haku: @keyword radio channel modelling / yhteensä: 4
viite: 2 / 4
Tekijä:Salmi, Jussi
Työn nimi:Statistical Modeling and Tracking of the Dynamic Behavior of Radio Channels
Radiokanavan dynaamisten ominaisuuksien tilastollinen mallinnus ja arviointi
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2005
Sivut:85      Kieli:   eng
Koulu/Laitos/Osasto:Sähkö- ja tietoliikennetekniikan osasto
Oppiaine:Radiotekniikka   (S-26)
Valvoja:Vainikainen, Pertti
Ohjaaja:Richter, Andreas
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark S80     | Arkisto
Avainsanat:parameter estimation
Kalman filter
MIMO
radio channel modelling
parametrien estimointi
Kalman-suodin
MIMO
radiokanavamallinnus
Tiivistelmä (fin): Tulevaisuuden langattomat tietoliikennejärjestelmät edellyttävät uusia tapoja radionaaltojen etenemiseri mallinnukseen.
Uudet mallit perustuvat moniulotteisiin radiokanavamittauksiin, kun taas toisaalta tarvitaan uusia mittauksia tukemaan kehitettyjä kanavamalleja.
Radiokanavamallit perustuvat tiettyihin parametreihin, ja jotta näihin parametreihin päästään käsiksi täytyy ne onnistuneesti estimoida mittaustuloksista.
Parametrien estimointi tehdään kehittyneillä signaalinkäsittelyalgoritmeilla.
Näiden estimointialgoritmien päätehtävä on löytää parametriarvot, jotka sovittavat tietyn radiokanavamallin mahdollisimman hyvin radiokanavan mittaustulokseen.

Tämän työn keskeisimpänä tavoitteena on tutkia rekursiivista radiokanavan parametrien estimointia, eli parametrien estimointialgoritmia, joka mahdollistaa radiokanavassa esiintyvien "polkujen" seuraamisen ajan kuluessa.
Työn alkupuolella käsitellään nykyaikaista radiokanavan mallinnusta.
Painopiste on kaksisuuntaisella kanavamallilla, joka koostuu voimakkaista etenemispoluista sekä hajautuneesta radioaaltojen säteilytehosta (dense multipath components).
Tärkeä osa on myös mittausantenniryhmien mallinnus EADF-muunnoksen (efektiivinen apertuurijakaumafunktio) avulla.
Työssä esitellään lyhyesti myös tunnettuja estimointialgoritmeja, joista esimerkkinä tarkastellaan "iterative maximum likelihood" -algoritmia (iteratiivinen todennäköisyyden maksimointi).
Työn loppuosa käsittelee EKF-algoritmia (laajennettu Kalman-suodin), joka hyödyntää radiokanavan rekursiivista tila-avaruus -mallinnusta.

Simulointitulokset osoittavat EKF-algoritmin toimivan odotusten mukaisesti.
Estimointitulokset ovat luotettavia ja tarkkoja.
Vertailu "iterative maximum likelihood" -algoritmiin osoittaa EKF:n tuottavan keskimäärin pienemmän estimointivirheen.
Lisäominaisuuksien ansiosta se pystyy seuraamaan myös risteäviä polkuja, sekä polkuja, jotka ovat olleet rajallisen ajan häipyneinä tai vaimentuneina.
EKF-algoritmi itsessään on laskennallisesti melko kevyt ja nopea, mutta joutuu tukeutumaan alustuksessa sekä uusien polkujen etsinnässä raskaampaan "iterative maximum likelihood" -algoritmiin.
Mittausdatalla tehdyn esimerkin avulla osoitetaan tulevaisuuden kehityskohteita, joihin kuuluu EKFalgoritmin parannettu alustaminen, sekä mahdollisten skenaariokohtaisten asetusten määrittäminen.
ED:2005-08-18
INSSI tietueen numero: 29022
+ lisää koriin
INSSI