4g lte_sc fija y movil
DESCRIPTION
4G_LTE_SC fija y movilTRANSCRIPT
Universidad Nacional de San Agustín Facultad de Ingeniería de Producción y Servicios
Escuela Profesional de Ingeniería Electrónica
SISTEMAS INTEGRADOS DE COMUNICACIONES
FIJA Y MOVIL
“Understanding LTE with MATLAB: Cap. 8 y 9”
Profesor: Ing. Raul Sulla
Nombre:
Cuno Zuñiga William Percy 20110838 _______________
Arequipa 2015
UNSA – EPIE SIC FyM
2
Contents I.-Introducción: ............................................................................................................................. 3
1) Evolución de estándares para comunicaciones inalámbricas: ........................................ 3
2) Características de LTE: ...................................................................................................... 3
3) Evolución de LTE: .............................................................................................................. 3
4) Evolución de la transferencia de datos según la tecnología (velocidad): ....................... 4
5) Tecnologías LTE: ................................................................................................................ 4
6) Proceso de transmisión de bajada ................................................................................... 4
7) FDD y TDD ......................................................................................................................... 5
8) Niveles en LTE: .................................................................................................................. 6
II.- SIMULACIONES CAPITULO 8 y 9: ..................................................................................... 9
1) Modelación del sistema en MATLAB: .............................................................................. 9
2) Modelación del sistema en Simulink: ............................................................................ 17
3) Procesamiento PDCCH .................................................................................................... 25
4) Aceleración por GPU’s .................................................................................................... 27
III.- Conclusiones: .................................................................................................................. 29
UNSA – EPIE SIC FyM
3
I.-Introducción:
LTE (Long Term Evolution) es un estándar de la norma 3GPP definida por unos como una
evolución de la norma 3GPP UMTS (3G), y por otros como un nuevo concepto de arquitectura
evolutiva (4G).1
LTE destaca por su interfaz radioeléctrica basada en OFDMA para el enlace descendente (DL) y
SC-FDMA para el enlace ascendente (UL). La modulación elegida por el estándar 3GPP hace
que las diferentes tecnologías de antenas (MIMO) tengan una mayor facilidad de
implementación.
1) Evolución de estándares para comunicaciones inalámbricas:
Observamos el siguiente gráfico, donde se muestra la evolución de los diversos estándares
para comunicaciones inalámbricas, vemos que LTE representa un paso más allá del HSPA+ el
cual actualmente domina el mercado en nuestro país.
Figura 1: Evolución hacia LTE
2) Características de LTE:
Sistema de cobertura y capacidad mejorado
Picos altos en data rates
Baja latencia (en el plano usuario y de control)
Costos reducidos de operación
Soporte Multiantena
Operaciones de ancho de banda flexible
Integración con otros sistemas sin costo (3G, Wifi, etc)
3) Evolución de LTE:
LTE (Lanzamiento 8) completado en 2008 LTE (Lanzamiento 9) completado en 2009: LTE-Advanced = LTE-A = LTE Release 10
Un pico máximo de datos de 1Gb
Aprobado por ITU y IMT- Advanced technology
UNSA – EPIE SIC FyM
4
4) Evolución de la transferencia de datos según la tecnología (velocidad):
5) Tecnologías LTE:
•Interfaz de aire
Downlink: OFDMA
Uplink: SC-FDMA
•Técnicas Multi-antena (MIMO)
Multiples modos de transmission definidos
•Adaptación de enlace
Modulación y codificación
Pre codificación
MIMO adaptado (rango o número de capas)
Ubicación flexible de ancho de banda
•Turbo codificación computacionalmente eficiente
6) Proceso de transmisión de bajada
UNSA – EPIE SIC FyM
5
7) FDD y TDD
FDD: Se muestra como las frecuencias se encuentran emparejadas además de verse que tanto
en los procesos de bajada como de subida se utilizan rangos de frecuencias diferentes.
TDD: En este caso las bandas operantes de subida y bajada se comparten para lo cual se
multiplexan ambas señales a modo de evitar interferencia entre ambas.
