USULAN PENELITIAN DISERTASI

Analisa Kapasitas Transmisi Laju Bit Tinggi Untuk Aplikasi Kereta

Berkecepatan Tinggi dengan Multiuser MISO pada Sistem HAPS

Dona Harun

NIM 332 00 301

Ketua Tim Pembimbing :

Prof. Dr. ABC

Anggota :

Prof. Dr. DEF

SEKOLAH PASCA SARJANA

INSTITUT TEKNOLOGI BANDUNG

2010

Persetujuan Pembimbing

Judul Penelitian : Analisa Kapasitas Transmisi Laju Bit Tinggi Untuk Aplikasi Kereta Berkecepatan

Tinggi dengan Multiuser MISO pada Sistem HAPS

Nama mahasiswa : DONA HARUN

N I M : 332 08 301

Telah disetujui oleh Tim Pembimbing Program Doktor,

Pada tanggal :

Ketua Anggota

Prof. Dr. ABC Prof. Dr. DEF

NIP.2121 NIP.313

I. Abstrak

Pengiriman data laju bit tinggi secara simultan ke sejumlah kereta berkecepatan tinggi pada sistem HAPS direalisasikan melalui sistem MISO multiuser. Keunggulan yang diberikan MISO MU dibanding teknik beamforming dengan estimasi DOA projek CAPANINA adalah dalam 2 hal, yaitu kapasitas dan coverage. Pada MISO MU, jenis kanal tidak dibatasi pada LOS saja, melainkan multipath, sehingga teknik estimasi DOA tidak cocok digunakan. Tiap user mengirim feedback CSIT ke transmitter, sehingga jumlah user yang dapat dilayani secara simultan tidak dibatasi oleh algoritma teknik DOA seperti halnya pada CAPANINA. Secara khusus, dengan jumlah M antena transmit, MU MISO menjanjikan peningkatan kapasitas sebesar M , yang berarti jumlah user yang dapat dilayani secara simultan dengan MISO MU lebih dari √ M dibanding pada CAPANINA. Kanal HAPS yang terdistribusi Ricean dengan komponen mean dan multipath memberikan intuisi untuk peningkatan coverage HAP melalui eksploitasi multipath pada sudut elevasi rendah, sehingga peningkatan coverage lebih dari tiga kali lipat dapat diperoleh.

II. Latar Belakang

Kebutuhan akan transmisi laju bit tinggi dalam orde di atas puluhan Mbps menempatkan sistem MIMO (Multiple Input Multiple Output) sebagai salah satu solusi menarik. Jika transmitter tahu state kanal (CSIT) maka kanal MIMO bertindak sebagai kanal-kanal paralel sehingga didapat peningkatan kapasitas sebanyak minimal antara jumlah antena transmit/receive [1]. Meskipun demikian, jika hanya receiver yang tahu state kanal (CSIR), gain multiplexing yang sama masih bisa diperoleh [1] pada MIMO single user. Akan tetapi, hal ini tidak berlaku untuk sistem MIMO multiuser (MIMO MU) [7][4][2], dimana ketiadaan CSIT menyebabkan multiuser multiplexing gain menghilang. Oleh karena itu, pada sistem MIMO MU, CSIT mutlak diperlukan.

Pada sistem MIMO MU, satu transmitter mengirimkan data yang berbeda-beda ke sejumlah user secara simultan pada arah downlink, dan dikenal juga sebagai sistem broadcast. Perkembangan MIMO MU semakin pesat dengan dibuktikannya bahwa region Dirty Paper Coding (DPC) adalah capacity region dari kanal broadcast Gaussian [3]. Dengan M antena transmit dan n user masing-masing satu antena, kapasitas yang dicapai dengan DPC sebesar M log log n untuk nbesar [4]. Hal ini berarti, transmitter harus tahu CSIT, jika tidak, maka peningkatan kapasitas hanya logaritmik dengan M.

Penerapan dan pengembangan MIMO MU pada sistem HAPS (High Altitude Platform Systems), yaitu sebuah platform pada ketinggian stratosfer (17-22km) dan difungsikan sebagai komplementar jaringan terestrial dan satelit [5], menjadi daya tarik tersendiri. Hal ini mengingat CAPANINA [6], sebagai salah satu projek di Eropa yang menggunakan HAPS sebagai platform, mengembangkan aplikasi untuk menyediakan layanan laju bit tinggi secara simultan ke sejumlah kereta berkecepatan tinggi.

Teknologi smart antena dengan beamforming menjadi prinsip multiuser multiplexing gain pada CAPANINA. Kanal diasumsikan dominan LOS (Line of Sight) sehingga parameter yang dibutuhkan dalam beamforming tidak lain adalah Direction of Arrival (DOA) dari tiap-tiap kereta/user. Perlunya untuk estimasi DOA sisi azimuth dan elevasi, menyebabkan jumlah user yang dapat dilayani secara simultan adalah √ M−1 . Selain itu, asumsi LOS menyebabkan coverage tiap HAP hanya dibatasi sampai sudut elevasi 30°.

Kekurangan yang ada pada CAPANINA dapat diatasi dengan MIMO MU. Pada MIMO MU, jenis kanal tidak dibatasi pada LOS saja, melainkan multipath, sehingga teknik estimasi DOA tidak cocok digunakan. Tiap user mengirim feedback CSIT ke transmitter, sehingga jumlah user yang dapat dilayani secara simultan tidak dibatasi oleh algoritma teknik DOA seperti halnya pada CAPANINA. Secara khusus, dengan jumlah M antena transmit, MU MIMO menjanjikan peningkatan kapasitas sebesar M , yang berarti jumlah user yang dapat dilayani secara simultan dengan MU MIMO lebih dari √ M dibanding pada CAPANINA. Selain itu, kanal pada HAPS dapat diasumsikan terdistribusi Ricean, dimana kanal LOS merupakan bentuk khusus model Ricean dengan merubah faktor Ricean K R. Dengan eksploitasi multipath pada MIMO MU memberikan radius coverage lebih dari tiga kali lebih besar dibanding yang dicapai pada CAPANINA.

Keuntungan yang dihadirkan MIMO MU harus memperhatikan dua kondisi ideal. Pertama, tiap user memiliki CSIR sempurna dan CSIT dari tiap-tiap user diketahui secara sempurna juga di transmitter. Kedua, masing-masing user dikodekan dengan teknik DPC. Akan tetapi pada kenyatannya kondisi ideal sulit terpenuhi. Meskipun diasumsikan CSIR sempurna yakni melalui estimasi kanal, tetapi CSIT yang harus dikirim melalui kanal feedback membatasi transmitter dengan partial CSIT. Sedangkan untuk DPC, sifat pengkodeannya tidak linear karena dilakukan secara sekuensial, sehingga dibutuhkan tambahan kompleksitas yang cukup signifikan baik di transmitter ataupun receiver. Selain itu, DPC membutuhkan pengetahuan interferensi secara tidak kausal menyebabkan pengkodean ini tidak realistis. Oleh karena itu, beberapa penelitian berusaha mencari solusi suboptimal atau setidaknya optimal secara asimptotik dengan menggunakan linear precoding seperti dengan teknik Zero Forcing Beamforming (ZF-BF) dan Block Diagonalization (BD) [18]. Agar dapat dikirim melalui kanal feedback low rate, maka partial CSIT bisa diperoleh dengan kuantisasi state kanal atau cukup dengan pengiriman index codebooknya saja [21].

