UNIVERSIDAD NACIONAL

DEL CALLAO
FACULTAD DE INGENIERÍA ELÉCTRICA Y
ELECTRÓNICA

E. P. INGENIERÍA ELECTRÓNICA

IDENTIFICACIÓN DE SISTEMAS MULTIVARIABLES CON

MATLAB

PROFESOR:

BENITES SARAVIA NICANOR RAÚL

GRUPO HORARIO:

01L

ALUMNOS:

ALCALÁ YUPANQUI CÉSAR JESÚS 1523220485

BLANCO ZAMBRANO KEVIN JOEL 1523220226

CHUQUI ADRIANZEN CESAR 1523230946

GONZALES BELLIDO WESLEY DANIEL 1527220245

JIMENEZ NEYRA CARLOS 1613225193

2021-A
 RESUMEN

Los sistemas de múltiples entradas y múltiples salidas (MIMO) aprovechan de la

propagación multicamino para disminuir la tasa de error e incrementar la tasa de
transmisión. El estándar IEEE 802.11n utilizará este tipo de tecnología para obtener
velocidades de hasta 600 Mbps y también ya está probado que la tecnología celular 4G
podrá lograr tasas de transferencia de hasta 100 Mbps a una distancia de 200m.

MIMO tiene tres principales categorías entre ellas están: Beamforming, Spatial
Multiplexing y Diversidad de código.

En este proyecto hablaremos de la tecnología Beamforming, la cual permite una máxima

radiación de la señal deseada hacia el usuario y en la dirección de los usuarios
interferentes la señal se reduce. Esta técnica utiliza dos tipos de ecualizador para poder
hallar la matriz de pesos, entre estos consta: Zero Forcing y el Minimum Mean Square
Error.

Palabras Clave: Zero Forcing, MIMO, Minimum Mean Square Error, Beamforming.

ABSTRACT

Systems multiple input multiple output (MIMO) take advantage of multipath propagation
to reduce the error rate and increase the transmission rate. The IEEE 802.11n standard
this kind of technology used for data rates up to 600 Mbps and is already proven that 4G
cellular technology can achieve transfer rates up to 100Mbps at
a distance of 200 m. MIMO has three major categories among them are:
Beamforming, Spatial Multiplexing and Diversity Code.

In this project, we will discuss Beamforming technology, which allows a maximum

radiation of the desired signal to the user and in the direction of users interfering signal is
reduced. This technique uses two types of EQ to find the matrix of weights between these
includes Zero Forcing and Minimum Mean Square Error.

Keywords: Zero Forcing, MIMO, Minimum Mean Square Error, Beamforming.

3. DESARROLLO DEL TRABAJO

3.A.- INTRODUCCIÓN

La interferencia co-canal ocurre cuando una misma frecuencia de portadora de dos

transmisores separados físicamente (por ejemplo, dos estaciones de base) llegan a un
mismo receptor al mismo tiempo. Este problema no solo ocasiona una limitación en la
capacidad del sistema (en número de usuarios por unidad de superficie), sino también
ocasiona una degradación en el BER hasta llegar a niveles desfavorables.

Actualmente en muchos sistemas de multiacceso fijo y algunos de telefonía móvil, las

estaciones de base se diseñan para una cobertura RF mediante despliegues tipo celular
con antenas sectorizadas que usan diferentes frecuencias que efectivamente multiplican
el número de canales disponibles. Al aumentar la necesidad de mayor capacidad, se
debe reducir el área de cobertura generándose una mayor repetición de las portadoras
de cada celda con lo que aumenta la probabilidad de interferencias tipo cocanal.

El propósito de los métodos de reducción de este tipo de interferencias cocanales apunta

a mejorar el BER, el C/I (relación portadora a interferencia) y la capacidad de la red.

MIMO es una técnica que utiliza la diversidad de las señales multitrayectoria (multipath)
para incrementar la habilidad de un receptor de recobrar los mensajes de la señal
modulada, aumentar la tasa de transmisión y reducir la tasa de error.

En breves palabras, MIMO aumenta la eficiencia espectral de un sistema de

comunicación inalámbrica por medio de la utilización del dominio espacial. Las
interferencias co canales si afectan la capacidad de un sistema MIMO, debido a su
naturaleza de múltiples transmisores y receptores como lo expresan los autores en,
provocando una disminución significativa en esta.

3.B.- MODELAMIENTO DEL CANAL

El sistema a utilizar será un sistema MIMO 2x2 donde la interferencia co-canal proviene
de otros usuarios cercanos, en el cual se consideran las siguientes asunciones:

El transmisor conoce la información de estado del canal (CSI).

El modelo de canal es el flat fading Raleigh: donde los componentes de hi, j de la matriz
H son independientes e idénticamente distribuidos. Como el canal es flat fading, el
multipath se reduce a un solo tap.

Al ser el canal tipo plano (flat) estamos diciendo que todas las bandas de frecuencia
sufren de la misma magnitud de desvanecimiento (fading), el cual representa cambios
rápidos de la señal sobre pequeñas distancias o intervalos temporales.

