Agar mengurangi dampak dari multipath fading tersebut dapat dilakukan estimasi kanal dan ekualisasi.
Masalah-masalah yang terdapat saat mentransmisikan sinyal melalui kanal antara lain terjadinya dispersi, redaman dan pergeseran fasa pada sinyal yang diterima. Teknik yang digunakan untuk mengatasi masalah tersebut adalah penggunaan Orthogonal Frequency Division Multiplexing (OFDM) dengan penambahan Cyclic Prefix (CP).
Untuk memahami karakteristik kanal perlu dilakukan estimasi terhadap kanal tersebut, kegunaannya adalah memperkirakan perubahan amplituda dan fasa sehingga pada akhirnya dapat mendisain sinyal yang sesuai dan membuat teknologi pengiriman dan penerimaan sinyal yang baik. Ekualisasi akan mengurangi efek kanal sehingga mengatasi ISI (Inter-symbol Interference).
Dalam tugas akhir dijelaskan bagaimana cara mendapatkan koefisien kanal efektif yang minimum dengan menggunakan algoritma
(2)
Bab I Pendahuluan 2
Universitas Kristen Maranatha
adaptif dan algoritma Sum-squared Auto-correlation Minimization (SAM) yang berfungsi meminimalisasi sinyal autokorelasi yang diterima.
I.2 Identifikasi Masalah
• Pengujian Algoritma Blind Adaptive Channel Shortening pada Multi-carrier Modulation (MCM) berdasarkan Sum-squared Auto-correlation Minimization (SAM) dilakukan untuk meminimalisasi koefisien pada kanal efektif.
I.3 Perumusan Masalah
• Bagaimana meminimalisasi koefisien pada kanal efektif dengan metode Sum-Squared Auto Correlation Minimization (SAM) agar didapat respon impuls kanal efektif yang minimum?
I.4 Tujuan
• Menganalisa Pengujian Algoritma blind adaptive Channel Shortening pada Multi-carrier Modulation berdasarkan Sum-squared Auto-correlation Minimization (SAM).
I.5 Pembatasan Masalah
Adapun pembatasan masalah yang akan dibahas pada Tugas Akhir ini adalah :
1. Channel shortening yang digunakan adalah channel shortening untuk sistem Asymmetric Digital Subscriber Loops (ADSL). 2. Simulasi ditujukan dengan struktur TEQ sebagai ekualisasi dengan
kompleksitas rendah.
3. Tugas Akhir ini terbatas hanya sampai pembuatan simulasi. 4. Simulasi menggunakan software Matlab.
(3)
Bab I Pendahuluan 3
Universitas Kristen Maranatha
I.6 Sistematika Penulisan
Sistematika penulisan dari Tugas Akhir ini adalah sebagai berikut:
BAB I : PENDAHULUAN
Bab ini menguraikan tentang latar belakang, identifikasi masalah, tujuan, pembatasan masalah dan sistematika penulisan.
BAB II : LANDASAN TEORI
Bab ini menguraikan tentang pengetahuan dasar mengenai channel shortening, Modulation Multi-carrier (MCM) dan metode Sum-squared Auto-correlation Minimization, serta materi-materi penunjang lainnya sebagai referensi.
BAB III : PERANCANGAN
Pada bab ini menguraikan Pengujian Algoritma Blind Adaptive Channel Shortening Pada Multi-carrier Modulation (MCM) Berdasarkan Sum-squared Auto-correlation Minimization (SAM), perancangan dan pembuatan program, serta simulasi.
BAB IV : DATA DAN ANALISA
Pada bab ini menguraikan tentang hasil simulasi dan analisa hasil dari program yang telah berhasil dibuat, serta pengujian terhadap program tersebut.
BAB V : KESIMPULAN DAN SARAN
Bab ini menguraikan tentang kesimpulan akhir dan saran-saran untuk pengembangan lanjutan dari Pengujian Algoritma Blind Adaptive Channel Shortening Pada Multi-carrier Modulation (MCM) Berdasarkan Sum-squared Auto-correlation Minimization (SAM).