Dengan referensi alasan di atas, pada penelitian ini akan digunakan CSIT berupa Channel Distribution Information (CDI). Pada tahap awal, CDI tidak dikuantisasi untuk melihat seberapa besar multiuser multiplexing gain yang diperoleh. Selanjutnya, untuk mengakomodasi kanal feedback low rate, maka CDI dikuantisasi sejumlah B bit. Di transmitter, informasi CDI akan digunakan sebagai masukan linear precoder. Karena tujuan dari penerapan MIMO MU pada HAPS adalah untuk melihat pertambahan gain kapasitas dibandingkan dengan teknik DOA, dan besarnya multiplexing gain pada MIMO MU hanya ditentukan dari jumlah antena transmit (di HAP) [7][13], maka tanpa mengurangi pengertian yang ada, diasumsikan tiap kereta/user hanya dilengkapi satu antena, sehingga sistem ini lebih tepat disebut sebagai MISO (Multiple Input Single Output) multiuser. Dengan demikian, MIMO mode jamak menjadi MIMO beamforming, sehingga analisa gain kapasitas cukup direpresentasikan dengan MISO. Selain itu, ZF-BF merupakan precoding yang cocok untuk digunakan.

Model kanal Ricean dengan faktor K R yang tergantung elevasi, membawa keuntungan tersendiri dalam memodelkan jenis CSIT. Pertama, dengan model Ricean berarti CSIT berupa CDI akan memiliki kompleksitas sistem jauh lebih rendah jika digunakan instantaneous CSIT. Hal ini diperkuat dengan perhitungan bahwa meskipun aplikasi pada kereta berkecepatan tinggi, kanal HAPS hasil perhitungan masuk ke dalam kategori slow fading. Kedua, dengan faktor K R yang berubah maka jenis partial CSIT dapat masuk ke dalam dua kategori dari CDI, yaitu Channel Mean Information (CMI) jika terdapat komponen mean yang dominan pada kanal, dan Channel Covariance Information (CCI) jika adanya korelasi antarkomponen kanal [8]. Untuk elevasi tinggi, komponen LOS mendominasi sehingga partial CSIT dengan model CMI lebih cocok, sedangkan pada elevasi rendah, terdapat multipath sehingga partial CSIT dapat diimplementasikan sebagai model CCI. Jika diasumsikan tiap-tiap user memiliki CSIT yang saling orthogonal, maka ZF-BF dapat secara langsung

digunakan sebagai precoding. Akan tetapi, aplikasi pada kereta kecepatan tinggi mengharuskan ditemukannya suatu teknik precoding lain yang lebih robust jika tidak tercapainya orthogonalitas antaruser, atau jika ZF-BF tetap digunakan, maka sejauh mana pengaruh interferensi memberikan degradasi terhadap multiuser multiplexing gain yang ingin dicapai MISO MU.

III. Dasar Teori

3.1. Sistem MIMO

3.1.1. Pendahuluan

Sistem komunikasi dengan teknik Multiple Input Multiple Output (MIMO) merupakan teknik yang sangat menjanjikan karena dengan bandwidth yang sama, di satu sisi reliabilitas yang diinginkan dapat terpenuhi dengan adanya spatial diversity; dan di sisi lain dapat diperoleh peningkatan kapasitas kanal linear dengan minimum jumlah antena transmit atau receive. MIMO mengeksploitasi keuntungan dari multipath fading. Dengan asumsi fading independen antara antena transmit dan receive, simbol yang sama akan mengalami fading yang berbeda sehingga dihasilkan diversitas. Selain itu, adanya CSIT dan CSIR yang sempurna, kanal MIMO bertindak sebagai kanal paralel untuk mendapatkan keuntungan multiplexing gain.

Sistem MIMO dengan sejumlah Mt antena transmit dan Mr antena receive (Gbr. 1) dapat dilihat pada Gbr. 1 berikut.

Gbr.1

Jika dideskripsikan secara matematis, kanal MIMO H dengan dimensi MrxMt dapat ditulis sebagai

Dengan melakukan Singular Value Decomposition (SVD) pada kanal H, seperti terlihat pada Gbr. 2, didapat sejumlah r mode eigen yang orthogonal, yang menunjukkan bahwa transmisi melalui kanal MIMO sama dengan transmisi melalui sejumlah r kanal SISO secara paralel.

H=[ h11 h12 .. . h1 M r

h21 .. . .. . .. ... . .. . .. . .. .

hM r1 .. . .. . hM r M t

]

Gbr. 1 Dekomposisi Paralel Kanal MIMO [9]

3.1.2. Sistem Model

Sinyal yang diterima pada sistem MIMO dengan M antena transmit dan N antena receive dapat ditulis sebagai

y=Hx +n

dimana x∈CM ×1 adalah simbol transmit, H ∈CN × M menyatakan kanal, y∈CM ×1 menyatakan simbol receive, dan n∈CM × 1 adalah AWGN (Additive White Gaussian Noise) dengan variansi σ n

2=1.

Channel State Information at Transmitter (CSIT)

Dengan bekal CSIT, maka transmitter mengetahui ke arah mana mengirim simbol yang akan ditransmit. Jenis CSIT dapat dibedakan menjadi 3 golongan:

1. CSIT sempurna, yakni transmitter dibekali dengan instantaneous CSIT 2. CSIT tidak diketahui, sehingga diasumsikan transmitter membagi daya pancar ke semua

antena transmit. Ternyata alokasi daya yang demikian optimal untuk kanal fading i.i.d. Rayleigh [1]

3. CSIT berupa distribusi kanal atau Channel Distribution Information (CDI) [8]. Ada 3 jenis distribusi yang ada di literatur: kanal terdistribusi white mean nol (ZMSW), kanal terdistribusi white tetapi dengan mean tidak nol (CMI), dan kanal dengan mean nol tetapi covarians tidak white (CCI). Model yang digunakan untuk ketiga jenis CDI tersebut adalah model variabel acak joint Gaussian kompleks. Dengan demikian, notasi yang digunakan untuk ketiga CDI tersebut yaitu:1. ZMSW N (0 , α I ) atau E { H }=0 ,dan H =Hw 2. CMI N (H ,α I ) atau E { H }=H , dan H=H+√ α H w

3. CCI N (0 , Σ) atau E { H }=0 ,dan H =R r

12 H w Rt

12

Hw adalah matriks berukuran N × M dengan elemen berupa variabel acak i.i.d. (independent and identically distributed) mean nol, variansi satu, kompleks circular simetris atau disingkat (ZMCSCG), Rr dan Rt menyatakan covarians antena receive dan transmit.

CSIT harus dikirim melalui kanal feedback jika sistem duplex yang dipakai FDD (Frequency Division Duplex), seperti pada umumnya sistem saat ini, misalnya sistem IEEE 802.11 dan IEEE 802.16. Dengan CSIT maka sebelum data simbol s dikirim, maka terlebih dahulu dilakukan ‘precoding’ (Gbr 2) sehingga

x=Fs

dimana F∈CM ×r adalah matriks precoding dengan r menyatakan rank kanal H , s∈C r ×1 adalah data simbol.

Gbr. 2. Model Transceiver dengan Kanal Feedback

Untuk efisiensi, maka desain kanal feedback low rate menjadi isu tersendiri sistem MIMO. Beberapa referensi desain kanal feedback untuk MIMO single user menggunakan codebook untuk mendeskripsikan state kanal hasil kuantisasi, sehingga yang dikirim ke transmitter hanya berupa index codebook saja [21]. Teknik lain untuk menghemat bit feedback yaitu dengan asumsi CSIT berupa nilai distribusi kanal (bukan instantaneous CSIT) seperti mean atau covariance feedback [8][10].

3.1.3. Kapasitas Kanal MIMO

Penentuan kapasitas kanal MIMO di bawah ini mengambil asumsi bahwa CSIR diketahui dengan sempurna. Di receiver, CSIR bisa diperoleh melalui estimasi kanal. Dengan demikian, besarnya kapasitas ditentukan dengan diketahui atau tidak diketahuinya CSIT.

