Anda di halaman 1dari 6

A Comparative Study of Two Shadow Fading Models in Ultrawideband and Other Wireless Systems

Ali Abdi, Senior Member, IEEE, and Mostafa Kaveh, Fellow, IEEE

Abstrak-Distribusi daya rata-rata lokal pada mobile biasanya dianggap lognormal di darat dan saluran satelit. Namun, bentuk matematika dari distribusi lognormal tidak nyaman untuk perhitungan analitik. Dalam makalah ini, kami menunjukkan utilitas dari distribusi gamma untuk bayangan memudar, baik di saluran terestrial dan satelit, menggunakan data empiris. Selanjutnya, kami menunjukkan bahwa penerapan model gamma hasil bayangan memudar dalam bentuk tertutup dan matematis-penurut solusi untuk kinerja sistem kunci langkah-langkah seperti rata-rata kesalahan yang berbeda simbol modulasi dengan berbagai teknik menggabungkan keragaman. Indeks Ketentuan-bayangan memudar, bayangan, distribusi lognormal, gamma distribusi, saluran memudar, skala besar memudar, analisis kinerja.
I. INTRODUCTION= Pendahuluan

daya lokal rata-rata dari sinyal di mobile station (MS), daya sesaat rata-rata jarak jauh dari panjang gelombang beberapa, berfluktuasi secara acak dari tempat ke tempat dalam saluran radio bergerak. Fenomena ini umumnya disebut sebagai bayangan memudar. Fungsi probabilitas kepadatan (PDF) dari daya rata-rata lokal secara luas diterima menjadi lognormal untuk kedua saluran terestrial [1] dan saluran satelit [2]. Namun, bentuk matematika dari lognormal PDF tidak nyaman untuk perhitungan analitik yang timbul sehubungan dengan bayangan memudar dalam saluran nirkabel. Dalam Bahkan, dengan model lognormal memudar bayangan, kita tidak bisa memperoleh bentuk tertutup dan mudah-ke-menggunakan ekspresi bagi banyak ukuran kinerja menarik seperti simbol rata-rata tingkat kesalahan skema modulasi yang berbeda dengan berbagai keragaman menggabungkan teknik [3], pemadaman probabilitas dalam Kehadiran beberapa interferers cochannel [1], dan seterusnya. Bentuk rumit sedikit rata-rata tingkat kesalahan ekspresi ditutup untuk keying pergeseran fasa biner sederhana (BPSK) modulasi dengan penerima antena tunggal [4] adalah contoh yang baik dari kedegilan perhitungan analitik dengan PDF lognormal. Bahkan integrasi numerik dari ekspresi yang melibatkan yang lognormal PDF menggunakan metode Hermite integrasi bukan prosedur mudah dan salah satu harus hati-hati
kontrol kesalahan dengan menggunakan teknik lain seperti Simpson integrasi aturan [5]. Dalam makalah ini, pertama-tama kita menunjukkan kegunaan gamma PDF untuk memudar bayangan di saluran terestrial dan satelit menggunakan data empiris. Untuk saluran terestrial, kita mempekerjakan data yang dikumpulkan di daerah perkotaan

dan pinggiran kota [6], serta parameter empiris diberikan dalam [1] dan [7], sedangkan untuk satelit saluran kami menggunakan informasi empiris ekstensif dipublikasikan dalam [8]. Kami kemudian menunjukkan bagaimana aplikasi PDF gamma, dalam hubungannya dengan model Rayleigh dari multipath fading, hasil dalam bentuk tertutup ekspresi untuk kinerja sistem kunci langkah-langkah dalam saluran, baik terestrial dan satelit

II. DATA ANALYSIS

Biarkan menunjukkan amplop dari narrowband diterima sinyal. Mari mewakili kekuatan rata-rata lokal amplop, yaitu,

A. Terrestrial Channels dari mean menjalankan amplop kuadrat, (), juga ditampilkan pada grafik yang sama. Panjang temporal geser jendela adalah 1 detik, setara dengan jendela spasial panjang 20, dengan sebagai panjang gelombang pembawa 910 MHz. Seperti dibahas dalam [17], panjang jendela geser memiliki sedikit efek dari histogram () (18 dan 26 dibandingkan dalam [17] pada 836 MHz). Dalam rangka untuk membandingkan empiris distribusi () dengan model gamma dan lognormal, kita menggunakan statistik kebaikan-of-fit test [18] dan informationtheoretic pendekatan [19]
A. Terestrial Channels1) Cramer-von Mises Test: The Kolmogorov-Smirnov (KS) dan chi-kuadrat Pearson (PCS) tes adalah dua tes umum yang telah banyak digunakan dalam mempelajari kebaikan-of-fit dari berbagai distribusi memudar untuk pengukuran saluran. beberapa perangkap umum tentang KS dan tes PCS dibahas dalam [21] dan [22] - [23], masing-masing. Menurut sifat (), KS tes adalah pilihan yang lebih baik karena dapat langsung diterapkan untuk data kontinu berkelompok, sementara kelompok yang tak terelakkan data dalam tes PCS, yang dapat dilakukan di banyak cara yang berbeda, membuang beberapa informasi [24]. Namun, karena kekuasaan uji KS (probabilitas untuk menerima hipotesis alternatif ketika hipotesis alternatif benar) adalah kecil [25], kita menggunakan lebih kuat Cramer-von