UNSA – EPIE SIC FyM
6
8) Niveles en LTE:
En esta figura observamos como las capas se encuentran bien definidas, siendo los canales
lógicos y de transporte los que conectan las tres capas.
En la última instancia los canales físicos representan la señal LTE.
En la otra imagen observamos un esquema más detallado de los canales logicos, de transporte
y fisicos:
UNSA – EPIE SIC FyM
7
En la figura siguiente observamos cómo se encuentra distribuida la trama del paquete LTE
En la siguiente tabla vemos la distribución de ancho de banda de acuerdo al número de
bloques utilizados:
UNSA – EPIE SIC FyM
8
En esta parte vemos la gráfica de una transmisión multi antena:
En la siguiente tabla observamos los diferentes modos de transmisión acorde al tipo de
modelo MIMO definido ( Multiple Input Multiple Output)
UNSA – EPIE SIC FyM
9
II.- SIMULACIONES CAPITULO 8 y 9:
Simulación Capitulo 8:
1) Modelación del sistema en MATLAB:
El objetivo de esta parte es obtener testbenches (códigos de prueba) que muestren como
ejecutar y verificar la correcta operación del sistema PHY LTE que se ha modelado.
Se tienen listados los siguientes scripsts Magnitud a prueba
commlteSystemExperiment_SnrVec.m BER como funcion de SNR
commlteSystemExperiment_Throughput.m Puesta en marcha del Sistema LTE
commlteSystemExperiment_TxModeClean.m Modos de transmisión en baja distorción
commlteSystemExperiment_TxModeDistorted.m Modos de transmisión en alta distorción
commlteSystemExperiment_channelEst.m Ténicas estimadas de canal
commlteSystemExperiment_delaySpread.m Retraso en el canal
commlteSystemExperiment_mimoReceiver.m Algoritmos deMIMO receptor
commlteSystemExperiment_referenceChannels.m
Modos de canal
commlteSystemExperiment_SnrVec.m
%% Experiment of sweeping SNR values for all 3 modulation schemes clear functions for modType= 1:3 % [1,2,3] maps to ['QPSK','16QAM','64QAM']
copyfile('commlteSystem_params_SnrVec.m','commlteSystem_params.m');
copyfile('commlteSystem_initialize_lowCP.m','commlteSystem_initialize.
m'); SnrVec=getSnrVector(modType,7); Bers=zeros(size(SnrVec)); Num=numel(SnrVec); for n=1:Num txMode = 4; % Transmisson mode one of {1, 2, 3,
4} numTx = 2; % Number of transmit antennas numRx = 2; % Number of receive antennas snrdB=SnrVec(n); commlteSystemModel; Bers(n)=Measures(1); end pfx=num2str(modType); eval(['Bers',pfx,' = Bers;']); eval(['SnrVec',pfx,' = SnrVec;']); end save Chapter8_Ber_SnrVec Bers1 Bers2 Bers3 SnrVec1 SnrVec2 SnrVec3
UNSA – EPIE SIC FyM
10
Resultado:
commlteSystemExperiment_Throughput.m
Resultado:
UNSA – EPIE SIC FyM
11
commlteSystemExperiment_TxModeClean.m
Resultado:
UNSA – EPIE SIC FyM
12
commlteSystemExperiment_TxModeDistorted.m
Resultado:
UNSA – EPIE SIC FyM
13
commlteSystemExperiment_channelEst.m
Resultado:
UNSA – EPIE SIC FyM
14
commlteSystemExperiment_delaySpread.m
Resultado
UNSA – EPIE SIC FyM
15
commlteSystemExperiment_mimoReceiver.m
Resultado:
UNSA – EPIE SIC FyM
16
commlteSystemExperiment_referenceChannels.m
Resultado:
UNSA – EPIE SIC FyM
17
2) Modelación del sistema en Simulink:
En el libro el objetivo de esta modelación es contener varios modelos de Simulink (bancos de
pruebas) que muestran cómo el modelo LTE Sistema PHY puede ser implementado en Simulink
y cómo puede configurarse para llevar a cabo una evaluación cualitativa y cuantitativa de
modelo del sistema LTE.