Kanal Deterministik

Dengan asumsi bahwa receiver mengetahui CSIR sempurna, maka kanal MIMO bertindak seperti kanal AWGN. Dari teori informasi [Cover], , kapasitas kanal MIMO deterministik ditulis sebagai

C= maxR x :Tr ( R x)=P

log 2 det|IN+H R x H H|

dimana R x∈C M× M adalah covarians dari sinyal transmit, P adalah constraint daya, dan C menyatakan kapasitas. Nilai kapasitas dimaksimumkan terhadap semua kemungkinan covarians matriks R x, sehingga besarnya C tergantung dari tersedianya CSIT atau tidak.

CSIT sempurna

Jika CSIT sempurna, maka kapasitas kanal MIMO

MessageEncod

er

Precoder

Estimasi

kanal

MessageDecod

er

Kanal H +

AWGN

CSIT

ww

Transmitter

Kanal Receiver

Decoder

s x y s

C= maxP i:∑ Pi ≤ P

∑i

log 2(1+σ i

2 P i

σn2 )

Dimana σ i2 nilai eigen ke-i dari H , σ n

2 adalah variansi dari noise. Dengan γi=σ i2 P/ σn

2, maka

C= maxP i:∑ Pi ≤ P

∑i

log 2(1+P i γi

P )

Dengan P i

P ={1γ 0

− 1γi

, γ i≥ γ0

0 , γ i<γ 0

, sehingga didapat

C= ∑i : γi ≥ γ0

log 2( γ i

γ 0)

Kapasitas di atas didapat dengan algoritma yang dikenal sebagai waterfilling, dimana daya yang lebih besar akan diberikan kepada subkanal dengan nilai eigen σ i

2 yang lebih besar.

CSIT tidak diketahui (CDI berupa i.i.d. Rayleigh)

Jika transmitter tidak tahu kanal, maka dengan asumsi bahwa H terdistribusi zero-mean spatially

white (ZMSW), [1] menunjukkan bahwa covarians optimal R x=PM

I , yaitu dengan membagai rata

daya ke semua antena, sehingga kapasitas kanal MIMO

C=log 2det|I N+ PM

H H H|Kanal Fading

Dengan asumsi kanal adalah flat fading, maka kapasitas harus dirata-ratakan terhadap semua state fading kanal. Besarnya kapasitas pada kanal fading juga bergantung pada jenis CSIT yaitu CSIT sempurna, atau partial CSIT.

CSIT sempurna

Kapasitas kanal MIMO flat fading dengan CSIT diketahui secara sempurna sama halnya pada kasus kanal deterministik, hanya saja besarnya kapasitas dirata-ratakan terhadap semua state fading kanal, sehingga dikenal dengan istilah kapasitas ergodik. Besarnya kapasitas ergodik tergantung dari bagaimana mengalokasikan daya ke masing-masing subkanal. Jika digunakan constraint daya jangka pendek, maka daya pada tiap realisasi kanal sama dengan constraint daya raya-rata P, sehingga kapasitas ergodik menjadi

C=EH { maxP i:∑ Pi ≤ P

∑i

log 2(1+P i γi

P )}Jika digunakan constraint daya jangka panjang, maka tiap realisasi dapat digunakan besar daya yang berbeda-beda, tetapi dengan rata-rata daya terhadap semua realisasi kanal tetap memenuhi constraint daya rata-rata. Secara matematis

C= maxP H : E {PH }=P

EH { maxRx : Tr ( Rx )=P

log 2 det|I N+H Rx H H|}❑

CSIT berupa CDI

Kanal terdistribusi ZMSWBesarnya kapasitas ergodik untuk model kanal ZMSW sama halnya dengan kanal deterministik yaitu [1]

C=EH {log 2det|I N+PM

H H H|}dimana matriks covarians input berupa matriks identitas yang diberi bobot atau R x=

PM

I .

Kanal dengan model CMI

Untuk sistem dengan single antena di penerima dan multiple antena di pengirim, [8] menunjukkan matriks covarians input yang menghasilkan kapasitas optimal untuk model CMI dan CCI. Sebagai referensi, jika di receiver hanya terdapat satu antena, maka H berupa vektor. Dengan CSIT sempurna, satu-satunya mode eigen yang tidak nol dapat diketahui secara pasti dan solusi untuk mengoptimalkan kapasitas adalah beamforming ke mode eigen tersebut.

Pada model CMI, eigenvector utama dari R x yang optimal adalah sama dengan vektor mean kanal H , sedangkan eigenvektor lainnya menunjukkan nilai eigen yang sama. Beamforming optimal jika daya pancar P berkurang atau jika besarnya variansi kanal α berkurang. Jika beamforming optimal, maka semua daya dialokasikan ke eigenvektor utama.

Kanal dengan model CCI

Untuk model CCI, eigenvektor dari R x yang optimal tidak lain adalah eigenvektor dari covarians antena di transmitter atau Rt. Beamforming optimal jika dua nilai eigen terbesar dari Rt berbeda cukup jauh atau daya pancar P cukup rendah.

3.1.4. MIMO Multiuser (MIMO MU)

Besarnya gain multiplexing yang bisa diperoleh sistem MIMO mendorong penelitian dari single user MIMO ke arah sistem multiuser. Kanal pada sistem MIMO MU terbagi dua, yaitu

1. Kanal Multiple Access Channel (MAC), yaitu kanal arah uplink dari sejumlah K user ke Access Point. Tiap user memiliki constraint daya yang berbeda-beda dan mentransmisikan data yang independen.

2. Kanal Broadcast (BC), yaitu kanal arah downlink dari satu transmitter ke sejumlah user secara simultan, dimana secara umum, data yang dikirimkan ke tiap user berbeda-beda

Penelitian MIMO MU belakangan ini terfokus pada kanal broadcast karena untuk sistem MIMO dengan jumlah antena transmit M >1, maka kanal BC Gaussian termasuk ke dalam jenis nondegraded. Berbeda dengan kanal degraded BC Gaussian dimana capacity region sudah terdefinisi dengan baik [20], penentuan capacity region kanal nondegraded BC Gaussian tergolong baru.

Penentuan capacity region kanal nondegraded BC Gaussian dimotori oleh [7] dimana secara closed form dibuktikan bahwa capacity region untuk 2 single antena user sama dengan region Dirty Paper Coding. DPC adalah suatu pengkodean sekuensial dimana terjadi semacam pre-cancellation interferensi di transmitter, sehingga data yang diterima tiap user bebas dari interferensi user yang terlebih dahulu dikodekan. Untuk lebih dari 2 user, capacity region sulit ditentukan sehingga [7] menggunakan pengkodean yang suboptimal yaitu dengan Zero Forcing Dirty Paper (ZF-DP) dan Zero Forcing (ZF).

Gbr. 3. Achievable Rate dari Kanal Broadcast Gaussian versi optimal (DPC), ZF-DPC, dan ZF [7]

Untuk MIMO MU dengan M=2 dan 2 user, besarnya Achievable Rate vs SNR dapat dilihat pada Gbr.3. dengan constraint daya jangka panjang. Achievable rate dengan teknik DPC adalah kapasitas sum-rate dari kanal Gaussian BC, sedangkan achievable rate cooperative dicapai bila user diperbolehkan bekerja sama, sehingga kapasitasnya ekivalen dengan sistem MIMO point-to-point. Pada SNR tinggi, ZF-DP memiliki achievable rate optimal, sedangkan terdapat SNR loss dengan ZF. Pada SNR rendah, achievable rate ZF-DP sama dengan ZF, dan kedua pengkodean tereduksi menjadi MRC (Maximum Ratio Beamforming) ke user dengan SNR terbaik.