Mises (CV) tes [25]. Statistik CV adalah apa-apa tetapi terintegrasi kuadrat kesalahan antara empiris dan teoritis fungsi distribusi. Untuk menghindari dampak memiliki berkorelasi sampel [20], pertama-tama kita downsampled setiap record dari () seperti bahwa korelasi antara dua sampel yang berbatasan dikurangi menjadi 0,5. Jumlah (sekitar) tidak berkorelasi sampel bervariasi antara 8 dan 22 atas semua dua belas catatan. Menggunakan sampel (), kami memperkirakan parameter dari gamma dan distribusi lognormal melalui metode kemungkinan maksimum. Kami menggunakan poin persentase yang diberikan dalam Tabel 4.21 dari [25] untuk statistik CV dalam pengujian gamma distribusi. Untuk pengujian distribusi lognormal, kita digunakan poin persentase yang diberikan dalam Tabel 4.7 dari [25] untuk CV dimodifikasi statistik. Hasil tes untuk semua dua belas set data, pada tingkat signifikansi 0,05, tercantum dalam Tabel I [26], dalam hal penolakan atau penerimaan dari hipotesis nol. Menurut tabel ini, tampaknya ada tidak ada preferensi dalam memilih antara PDF gamma dan

lognormal PDF untuk data kami set. Distribusi empiris dari () dalam beberapa catatan data yang baik gamma dan lognormal hipotesis diterima, ditunjukkan pada Gambar. 2. para terkait distribusi lognormal gamma dan juga ditampilkan pada Gambar. 2, yang sangat dekat satu sama lain. 2) Kriteria Informasi Akaike: Akaike Informasi Kriteria (AIC) dapat digunakan untuk pemilihan model, dengan memperkirakan informasi yang diharapkan jarak relatif antara model dan data [19]. Ini juga baru saja digunakan untuk saluran pemodelan [27]. Untuk setiap dari dua belas catatan diukur data, nilai-nilai numerik dari AIC dihitung untuk gamma dan PDF lognormal, yaitu, AIC dan AIC , masing-masing, diberikan dalam Tabel I. Ini dihitung menggunakan ekspresi AIC diberikan dalam hal 61 dari [19]. Karena nilai relatif AIC adalah penting untuk pemilihan model dan bukan nilai mutlak [19], Perbedaan AIC tercantum dalam Tabel I juga. Untuk gamma dan lognormal PDF yang kita miliki, masing-masing, = AIC min (AIC , AIC ) dan = AIC - min (AIC , AIC ). sebagai aturan praktis, perbedaan AIC antara 0 dan 2 menunjukkan dukungan empiris substansial untuk model [19]. berdasarkan Tabel I, untuk sembilan dari dua belas set data, baik gamma dan PDF lognormal adalah model comparably baik. dekat

kesepakatan antara gamma dan distribusi lognormal pada Gambar. 2 mendukung observasi ini. 3) Gunakan Data Diterbitkan: Untuk membandingkan gamma dan lognormal distribusi untuk set lain dari pengukuran terestrial, kita telah menggunakan model path loss empiris dan diperkirakan bayangan standar deviasi untuk mendapatkan beberapa nilai praktis untuk dan masing-masing. Secara khusus, kami telah menggunakan twoslope yang jalan microcell path loss model, Persamaan. (2,248) [1], dengan parameter yang diambil dari dasar hal 113 dalam [1], dan juga Lee daerah-ke-wilayah macrocell path loss model, Persamaan. (2,233) [1], dengan parameter yang dihitung pada kondisi nominal. Para numerik nilai untuk microcell dan macrocell model diambil dari hal 113 dan p. 99 [1], respectively.We juga telah menggunakan nilai-nilai empiris dan yang diperoleh dari ultrawideband pengukuran luas dan dilaporkan dalam Tabel I, II, III, IV dan IX [7]. Tabel ini merujuk untuk perumahan, kantor,
II. SATELLITE CHANNELS

Untuk jenis saluran, kita telah menggunakan parameter distribusi lognormal, diperkirakan dari satu set data yang dikumpulkan di berbagai tempat dan sudut elevasi [8]. Dalam Gambar. 5 kami telah diplot fungsi distribusi dari

distribusi gamma dan lognormal, dengan dan diambil dari Tabel II [8], sedangkan dan dihitung dengan menggunakan (3). sebagai ini menunjukkan angka, gamma dan distribusi lognormal yang cukup dekat selama rentang praktis dan. dari adalah Nakagami [1]. Di sisi lain, jika PDF adalah dimodelkan menjadi lognormal, maka PDF adalah lognormal juga. Oleh karena itu, persamaan yang mirip dengan (3) dapat diturunkan untuk mendapatkan parameter Nakagami dari parameter lognormal.
Pada akhir bagian ini kita secara singkat menunjukkan satu kemungkinan propagasi gelombang pembenaran untuk PDF gamma, berdasarkan fisika dari hamburan gelombang dari permukaan kasar acak. Menurut [30], kepadatan sinar, , dihamburkan oleh Gaussian kasar permukaan dengan ketinggian terdiferensiasikan dan fraktal