Esta modelación consiste en hacer que los bloques de transmisión, canal y recepción sean
representados por un bloque específico con sus respectivas entradas y salidas.
En las figuras siguiente observaremos los resultados de esta simulación, sin embargo hay que
considerar que para poder correr estás simulaciones se requiere de un compilador. De lo
contrario se nos presentará un error como el siguiente:
Para poder solucionar este error, vamos a la página de MATLAB, donde se nos indica lo
siguiente:
UNSA – EPIE SIC FyM
18
Descargamos el paquete correspondiente a nuestro computador ( En este caso Windows de 64
bits) y lo instalamos.
Seguidamente para hacer la configuración em MATLAB utilizamos el comando “mex –setup”
UNSA – EPIE SIC FyM
19
Simulación de Model0:
Observamos que existen 3 bloques representando al transmisor, canal y receptor
respectivamente. En la parte inferior vemos los bloques necesarios para poder calcular la tasa
de error de bits.
UNSA – EPIE SIC FyM
20
Mediante la ejecución de este modelo que estamos realizando la simulación del modelo LTE (modos de transmisión de 1 a 4) para los parámetros especificados en MATLAB en el script “commlteSystem_params.m”. Si queremos ejecutar la simulación de un modo de transmisión diferente o un conjunto diferente de condiciones de funcionamiento, primero tenemos que modificar los parámetros del sistema, cambiando el script en MATTLAB. Luego tenemos que volver a nuestro modelo de Simulink y vuelva a ejecutar la simulación. Después de ajustar los parámetros de cada vez, los bloques de funciones de MATLAB en el modelo se vuelve a compilar y la simulación sigue la compilación completa del modelo. Al final de la simulación por lo general los valores de BER se guardan para valores específicos de SNR.
Vemos a continuación el resultado final luego de la compilación:
UNSA – EPIE SIC FyM
21
Simulación de Model1:
Este es similar anterior, con la diferencia de que existe un bloque (color verde) donde se
pueden ingresar los parámetros para la simulación. Es decir no es necesario modificar el script
que se nos indicaba en el modelo anterior.
UNSA – EPIE SIC FyM
22
Este modelo funciona igual que el anterior, con la diferencia del ingreso de parámetros antes
especificada.
UNSA – EPIE SIC FyM
23
Simulación de Mode2:
Este modelo simula una llamada LTE. Se utiliza el toolbox para DSP que permite realizar
operaciones de codificación y descodificación del habla para recuperar las señales de voz o
música transmitidas.
Al cambiar el nombre del archivo en el bloque "De Multimedia Archivo" puede transmitir
cualquier archivo de música o voz Al final de la simulación, las variables InputAudio y
OutputAudio en MATLAB son las señales de entrada y salida de voz o música de la llamada de
teléfono LTE.
Podemos utilizar la función soundsc para escuchar el archivo.
UNSA – EPIE SIC FyM
24
Por ejemplo, escribiendo soundsc (OutputAdio, Fs) es posible escuchar archivos de audio de
salida. Fs es la frecuencia de muestreo del archivo de música o voz.
Como siempre por al cambiar los parámetros como maxNumErrs y maxNumBits, se obtiene
más o menos tiempo de experimento. Al cambiar el valor de SNR, el parámetro snrdB, se
puede ver el efecto del ruido AWGN en el rendimiento global.
UNSA – EPIE SIC FyM
25
Capítulo 9: Simulación
3) Procesamiento PDCCH
En este capítulo se muestran una serie de funciones en Matlab que muestran cómo es posible
optimizar la simulación LTE en el algoritmo de canal de control presentado en el capitulo
correspondiente.