Keempat kurva pada Gbr.3 mengasumsikan CSIT dan CSIR sempurna. Jika CSIT tidak diketahui, maka slope achievable rate tidak bergantung dengan jumlah antena transmit M seperti terlihat pada Gbr 4.

Gbr. 4. Achievable Rate vs SNR dari skema ZF-DP, ZF, dan MRC dengan M=4 , K=4 , degraded BCM=1 , K=4, dan degraded BC tanpa CSIT M=4 , K=4 [7]

Tampak bahwa slope Achievable Rate untuk degraded BC tanpa CSIT sama dengan skema MRC beamforming dan skema degraded BCM=1. Hal ini berarti multiuser multiplexing gain menghilang atau sama dengan 1.

Belakangan, perhitungan region DPC dikembangkan untuk lebih dari 2 user dengan menggunakan dualitas antara kanal MAC dan kanal Gaussian BC [3], sehingga sudah terbukti bahwa DPC region adalah capacity region kanal Gaussian BC.

3.2. HAPS

3.2.1. Pendahuluan

HAPS merupakan suatu platform di stratosfer dan berada pada ketinggian 17-22 km [5]. HAPS difungsikan sebagai komplementer penyedia layanan nirkabel yang sudah ada yaitu terrestrial dan satelit . HAPs dapat berupa balon udara (tanpa awak) atau pesawat (berawak) .

Beberapa keuntungan HAPS :1. Dibanding satelit : link budget lebih baik, delay propagasi bukan isu.2. Dibanding terestrial : coverage lebih luas (orde ratusan kilometer) sehingga infrastruktur lebih

sedikit

Satu HAPS terdiri dari multi BTS seperti terlihat pada Gbr. 5, dimana antena pada HAPS menghasilkan multi-spotbeam untuk membedakan coverage tiap BTS.

Beberapa aplikasi HAPS antara lain

1. Laju bit tinggi FWA (47/47 GHz & 28/31 GHz)2. HAPs UMTS untuk layanan 3G (UMTS)3. HAPs untuk DVB/DAB

4. HAPs untuk transmisi laju bit tinggi pada kereta kecepatan tinggi (CAPANINA)

Gbr .5. Arsitektur multi spotbeam pada HAPS [5]

3.2.2. CAPANINA untuk HAPS

CAPANINA adalah suatu projek di Eropa yang menggunakan HAPS sebagai platform untuk transmisi laju bit tinggi ke sejumlah kereta berkecepatan tinggi secara simultan seperti terlihat pada Gbr. 6 di bawah ini [6]. Diasumsikan kereta bergerak sampai kecepatan 300 km/jam.

Gbr. 6. Contoh Aplikasi HAPS Projek CAPANINA [6]

Modulasi carrier pada mulanya ada 2 : yaitu single carrier dan OFDM, akan tetapi karena hasil penelitian kanal HAPS menunjukkan dominasi LOS, single carrier dipakai sebagai pilihan utama.

Standar Layer Fisik

Standar layer fisik pada CAPANINA adalah single carrier IEEE 802.16 untuk laju bit tinggi FWA, dimana pada standar tersebut frekuensi kerja antara 10-66 GHz, pulse shaping yang digunakan

adalah Nyqusit RRC dengan faktor roll-off 0.25, dan jenis modulasi berupa QPSK, 16-QAM, dan 64-QAM. Dengan demikian, besarnya data rate yang dapat dicapai dapat dilihat pada tabel berikut.

Bandwidth (MHz)

Simbol rate (Mbd)

Bit rate (Mbps) QPSK

Bit rate (Mbps) 16-QAM

Bit rate (Mbps) 64-QAM

20 16 32 64 96

25 20 40 80 120

28 22.4 44.8 89.6 134.4

Tabel 1 : Bit rate dan Jenis Modulasi untuk Aplikasi Kereta Kecepatan Tinggi [6]

Coverage

Sistem CAPANINA mengadopsi frekuensi operasi 28 GHz pada downlink dan 31 GHz pada uplink. Dengan ketinggian HAPS diasumsikan 20 km, dan kanal didominasi LOS maka sudut elevasi (dihitung dari sisi user) minimum 30°. Hal ini menghasilkan radius coverage 32.7 km seperti terlihat pada Gbr. 7.

Gbr. 7 Coverage HAPS secara Geometris

Sistem Model

Pada projek CAPANINA, pemodelan pada sistem pemancar dan penerima telah terdefinisi dengan baik. Pada pemancar digunakan antena uniform planar array berukuran M × M . Estimasi DOA dilakukan dengan metode root MUSIC (Multiple Source Identification), dimana dibentuk persamaan polynomial dari autokorelasi sinyal yang diterima, sehingga root atau akar-akar dari persamaan polynomial tersebut menunjukkan posisi kereta. Dengan metode ini, maka jumlah kereta dibatasi sebesar √ M−1.

Gbr. 8 berikut menunjukkan hasil simulasi estimasi DOA dengan algoritma root MUSIC, dimana diasumsikan tiap kereta hanya dibedakan sudut elevasinya saja. Terdapat 3 kereta pada sudut elevasi 80, -60, dan 40 derajat, dan antena array sebanyak M=4.

20 km

32.7 km

Planar Array

Gbr.8. Akar-akar Persamaan Polynomial pada Estimasi DOA dengan 3 Sumber

Dengan metode root MUSIC, didapat akar-akar yang menunjukkan pole dari persamaan polynomial sebanyak 6 buah, dimana 3 buah akar merupakan akar kebalikan yang lain, karena sinyal polynomialnya merupakan sinyal genap. Akar-akar yang berada dalam lingkaran satuan yang diambil, yaitu -0.9734 + 0.0035i, -0.7990 - 0.5324i, dan -0.3779 + 0.8825i. Dari ketiga akar tersebut dihitung besarnya sudut yang merupakan argumen dari sudut elevasi tiap kereta yaitu masing-masing 3.1380, -2.5538, 1.9754. Dengan demikian didapat hasil estimasi DOA yaitu 87.2525, -54.3809, dan 38.9606 derajat.

Pada bagian receiver, beamforming dengan metode Recursive Least Square digunakan untuk mengatasi efek Doppler

IV. Kajian Pustaka

Dengan banyaknya referensi yang ada mengenai HAPS dan MIMO baik single user ataupun multiuser, Penulis mengambil sejumlah referensi yang telah membantu dalam menemukan perumusan masalah dalam penelitian ini. Berikut referensi-referensi tersebut beserta keterangannya (Tabel 2).

Referensi KeteranganMIMO Single User[10] Overview bagaimana desain linear precoding dalam berbagai skenario CSIT dan

dengan parameter optimasi yang berbeda. Skenario CSIT meliputi CSIT sempurna, CCI, CMI, dan dynamic CSIT. Sedangkan parameter yang dioptimasi meliputi kapasitas ergodik, average PEP (pairwise error probability), dan minimum distance PEP.

[8] Pemodelan partial CSIT sebagai CMI dan CCI sehingga dapat ditentukan precoding

pada transmitter agar kapasitas optimal. Selain itu, ditentukan kondisi kanal H agar beamforming optimal

[9] Dasar-dasar dari MIMO single user dan multi user, khususnya dalam hal penentuan kapasitas kanal dengan CSIT sempurna, CSIT tidak diketahui, dan partial CSIT.

[11] Dasar-dasar MIMO khusunya pemaparan bermacam-macam diversitas yaitu diversitas transmitter, receiver, dan keduanya (MIMO), serta pengaruh diversitas terhadap slope BER. Dipaparkan juga berbagai macam model kanal seperti kanal dengan komponen LOS, kanal dengan dual-polarisasi, dan model kanal secara fisik dengan memperhitungkan scattering.