(4)
Bab V Kesimpulan dan Saran
33 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
V.1. Kesimpulan
Berdasarkan hasil pengamatan dan analisa yang telah dilakukan, dapat disimpulkan bahwa:
1. Blind adaptif channel shortening berdasarkan Sum-squared Auto-correlation Minimization telah disimulasikan sehingga efektivitas dari algoritma untuk mencapai blindly (buta) dan channel shortening telah dibuktikan.
2. Inisialisasi yang tepat dari TEQ diperlukan untuk memastikan konvergensi dari algoritma SAM agar didapat minima yang baik.
V.2. Saran
Adapun saran yang dapat berguna bagi pengembangan Tugas Akhir ini selanjutnya adalah sebagai berikut
1. Untuk studi lebih lanjut diperlukan karakteristik dari nilai cost function dan merumuskan aturan-aturan desain yang sesuai untuk menjamin kinerja yang baik.
2. Ketahanan algoritma terhadap gangguan pada penerimaan sinyal putih harus diselidiki lebih lanjut lagi.
(5)
Daftar Pustaka
34 Universitas Kristen Maranatha
DAFTAR PUSTAKA
1. D. D. Falconer and F. R. Magee, “Adaptive Channel Memory Truncation for Maximum Likelihood SequencemEstimation,” Bell Sys. Tech. Journal, pp. 1541–1562, Nov. 1973.
2. G. Arslan, M. Ding, B. Lu, Z. Shen, and B. L.Evans, \TEQ design toolbox," The University of Texas at Austin. [Online].
Available:http://www.ece.utexas.edu/_bevans/projects/adsl/dmtteq/dmtteq.ht ml.
3. K. Sistanizadeh, \Loss characteristics of the proposed canonicalADSL loops with 100-Ohm termination at 70, 90, and 120 F,"ANSI T1E1.4 Committee Contribution, no. 161, Nov. 1991.
4. M. de Courville, P. Duhamel, P. Madec, and J. Palicot, “Blind equalization of OFDM systems based on the minimization of a quadratic criterion,” in
Proceedings of the Int. Conf. on Communications, Dallas, TX, June 1996, pp. 1318–1321.
5. N. Al-Dhahir and J. M. Cioffi, “Optimum Finite-Length Equalization for
Multicarrier Transceivers,” IEEE Trans. on Comm., vol. 44, no. 1, pp. 56–64, Jan. 1996.
6. P. J. W. Melsa, R. C. Younce, and C. E. Rohrs,“Impulse Response Shortening for Discrete Multitone Transceivers,” IEEE Trans. on Comm., vol. 44, pp. 1662–1672, Dec. 1996.
7. Rappaport, Theodore S, Wireless Communication Principles and Practice, Prentice Hall, 1996.
8. R. K. Martin, \Matlab code for pa-pers by R. K. Martin." [Online]. Available:http://bard.ece.cornell.edu/matlab/martin/index.html.
9. R. K. Martin, W. A. Sethares, J. Balakrishnan, andC. R. Johnson, Jr., “Blind,
Adaptive Channel Shorteningfor Multicarrier Systems,” Invited paper, to
appear in Proc. 36th Asilomar Conf. on Signals, Systems, and Computers, Pacific Grove, CA, Nov. 2002.
(6)
Daftar Pustaka 35
Universitas Kristen Maranatha
10. R. K. Martin, J. Balakrishnan, W. A. Sethares, and C. R. Johnson, Jr., “A Blind, Adaptive TEQ for Multicarrier Systems,” IEEE Signal Processing Letters, Nov. 2002.
11. Stallings, William, Komunikasi Data dan Komputer: Dasar-Dasar Komunikasi Data, Salemba Teknika, 2001.
12. Tse, David, Fundamentals of Wireless Communication, Cambridge University Press, 2005.
13. http://en.wikipedia.org/wiki/Minimum_mean-square_error
14. http://rustamefendi.files.wordpress.com/2008/06/book-of-master-thesis.pdf
15. http://www.informit.com/articles/article.aspx?p=102255 16. http://www.elektroindonesia.com/elektro/tel24.html