kemiringan mengikuti distribusi gamma. Berikut kemiringan fraktal berarti bahwa fungsi struktur lereng acak lokal memiliki bentuk hukum kekuatan, dengan kekuatan yang terkait dengan dimensi fraktal . Parameter bentuk PDF gamma ray untuk kepadatan dapat dinyatakan dalam [30]. pada sisi lain, hal ini ditunjukkan dalam [31] bahwa variasi stokastik dari setara dengan fluktuasi acak , yang jumlah gelombang yang tersebar yang diterima melalui beberapa jalur. Karena fluktuasi acak muncul perubahan sebagai acak pada kekuatan rata-rata PDF Rayleigh [32] dari sinyal amplop, yaitu, [ 2 | ] , maka salah satu dapat menyimpulkan bahwa daya rata-rata daerah memiliki PDF yang sama seperti . Hal ini menunjukkan penggunaan distribusi gamma untuk rata-rata lokal menerima kekuasaan, dari perspektif gelombang hamburan acak

IV. SYSTEM PERFORMANCE ANALYSIS

Pada bagian ini kita menunjukkan bagaimana aplikasi gamma distribusi untuk memudar bayangan memungkinkan langsung dan analisis kinerja sistem yang nyaman, dengan bentuk tertutup hasil dan matematis penurut solusi. Sistem yang sama analisis prosedur dengan distribusi lognormal paling sering berakhir dengan integral yang harus dipecahkan secara numerik. dalam makalah ini kita fokus pada perhitungan rata-rata kesalahan simbol rate dalam keragaman penerima lebih dari multipath fading / bayangan memudar saluran nirkabel. Pembaca harus ingat bahwa ada yang makalah yang diterbitkan dalam beberapa tahun terakhir yang telah menganalisis kinerja combiners keragaman untuk model memudar dan ekstensi nya. Contohnya termasuk [33] - [35]. Jadi, beberapa ekspresi di bawah ini mungkin telah disajikan sedemikian kertas, mungkin dalam bentuk yang berbeda dan dalam hal yang berbeda atau fungsi matematika terkait. Tujuan dari bagian ini, Namun, untuk memperoleh, dari prinsip pertama, kinerja beberapa prediksi ekspresi yang dalam konteks kertas dapat menunjukkan kegunaan dari model gamma bayangan memudar.
Untuk membandingkan model-model gamma dan lognormal bayangan memudar dalam hal kompleksitas komputasi, di sini kami melaporkan waktu yang diperlukan untuk Mathematica untuk menghitung sekitar dua ratus Data

poin dari setiap kurva pada Gambar. 6. Untuk menghitung kinerja dari combiner rasio maksimal dengan BDPSK, untuk = 6 dB, yang waktu yang dibutuhkan 0,203 detik. dan 0,75 detik. untuk dan Suzuki model, masing-masing. Waktu yang dibutuhkan ketika = 2 dB 0,5 detik. dan 0,922 detik, masing-masing.. Untuk Combiner pilihan dengan = BDPSK dan 6 dB, dibutuhkan 0,062 detik. dan 2,953 detik. untuk menghitung kinerja menggunakan dan model Suzuki, masing-masing. Untuk = 2 dB, ini mengubah timing, masing-masing, untuk 0,141 detik. dan 3,485 detik. Setelah membagi perhitungan waktu untuk model Suzuki dengan perhitungan model yang waktu, kita memperoleh efisiensi komputasi metrik. Jika ini metrik lebih besar dari satu, itu berarti model gamma berbasis adalah komputasi lebih efisien (cepat), karena membutuhkan waktu kurang waktu untuk menghitung kinerja sistem menggunakan gamma bayangan memudar model. Untuk kasus di atas, didefinisikan metrik efisiensi komputasi adalah 3,7, 1,8, 47,6 dan 24,7, masing-masing. Hal ini menunjukkan model gamma adalah komputasi lebih efisien. Salah satu alasan yang mungkin adalah bahwa Mathematica, dan software matematika / numerik lainnya, biasanya memiliki builtin dioptimalkan prosedur untuk evaluasi numerik efisien banyak fungsi khusus, termasuk yang mungkin muncul dalam penelitian sistem kinerja berdasarkan bayangan memudar gamma model. Sedangkan untuk model lognormal, software telah menggunakan tujuan umum teknik integrasi, untuk numerik menghitung integral yang muncul dalam studi kinerja sistem menggunakan model ini.

V. CONCLUSION

Dalam makalah ini dan berdasarkan data eksperimen, kita telah menunjukkan bahwa distribusi gamma dapat model bayangan memudar dalam saluran baik terestrial dan satelit. Selanjutnya, kami telah menunjukkan bahwa penerapan model gamma memperkenalkan fasilitas analitis dan komputasi yang signifikan dalam menghitung tingkat kesalahan rata-rata penerima simbol keragaman melalui saluran nirkabel.