MIMO Multiuser[7] Penentuan capacity region dari kanal broadcast Gaussian untuk 2 user masing-masing

single antena, dimana capacity region dicapai dengan Dirty Paper Coding (DPC). Untuk jumlah user lebih dari 2, ‘achievable rate’ diturunkan dengan pengkodean yang lebih sederhana dari DPC yaitu dengan Zero Forcing Dirty Paper (ZF-DP) yang menunjukkan ZF-DP region optimal pada SNR besar karena achievable rate dengan ZF-DP menuju kapasitas cooperative MIMO sebagai upper bound. Selain itu, digunakan pula precoding ZF, tetapi skema ini suboptimal terbukti dari slope achievable rate/multiuser multiplexing gain yang sama dengan ZF-DP tetapi terdapat rate/power loss.

[4] Propose skema novel precoding yang mencapai multiuser multiplexing gain yang dijanjikan kapasitas kanal Gaussian broadcast, untuk jumlah user besar dgn tiap user dilengkapi single antena. Keunggulan skema Hassibi adalah hanya dibutuhkan jumlah bit feedback sedikit karena hanya feedback SINR saja.

[3] Overiew dari kapasitas kanal MIMO baik single user atau multiuser. Dijelaskan juga bagaimana capacity region kanal broadcast Gaussian untuk kasus general MIMO dapat ditentukan, yaitu dengan dualitas antara kanal MAC (Multiple Access Channel) dan kanal broadcast.

[12] Penentuan skema precoding untuk MIMO MU pada kanal LOS. Pengarang mengklaim bahwa karena kanal LOS, maka tiap user cukup dilengkapi dengan satu antena receive saja. Untuk tetap mengakomodasi keuntungan multiplexing multiuser gain dari MU MIMO, digunakan beamforming sebagai precoding, dimana CSIT berupa sudut elevasi tiap user. Dengan demikian, jumlah bit feedback yang dibutuhkan sebagai CSIT jauh lebih sedikit dibanding jika feedback berupa amplitude dan fasa dari state kanal.

[2] Dijelaskan mengapa CSIT sempurna diperlukan di transmitter untuk mendapatkan multiuser multiplexing gain. Untuk M antena transmit, dan tiap user dilengkapi single antena, jika CSIT tidak diketahui, maka dapat diasumsikan kanal yang dialami tiap user secara statistik adalah sama. Dengan demikian, tiap user dapat melihat codeword yang dikirim untuk user yang lain, sehingga kapasitas optimal dicapai dengan TDMA (Time Division Multiple Access). Hal ini berarti, multiuser multiplexing gain hanya satu. Selain itu, dijelaskan loss kapasitas yang timbul jika digunakan finite rate feedback dengan precoding berupa ZF BF.

[13] Dijelaskan perbedaan multiuser multiplexing gain yang didapat pada kanal Gaussian broadcast dengan menggunakan DPC, beamforming, dan time sharing untuk jumlah user besar. Dengan DPC dan beamforming, dicapai multiuser multiplexing gain yang sama yakni sebanyak jumlah antena transmit M. Untuk time sharing, karena kesempatan hanya diberikan kepada user dengan SNR tertinggi, maka multiplexing gain sama dengan gain point-to-point MIMO yakni bergantung dari minimum jumlah antena transmit atau receive. Mengacu pada [Jindal broadcast frate], maka jika tiap user hanya memiliki single antena, multiuser multiplexing gain menghilang atau sama dengan satu.

HAPS[5] Dijelaskan mengenai arsitektur sistem HAPS, coverage, dan kelebihan/kelemahan

antara komunikasi nirkabel melalui platform HAPS, terestrial, dan satelit.[6] Dijelaskan mengenai bagaimana skenario transmitter dan receiver untuk aplikasi

projek CAPANINA pada transmisi laju bit tinggi secara simultan ke sejumlah kereta berkecepatan tinggi. Secara detil, dijelaskan bagaimana mendeteksi keberadaan kereta yaitu dengan teknik DOA, dan beberapa teknik lainnya seperti uplink beamforming dan Kalman filtering untuk mengurangi variansi estimasi.

MIMO pada HAPS[14] Penerapan konsep Virtual MIMO dengan platform multiple HAP pada komunikasi

laju bit tinggi mobile kereta berkecepatan tinggi. Multiple HAP diimplementasikan sebagai virtual MIMO dengan skema space-time Alamouti coding. Tujuannya adalah untuk mendapatkan gain diversitas akibat shadowing dari bukit dan gedung tinggi.

[15] Penggunaan multiple HAP untuk diversitas pada aplikasi kereta berkecepatan tinggi. Pada receiver juga digunakan 2 buah antena yang ‘steerable’ dgn direktivitas tinggi baik untuk diversitas maupun peningkatan kapasitas. Fokus paper adalah keuntungan multiple HAP untuk diversitas dengan hasil akhir berupa “time-share” visibilitas selama rute kereta, dan CINR untuk ketiga jenis overlapping coverage.

[16] Penerapan metode untuk membuat kanal yang rank defisien menjadi full rank akibat adanya komponen LOS pada model geometri HAPS, dimana untuk mencapai kanal full rank harus diperhatikan Antenna Seperation Product (ASP). Tujuannya adalah agar multiplexing gain/ slope kapasitas linear dengan minimal jumlah antena transmit atau receive.

[17] Eksploitasi keunikan antena array MIMO susunan kompak pada sistem multiple HAPS untuk meningkatkan kapasitas

Tabel 2. Referensi-referensi dalam Studi Literatur

Dari referensi-referensi di atas, dianalisa kekurangan yang memungkinkan pengembangan/ekstension sebagai bahan penelitian seperti terlihat pada Tabel 3 berikut.

Tujuan Referensi Prinsip Asumsi Konfig HAPS

Aplikasi Kekurangan/Extension

MIMO pada HAPS

Gain diversitas

[Celcer et.al. ‘09]

Fading akibat shadowing dari bukit dan gedung tinggi diatasi dgn skema Alamouti

Ray tracing dgn data terrain realistis, kanal LOS / NLOS

Multiple HAPS

Kereta kecepatan tinggi

Pekerjaan dgn ray tracing tidak sederhana, efek Doppler tidak diperhitungkan

[King ‘07] Penggunaan antena dual-polarisasi

Model hasil pengukuran, kanal Ricean,

Single HAPS

Slowly moving vehicle

Pengembangan untuk kanal fast fading.

Gain kapasitas

[Michailidis] Kanal HAPS dengan LOS butuh pengaturan jarak antar elemen array di Tx dan Rx shg kanal full rank

Kanal LOS elevasi tinggi, NLOS elevasi rendah

Single HAPS

FWA Extension ke multiuser sehingga tidak rentan thdp kanal LOS

[Hult ‘08] Penggunaan polarisasi jamak dengan antena

Kanal LOS, CSIT sempurna

Multiple HAPS

Backbone antar cluster

Diperlukan multiple HAPS untuk

susunan kompak sist .seluler memastikan subkanal orthogonal

[King ‘07] Penggunaan antena dual-polarisasi

Model hasil pengukuran, kanal Ricean, slow fading

Single HAPS

Slowly moving vehicle

Extension ke multiuser harus memperhitungkan jarak antar elemen antena-dual-polarisasi

Projek CAPANINA & MIMO/MISO Multiuser

Kapasitas sum-rate (MU mux gain)

[CAPANINA ‘06]

Tracking kereta dengan estimasi Direction of Arrivail (DOA), lalu beamforming ke sejumlah kereta secara simultan.