En este primer caso veremos la aceleración mediante procesamiento PDCCH El contenido del script a ejecutar es el siguiente:
snr=0; MaxSNR=8; MaxNumBits=1e6; maxNumBits=MaxNumBits; maxNumErrs=MaxNumBits; save z_version8.mat -append maxNumBits maxNumErrs numBits=4e4; %% %%%%%%%%%%% %% Code optimizations zPDCCH_v1_test; Report_Timing_Results(1,time_1,time_1,'Baseline'); profile on zPDCCH_v1(snr,numBits,numBits); profile('viewer'); %% Version 2: Vectorization zPDCCH_v2_test; Report_Timing_Results(2,time_1,time_2,'Vectorization'); profile on zPDCCH_v2(snr,numBits,numBits); profile('viewer'); %% Version 3: Vectorization - along large dimension zPDCCH_v3_test; Report_Timing_Results(3,time_1,time_3,'Vectorization along larger dimension'); profile on zPDCCH_v3(snr,numBits,numBits); profile('viewer'); %% Version 4: Vectorization + Preallocation zPDCCH_v4_test; Report_Timing_Results(4,time_1,time_4,'Vectorization + Preallocation'); profile on zPDCCH_v4(snr,numBits,numBits); profile('viewer'); %% Version 5: System objects for MIMO zPDCCH_v5_test;Report_Timing_Results(5,time_1,time_5,'System objects for MIMO'); profile on zPDCCH_v5(snr,numBits,numBits); profile('viewer'); %% Version 6: System objects for MIMO & Channel zPDCCH_v6_test;Report_Timing_Results(6,time_1,time_6,'System objects for MIMO & Channel'); profile on zPDCCH_v6(snr,numBits,numBits); profile('viewer'); %% Version 7: System objects for MIMO & Channel & Viterbi decoder zPDCCH_v7_test;Report_Timing_Results(7,time_1,time_7,'System objects for MIMO & Channel &
Viterbi'); profile on zPDCCH_v7(snr,numBits,numBits); profile('viewer'); %% Version 8: Using all available System objects zPDCCH_v8_test;Report_Timing_Results(8,time_1,time_8,'System objects for all'); profile on zPDCCH_v8(snr,numBits,numBits); profile('viewer'); %% %%%%%%%%%%% %% Acceleration features : MATLAB Coder & parfor zPDCCH_v9_build; zPDCCH_v9_test;Report_Timing_Results(9,time_1,time_9,'Version 8 + MATLAB to C code
generation (MEX)');
UNSA – EPIE SIC FyM
26
Al ejecutar el script zScript_SimulationAcceleration.m obtenemos los siguientes resultados:
%% Version 10: Parallel computing (parfor) + MEX zPDCCH_vA_parallel_setup; zPDCCH_vA_test;Report_Timing_Results(10,time_1,time_A,'Version 8 + MEX + Parallel computing
(parfor)'); %% Simulink & rapid accelerator & parfor %% %%%%%%%%%%% %% Version 11: Version 8 as a Simulink model zPDCCH_vB_test;Report_Timing_Results(11,time_1,time_11,'Simulink normal mode'); %% Version 12: Version 8 as a Simulink model + optimization zPDCCH_vC_test;Report_Timing_Results(12,time_1,time_12,'Simulink normal mode optimized'); %% Version 13: Version 8 as a Simulink model + rapid accelerator zPDCCH_vE_test;Report_Timing_Results(13,time_1,time_13,'Simulink rapid accelerator'); %% Version 14: Version 8 as a Simulink model + rapid accelerator + parfor zPDCCH_vF_test;Report_Timing_Results(14,time_1,time_14,'Simulink rapid accelerator +
parfor'); %% GPU processing (only if a GPU is available) GPU_is_There=parallel.gpu.GPUDevice.isAvailable; if ~GPU_is_There fprintf(1,'The rest of exercises in this testbench will run only when a supported GPU is
available\n'); else zPDCCH_vG_test;Report_Timing_Results(15,time_1,time_15,'Version 8 + Viterbi decoder on
GPU'); zPDCCH_vH_test;Report_Timing_Results(16,time_1,time_16,'Version 8 + Viterbi decoder on
GPU + spmd'); end
UNSA – EPIE SIC FyM
27
4) Aceleración por GPU’s
En esta segunda parte del capítulo 9, se muestra cómo es posible acelerar el turbo-coding
mediante el uso de GPU’s.