Frekuensi 28/31GHz, kanal dominasi LOS, Doppler spread kecil

Single HAPS

Kereta kecepatan tinggi

Kanal LOS membatasi sudut elevasi coverage 30°. Estimasi DOA sisi azimuth dan elevasi membatasi jumlah kereta

[Caire et.al. ‘03]

Penentuan kapasitas sum-rate dari kanal BC Gaussian untuk 2 single antenna user (MISO), dimana Dirty Paper Coding (DPC) region adalah capacity region kanal BC. Utk jumlah user > 2, kapasitas sum-rate diperoleh dgn pengkodean sederhana.

Kanal flat i.i.d. Rayleigh, quasi-static, tiap user single antena, CSIR & CSIT sempurna, pengkodean untuk > 2 user dgn Zero Forcing Dirty Paper (ZF-DP) dan ZF

- Sebagai referensi kondisi ideal

CSIT sempurna tidak realistis, penentuan capacity region untuk kasus general kanal BC

[Hassibi et.al.‘05]

Dikirim sejumlah M beam orthogonal, user feedback SINR, dipilih M user dengan SINR tertinggi, gain multiuser mux linear dgn M utk jmlh K besar

Kanal flat i.i.d. Rayleigh, quasi-static, tiap user single antena, partial CSIT berupa SINR, CSIR sempurna,

- Sistem seluler dgn user slowly moving

Orthogonalitas kanal semakin baik jika jumlah user besar

[Ravindran ‘et.al.07]

Karena kanal LOS, tiap user cukup dilengkapi dengan satu antena. Untuk mendapatkan multiplexing multiuser gain dari MU MIMO, digunakan ZF precoder

Kanal LOS, quasi-static, CSIT partial berupa sudut elevasi tiap user, CSIR sempurna.

- FWA Gain multiuser mux berkurang jika kanal tidak orthogonal/adanya interferensi

Tabel 3. Pengembangan atau Ekstension Hasil Studi Literatur

Dari Tabel 3., yang menjadi acuan utama adalah kekurangan yang terdapat pada projek CAPANINA [6]. Dengan melihat keunggulan dalam hal kapasitas sum-rate sistem MIMO dan MISO MU [3][5][7], Penulis memproposed analisa kapasitas MISO MU pada sistem HAPS.

V. Rumusan Masalah

1. Dengan model CSIT sebagai CMI dan CCI, seberapa besar keakuratan model tersebut jika diterapkan pada kanal HAPS?

2. Seberapa besar gain multiuser multiplexing dengan skema MISO multiuser dibanding skema beamforming dengan estimasi DOA projek CAPANINA?

3. Seberapa besar gain coverage dengan skema MISO multiuser dibanding skema beamforming dengan estimasi DOA projek CAPANINA?

VI. Tujuan

1. Analisa dan pembuktian gain multiuser multiplexing dengan penerapan skema MISO MU pada paltform HAPS. Besarnya gain yang diperoleh dibandingkan dengan gain skema beamforming dengan estimasi DOA projek CAPANINA.

2. Analisa dan pembuktian pemodelan kanal HAPS sebagai dominan LOS pada elevasi tinggi, dan eksistensi komponen multipath pada elevasi rendah.

3. Analisa peningkatan coverage dengan eksploitasi multipath pada elevasi rendah.4. Analisa skenario dimana kanal orthogonal antar user dapat tercapai dan jika tidak, maka efek

interferensi yang ditimbulkan terhadap gain multiplexing dan coverage perlu dikaji.

VII. Hipotesa

Penggunaan skema MISO multiuser diekspektasi memberikan perbaikan terhadap skema beamforming dengan estimasi DOA projek CAPANINA. Perbaikan tersebut adalah dalam hal:

1. Peningkatan gain multiuser multiplexing ¿√ M , dimana M adalah jumlah antena transmit di HAP. Hal ini dikarenakan pada CAPANINA, teknik estimasi DOA membatasi jumlah user yang dapat dilayani secara simultan sebesar √ M−1, sedangkan pada MISO MU, jika CSIT dan CSIR sempurna, maka besarnya angka tersebut adalah M [7]

2. Peningkatan radius coverage lebih dari 3 kali. Dengan MISO multipath dieskploitasi, sehingga pada sudut elevasi ¿30 ° atau multipath mulai mendominasi LOS, meskipun dengan partial CSIT, transmisi data tetap berjalan. Sebagai efek adanya coverage pada elevasi rendah, gain multiuser multiplexing sebesar M dapat diperoleh.

3. Jika kanal antaruser tidak saling orthogonal, misal jika hanya tersedia partial CSIT, maka interferensi yang ditimbulkan dapat menurunkan gain multiuser multiplexing.

VIII. Kontribusi

Kontribusi dari penelitian ini adalah:

1. Analisa dan pembuktian peningkatan gain multiuser multiplexing dengan penerapan skema MISO MU dibanding skema beamforming dengan estimasi DOA pada CAPANINA.

2. Analisa dan pembuktian peningkatan coverage dengan pemodelan kanal HAPS yang menyertakan multipath pada elevasi rendah. Hal ini tidak dieksploitasi pada model CAPANINA.

3. Analisa dan pembuktian degradasi gain multiuser multiplexing dengan interferensi yang ditimbulkan akibat kondisi-kondisi yang menyebabkan kanal user tidak orthogonal.

IX. Metodologi Penelitian

Metodologi penelitian yang digunakan meliputi langkah-langkah berikut:

1. Studi literatur

Studi literatur dilakukan untuk mengetahui perkembangan riset mengenai MIMO baik single user ataupun multiuser, dan mengenai HAPS. Dari studi literatur, diperoleh ide-ide penelitian. Referensi-referensi yang dirasa Peneliti paling bermanfaat dalam menemukan ide penelitian adalah yang diberikan dalam Bagian Kajian Pustaka di atas.

2. Pemodelan

Karena tujuan dari penerapan MIMO MU pada HAPS adalah untuk melihat pertambahan gain kapasitas dibandingkan dengan teknik DOA, dan besarnya multiplexing gain pada MIMO MU hanya ditentukan dari jumlah antena transmit (di HAP) [7][13], maka tanpa mengurangi pengertian yang ada, diasumsikan tiap kereta/user hanya dilengkapi satu antena (MISO). Dengan demikian, MIMO mode jamak menjadi MIMO beamforming, sehingga gain kapasitas yang akan dianalisa cukup direpresentasikan dengan sistem MISO. Selain itu, ZF-BF merupakan precoding yang sederhana untuk digunakan (Linear precoding dengan teknik BD menjadi ZF-BF untuk single antena receiver)

Model Sinyal

Model sistem transceiver dapat dilihat pada Gbr. 9

Gbr. 9. Model transceiver MISO MU dengan K=2

Dengan beamforming, maka tiap user mentransmisikan simbol skalar tiap pengunaan kanal (channel use). Ada sejumlah K user dengan data simbol tiap user adalah skalar sk , k=1 , …, K . Masing-masing data tersebut dimasukkan ke ZF-BF precoder sehingga

Encoder

Estimasi kanal user 1

Encoder

ZF-BF Precoder

Decoder user

1Estimasi kanal user 2

Decoder user

2Quantisa

si B bit

Quantisasi B bit

CDI kanal

CDI kanal

Kanal broadcast H

+

+

AWGN

AWGN

CDI terkuantisasi user 1

CDI terkuantisasi user 2

1w

2w

1w

2w

Transmitter

Kanal Receiver

1s

2s

x

1y

2y

xk=vk sk

dimana vk∈C M ×1 adalah vektor ZF-BF untuk user k . HAP memiliki M antena dan daya yang dibatasi sebesar P. Vektor sinyal yang dipancarkan HAP

x=∑k

xk

dimana xk vektor sinyal untuk user k dengan kovarians Qk.

Daya dibatasi pada HAP ∑k

Tr(Q k)≤ P. Matriks kanal antara user k dan HAP dinyatakan sebagai

hk∈C1 × M .

Model sinyal yang diterima user k

yk=hk x+nk=hk vk sk+hk∑i ≠k

v i s i+nk , k=1,2 ,…K

Desain ZF-BF Precoder [7] pada Sistem MISO Multiuser

ZF-BF precoder bertujuan agar tiap user tidak menerima interferensi dari user lain, yaitu dengan memaksa

hk vi=0 , untuk i≠ k

Jika partial CSIT tiap user dinyatakan dengan vektor feedback kanal hk∈C1 × M, maka vektor ZF-BF ditentukan dari

V=H H ( H H H )−1

Dimana V= [v1 , v2 ,…, v K ] adalah matriks ZF-BF aggregate semua user,

H ∈CK × M , H=[ h1T , h2

T , …, hKT ]T didapat dengan menyusun hk pada tiap baris matriks H .

Model Kanal

Pemodelan kanal HAPS pada CAPANINA baik kanal uplink maupun downlink hanya mencakup sampai elevasi >30°[6]. Model kanal CAPANINA terdiri dari 3 bagian, yaitu:

1. Kanal LOSPada kanal LOS, ketiadaan multipath menyebabkan kanal bersifat flat fading. Angle spread juga tidak ada. Selain itu, Doppler spread tidak ada meskipun Doppler shift ada [11]. Doppler spread berada dalam rentang puluhan Hz [6]. Karena waktu koherens kanal didefinisikan sebanding dengan invers Doppler spread, maka pada kondisi LOS, kanal adalah slow fading.

2. Kanal NLOS akibat pepohonanDidefinisikan bahwa pepohonan hanya terdapat sebelum dan sesudah terowongan, sehingga besarnya durasi fading akibat pepohonan (NLOS) dapat dihitung berdasarkan konfigurasi terowongan yang terdapat pada suatu daerah. Ketiadaan remote scatterer atau scatterer hanya

sekitar kereta, maka kanal adalah flat fading. Selain itu, adanya scattering di sekitar kereta bisa mengakibatkan terjadinya Doppler spread yang cukup besar baik pada UL dan DL, sehingga bergantung dari bit rate transmisi, ada kemungkinan kanal bersifat fast fading.

3. Kanal outage akibat terowonganJika kereta melewati terowongan, maka model kanal CAPANINA mengasumsikan terjadi outage, karena sinyal tidak mampu menembus terowongan.

Teknik DOA pada CAPANINA bekerja baik dalam kondisi LOS. Sedangkan pada kondisi NLOS, digunakan training simbol dan beamforming untuk mengatasi efek Doppler dengan metode Recursive Least Square (RLS).

Pada penelitian ini, penggunaan MISO MU memberikan fleksibilitas dalam pemodelan kanal, karena MIMO akan mengeksploitasi multipath untuk mendapatkan peningkatan kapasitas, khususnya pada sudut elevasi <30°, yaitu sudut elevasi yang tidak dicover oleh projek CAPANINA. Sedangkan pada sudut elevasi >30°, diasumsikan bahwa hanya terdapat kanal LOS dan kanal outage ketika melewati terowongan.

Tabel 4 berikut memberikan ringkasan mengenai model kanal CAPANINA, dan model kanal sementara yang digunakan dalam penelitian ini.

CAPANINA MISO MU (Proposed model)Sudut elevasi >30°Downlink/uplink LOS

Delay spread Tidak ada multipath Flat fading

Referensi CAPANINA [6]

Doppler spread Orde puluhan Hz Slow fading Referensi CAPANINA [6]Downlink NLOS Delay spread Tidak ada remote scatterer Flat

fadingTidak dimodelkan

Doppler spread Dimodelkan dengan sudut Doppler terdistribusi uniform (Clarks model) sehingga Doppler spread tinggiKemungkinan fast fading (juga tergantung bit rate)

Tidak dimodelkan

Uplink NLOS Delay spread Tidak ada remote scatterer Flat

fadingTidak dimodelkan

Doppler spread Dimodelkan dengan sudut Doppler terdistribusi Gaussian dengan nominal mean tertentu spreadKemungkinan slow fading (juga tergantung bit rate)

Tidak dimodelkan

Downlink/uplink terowongan Terjadi outage Referensi CAPANINA [6]

Sudut elevasi < 30°Selain scatterer lokal sekitar kereta, pada sudut elevasi <30°, keberadaan remote scatterer seperti gunung dan bukit perlu diperhitungkan, karena remote scatterer dapat mengakibatkan terjadinya fading frequency selective.Downlink NLOS Tidak dimodelkan Dibanding model downlink

NLOS elevasi >30°, Doppler spread dan multipath akan meningkat. Kecenderungan model kanal ke arah frequency

selective dan fast fading lebih besar. Tetapi hal ini harus diverifikasi dengan argumen yang lebih tepat.

Uplink NLOS Tidak dimodelkan Dibanding model uplink NLOS elevasi >30°, Doppler spread dan multipath akan meningkat. Kecenderungan model kanal ke arah frequency selective dan fast fading lebih besar. Tetapi hal ini harus diverifikasi dengan argumen yang lebih tepat.

Tabel 4. Perbandingan model kanal CAPANINA dan proposed model

Untuk model kanal sementara pada Penelitian ini, diasumsikan pada semua sudut elevasi, efek Doppler tidak diperhitungkan dan kanal adalah flat fading. Pada sudut elevasi >30°, diasumsikan baik kanal uplink dan downlink hanya berupa kanal LOS (outage tetap terjadi jika melewati terowongan). Sedangkan pada sudut elevasi <30°, diasumsikan kanal uplink dan downlink berupa kanal NLOS. Oleh karena itu, model matematis kanal downlink berikut ini dapat diterapkan juga pada kanal uplink.

Model Kanal Downlink (Berlaku juga untuk Uplink)

Sinyal yang diterima tiap user dapat ditulis juga sebagai

y=H x+n

Dimana H ∈CK × M , H=[ h1T , h2

T , …, hKT ]T adalah kanal broadcast, n adalah AWGN dengan varians

σ n2.

Dengan asumsi bahwa kanal tiap user independen terhadap user lain dan tiap kanal user k terdistribusi Ricean dengan faktor Ricean K R

k , maka

hk=√ KRk

K Rk +1

hk+√ 1KR

k +1hk

w

dimana E {hk }=hk adalah variabel fixed yang menyatakan mean dari kanal,hkw variabel acak dengan

mean nol, white dan terdistribusi Gaussian atau hkw N (0 , σ n ,k

2 I )

Nilai faktor Ricean dapat diubah bergantung dari dominan atau tidaknya mean kanal. Salah satu parameter yang menentukan mean kanal adalah link LOS. Dengan demikian, pada elevasi tinggi, K R

k bisa diset dengan nilai lebih besar dari saat elevasi rendah.

Model CSIT

Dengan asumsi bahwa kanal HAPS slow fading, maka skenario CSIT dengan CDI bisa digunakan. Model CDI yang digunakan bergantung dari elevasi, yaitu

1. Kasus elevasi tinggi Dengan LOS dominan maka model CDI yang cocok adalah CMI, dimana

hk N (√ K Rk

KRk +1

hk , α I ), dimana α dapat dianggapa sebagai error dari estimasi kanal, error

dari kanal feedback, atau error dari asumsi CSIT berupa partial CSIT, misal akibat kuantisasi kanal.