Debemos ejecutar para esto el script siguiente:
MaxSNR=7; Snrs=0:0.2:1.2; MaxNumBits=1e6; %% Baseline Algorithm on a CPU N=1; fprintf(1,'\nVersion 1: Everything on CPU\n\n'); tic; for idx = 1:MaxSNR fprintf(1,'Iteration number %d\r',idx); EbNo=Snrs(idx); ber= zTurboExample_gpu0(EbNo, MaxNumBits, MaxNumBits); end time_CPU=toc; fprintf(1,'Version 1: Time to complete %d iterations = %6.4f (sec)\n',
MaxSNR, time_CPU); Report_Timing_Results(N,time_CPU,time_CPU,'Everything on CPU'); %% GPU processing GPU_is_There=parallel.gpu.GPUDevice.isAvailable; if ~GPU_is_There fprintf(1,'The rest of exercises in this testbench will run only
when a supported GPU is available\n'); else %% Turbo Decoder on a GPU N=2; fprintf(1,'\nVersion 2: Turbo coding Only on GPU\n\n'); tic; for idx = 1:MaxSNR fprintf(1,'Iteration number %d\r',idx); EbNo=Snrs(idx); ber= zTurboExample_gpu1(EbNo, MaxNumBits, MaxNumBits); end time_GPU1=toc; fprintf(1,'Version 2: Time to complete %d iterations = %6.4f (sec)\n',
MaxSNR, time_GPU1); Report_Timing_Results(N,time_CPU,time_GPU1,'Turbo coding Only on GPU'); %% Multiple System Objects on GPU N=3; fprintf(1,'\nVersion 3: Four GPU algorithms + Single-frame\n\n'); tic; for idx = 1:MaxSNR fprintf(1,'Iteration number %d\r',idx); EbNo=Snrs(idx); ber= zTurboExample_gpu2(EbNo, MaxNumBits, MaxNumBits); end time_GPU2=toc; fprintf(1,'Version 3: Time to complete %d iterations = %6.4f (sec)\n',
MaxSNR, time_GPU2); Report_Timing_Results(N,time_CPU,time_GPU2,'Four GPU algorithms +
Single-frame');
UNSA – EPIE SIC FyM
28
Al ejecutar el script zScript_TurboGPUAcceleration.m obtenemos el siguiente resultado:
Vemos que se realizaron 7 iteraciones, siendo el rango de aceleración de 1
N=4; fprintf(1,'\nVersion 4: Four GPU algorithms + Multi-frame\n\n'); tic; for idx = 1:MaxSNR fprintf(1,'Iteration number %d\r',idx); EbNo=Snrs(idx); ber= zTurboExample_gpu3(EbNo, MaxNumBits, MaxNumBits); end time_GPU3=toc; fprintf(1,'Version 3: Time to complete %d iterations = %6.4f (sec)\n',
MaxSNR, time_GPU3); Report_Timing_Results(N,time_CPU,time_GPU3,'Four GPU algorithms +
Multi-frame'); %% Using Single-Precision Data Type N=5; fprintf(1,'\nVersion 5: Four GPU algorithms + Multi-frame +
float\n\n'); tic; for idx = 1:MaxSNR fprintf(1,'Iteration number %d\r',idx); EbNo=Snrs(idx); ber= zTurboExample_gpu4(EbNo, MaxNumBits, MaxNumBits); end time_GPU4=toc; fprintf(1,'Version 4: Time to complete %d iterations = %6.4f (sec)\n',
MaxSNR, time_GPU4); Report_Timing_Results(N,time_CPU,time_GPU4,'Four GPU algorithms +
Multi-frame + float'); %% end
UNSA – EPIE SIC FyM
29
III.- Conclusiones:
Observamos que MATLAB representa una herramienta poderosa para el modelado de nuevas
tecnologías.
Es posible mediante técnicas especiales acelerador y/o mejora la eficiencia del scripting
LTE es actualmente una tecnilogía nueva en Peru, sin embargo sabemos que poco a poco se
apodera del mercado mundial.
Simulink en su entorno gráfico nos facilita el analisis en el modelado de sistemas.