Pada model CMI, beamforming optimal dengan semua daya dialokasikan ke eigenvektor

utama atau vk=√ KRk

K Rk +1

hk [8]

2. Kasus elevasi rendahPada elevasi rendah, terdapat komponen multipath. Jika diasumsikan scattering berada dekat dengan user, sedangkan HAP bebas scattering, maka CDI yang cocok adalah CCI, dimana

hk N (0 , Σ) atau E {hk }=0 , dan hk=hkw Rt , k

12. Beamforming optimal dengan vk sebagai

vektor eigen dari Rt ,k [8].

3. Perhitungan analitis

Besarnya gain multiuser multiplexing dengan skenario CMI dan CCI dengan precoder berupa ZF-BF jika dimungkinkan dibuktikan secara analitis.

4. Simulasi

Simulasi berupa simulasi Monte Carlo dengan Matlab, dengan asumsi:a. Kanal narrowband dan slow fadingb. CSIR sempurna (tidak ada pengaruh Doppler) c. Tidak ada delay propagasi pada kanal feedbackd. Tidak ada delay akuisisi CSIT di receiver

Parameter yang diujia. Kapasitas vs SNR untuk CSIT sempurna, kanal user orthogonal. Faktor Ricean K R

k sbg variabel. Sebagai referensi adalah kapasitas vs SNR dengan DPC coding.

b. Kapasitas vs SNR untuk partial CSIT berupa kuantiasi dengan B bit, kanal user orthogonal. Besarnya jumlah bit menjadi parameter variabel selain K R

k

c. Kapasitas vs SNR untuk CSIT sempurna, kanal user sebagian/tidak orthogonal. Faktor Ricean K R

k sbg variabel. Sebagai referensi adalah kapasitas vs SNR dengan DPC coding.d. Kapasitas vs SNR untuk partial CSIT berupa kuantiasi dengan B bit, kanal user

sebagian/tidak orthogonal. Besarnya jumlah bit menjadi parameter variabel selain K Rk

e. Persentase peningkatan coverage vs SNR

f. Degradasi kapasitas jika CSIR tidak sempurna/Doppler diperhitungkan

X. Jadwal Kegiatan

Rencana kegiatan berikut adalah target yang hendak dicapai pada tiap Seminar Kemajuan.

Seminar Kemajuan IMembangun model kanal Ricean dan verifikasi model CMI dan CCI dengan modelSeminar Kemajuan IIMenerapkan algoritma MU-MIMO dengan ZF-BF precoder, dengan asumsi CSIR sempurna, dan skenario CSIT berupa CMI dan CDI, dimana kanal antaruser orthogonal. Dihitung kapasitas vs SNR melalui simulasi dan dibandingkan dengan referensi yang menggunakan pengkodean DPC.Menggunakan partial CSIT dengan kuantisasi CSIT sebanyak B bit, dan dilihat pengaruhnya terhadap degradasi kapasitas.Seminar Kemajuan IIIAnalisa pengurangan kapasitas jika kanal antar user tidak orthogonal, sehingga ZF-BF precoder tidak optimal. Memberikan solusi alternatif algoritma MU-MIMO lainnya untuk mengatasi kekurangan pada ZF-BF, misal dengan melibatkan scheduling (contoh opportunistic beamforming). Analisa tradeoff antara kompleksitas algoritma dan feasibilitas karena akan diaplikasikan pada kereta berkecepatan tinggi.Seminar Kemajuan IVEfek Doppler diperhitungkan sehingga CSIR tidak sempurna. Analisa degradasi kapasitas vs SNR. Jika memungkinkan memberikan solusi untuk mengatasi efek Doppler.

XI. Daftar Pustaka

[1] E. Telatar, “Capacity of multi-antenna Gaussian channels,” Eur. Trans.Telecomm. ETT, vol. 10, no. 6, pp. 585–596, Nov. 1999.

[2] Nihar Jindal, “MIMO Broadcast Channels With Finite-Rate Feedback”, IEEE Trans. on Inform. Theory, vol. 52, NO. 11, Nov. 2006

[3] Andrea Goldsmith, Syed Ali Jafar, Nihar Jindal, and Sriram Vishwanath, “Capacity Limits of MIMO Channels”, IEEE Journal on Selected Areas in Communications, vol. 21, no. 5, June 2003

[4] Masoud Sharif and Babak Hassibi , “On the Capacity of MIMO Broadcast Channels With Partial Side Information”, IEEE Trans. On Inform. Theory, vol. 51, no. 2, Feb 2005

[5] Goran M. Djuknic and John Freidenfelds, Yuriy Okunev, “Establishing Wireless Communications Services via High Altitude Aeronautical Platforms : A concept whose time has come?”, IEEE Communications Magazine, September 1997

[6] CAPANINA Deliverable Number D17, “Report on adaptive beamforming algorithms for advanced antenna types for aerial platform and ground terminals”, 2006

[7] Giuseppe Caire, and Shlomo Shamai (Shitz), “On the Achievable Throughput of a Multiantenna Gaussian Broadcast Channel”, IEEE Trans. on Inform. Theory, vol. 49, no. 7, July 2003

[8] E. Visotsky and U. Madhow, “Space-time transmit precoding with imperfect feedback,” IEEE Trans. Inform. Theory, vol. 47, pp. 2632–2639, Sept. 2001.

[9] Andrea Goldsmith, Wireless Communications, Cambridge University Press, 2005

[10] M. Vu and A. Paulraj, “MIMO Wireless Linear Precoding,” IEEE Signal Processing Magazine, vol. 24, no. 5, pp. 86-105, Sept 2007.

[11] A.Paulraj, R. Nabar, D. Gore, Introduction to Space-Time Wireless Communications, Cambridge University Press, 2003

[12] N. Ravindran, N. Jindal, H. C. Huang, “Beamforming with Finite Rate Feedback for LOS MIMO Downlink Channels”, IEEE Global Communications Conference (GLOBECOM), November 2007

[13] Masoud Sharif and Babak Hassibi, “A Comparison of Time-Sharing, DPC, and Beamforming for MIMO Broadcast Channels with Many Users”, IEEE Transactions on Communications vol. 55, no. 1, pp. 11-15, January 2007

[14] T. Celcer, T. Javornik, M. Mohorcic, G. Kandus, “Virtual multiple input multiple output in multiple high-altitude platform constellations”, IET Commun., 2009, Vol. 3, Iss. 11, pp. 1704–1715

[15] Celcer T., Kandus G., Javornik T., Mohorcic M., Plevel S., “Evaluation of diversity gain and system capacity increase in a multiple HAP system”, Proc. Int. Workshop on Satellite and Space Communications (IWSSC’06), September 2006, pp. 114–118

[16] E. T. Michailidis, and A. G. Kanatas, “Capacity Optimized Line-of-Sight HAP-MIMO Channels for Fixed Wireless Access “

[17] Tommy Hult, Abbas Mohammed, Zhe Yang, David Grace , “Performance of a Multiple HAP System Employing Multiple Polarization”, Wireless Pers Commun., Springer Science and Business Media, LLC, 2008

[18] Juyul Lee and Nihar Jindal, “Dirty Paper Coding vs. Linear Precoding for MIMO Broadcast Channels”, Asilomar Conference on Signals, Systems, and Computers, Asilomar, CA, Oct. 2006, (Invited Paper)

[19] J. Winters, “Smart antennas for wireless systems,” IEEE Pers. Comm. Mag., vol. 5, pp. 23–27, Feb. 1998.

[20] T. M. Cover and J. A. Thomas, Elements of Information Theory. New York: Wiley, 1991.

[21] B. Mondal and R. W. Heath, Jr., “Channel adaptive quantization for limited feedback MIMO

beamforming systems,” IEEE Transactions on Signal Processing vol. 54, no. 12, pp. 4753-4766,

Dec. 2006.