No se toman en cuenta los desplazamientos Doppler debido a que se asume que el

sistema inalámbrico es fijo por lo que no existe movimiento relativo entre el transmisor y
el receptor.
La señal que recibe la antena 1 es:

y 1=h 1,1 x 1 +h1,2 x2 +n 1

y 1=[ h 1,1 h 1,2 ] X 1 +n1

[ ] X2

La señal que recibe la antena 2 es:

y 2=h 2,1 x 1 +h2,2 x 2+ n2

y 2=[ h 2,1 h 2,2 ] X 1 +n2

[ ] X2

La señal enviada vendría dada por:

y1 h h X n
[ ][
y2 ][ ] [ ]
= 1,1 1,2 1 + 1
h2,1 h2,2 X 2 n2

Se puede representar matricialmente la señal que llega al receptor como:

y=Hx+n

Donde la matriz H representa los distintos caminos de propagación que son creados por
la cantidad de antenas existentes tanto en el ruido transmisor como en el receptor, n es
ruido blanco Gaussiano con covarianza σ2I y x es el vector de transmisión.

Beanforming es una técnica que en el transmisor, la salida de cada dipolo del arreglo se
pondera por un factor de pesos, cuyo valor es asignado mediante algún algoritmo
escogido, permite una máxima radiación de la señal deseada hacia el usuario (lóbulo
principal) y en las direcciones de los suscriptores interferentes el nivel de potencia
transmitida se reduce.

La señal que será transmitida viene dada por la siguiente expresión [1]:
N −1
r = ∑ W n . x n=¿ x .W H ¿
n=0

Donde W H es la transpuesta conjugada compleja (Hermitian) del vector de

ponderaciones w y x representa el vector de la señal deseada (de longitud N).
La señal recibida es una suma de las señales de varios usuarios [1], donde se designa a
la señal “deseada” como:

x=∝ .h 0+ n

M
n=∑ ∝m .h m+ noise
m=1

En donde ∝ es un término relacionado con cancelación de la interferencia y el ruido.

La señal de salida del transmisor viene dada por la siguiente ecuación:

N−1
y= ∑ W n . x n=¿ x . W H …(5)¿
n=0

y=W H . ( α . h0 +n ) … (6)

[ (∑
y=W H α . h 0+
m=1
)]
∝m . hm +noise …(7)

M
y=α .W H . h0 +W H . ∑ ∝m .h m +W H . noise … (8)
m=1

M
y=α .W 0 .h 0+ ∑ ∝m . W m . hm +noise …(9)
m=1

Mediante el desarrollo de las ecuaciones presentadas anteriormente podemos observar

claramente que la señal (y) está compuesta por α . W H . h 0 siendo estos los valores de la
M
señal deseada, mientras que ∑ ∝m . hm son las señales interferentes no deseadas.
m=1
Finalmente sabemos que los pesos pueden variar dependiendo de los datos recibidos.

Para calcular los pesos (W H ) del beamforming utilizaremos el algoritmo MMSE (Minimum
mean square error), la cual considera la reducción de la potencia media de la señal de
error, que es la diferencia entre una señal de referencia conocida en la estación base
receptora, y la señal de salida [1].

La señal error viene dada por la siguiente ecuación, en donde y(t) es la señal de salida
del transmisor y d(t) es la señal de referencia en la estación base receptora:

e (t )= y ( t )−d ( t ) … ( 10 )

e (t )=w H . x ( t )−d ( t ) … ( 11 )

Luego para poder encontrar los pesos de la matriz w debemos hallar el mínimo de la
señal de error e(t).
Reemplazamos r xd =E { xd ¿ } y R=E {xx H } y obtenemos la siguiente ecuación, la cual es
conocida como valor del error esperado (expected error value):

Para obtener el w MMSE se debe de derivar la ecuación (15) con respecto a w H e igualar a
cero para así hallar el valor mínimo de la ecuación presentada anteriormente.

Zero forcing beamforming es una técnica muy eficaz para suprimir las interferencias co-
canales, ocasionadas por la gran cantidad de usuarios, y el ISI (interferencia entre
símbolo) siempre y cuando el canal de bajada (downlink) sea perfectamente conocido y
el ángulo de separación sea lo suficientemente grande con el fin de cancelar todas las
interferencias existentes y disminuir la cantidad de potencia requerida en la antena [8];
de lo contrario el rendimiento del sistema se puede degradar considerablemente.

Mediante el uso de esta técnica se puede elegir los vectores de pesos para evitar las
interferencias entre los usuarios [5], pesos que pueden ser encontrados al invertir la
matriz del canal compuesto de los usuarios.

El rendimiento del Zero forcing beamforming se degrada cuando la información del canal
del transmisor (CSI) es inexacta [6].

Para eliminar la interferencia co canal, se debe cumplir la siguiente condición: h k . w j=0

para j ≠ k [6]. Donde H=[hT1 hT2 ] y W =[w 1 … w k ] respectivamente. El óptimo W está
diseñado para obtener la máxima relación de señal a ruido (SNR).

Mediante el uso de esta técnica (ZFBF) obtenemos que la matriz w n, la cual satisface la
condición de cero interferencias; puede ser implementada como en [7].
4.- CONCLUSIONES

En este trabajo se han analizado, analíticamente dos soluciones descritas en las

secciones anteriores, comprobamos que el ecualizador MMSE es mejor que el Zero
Forcing Beamforming; aunque el ZF tiene un buen rendimiento en el sistema debido a la
eliminación de las interferencias; ya que a medida que el ruido disminuye, el BER va
mejorando, pero se necesita elevar potencia.

5. - BIBLIOGRAFÍA

[1] Jraifi Abdelouahed and El Hassan Saidi, “Optimization of MIMO Systems in a

Correlated Channel”.

[2] YANG Liang, QIN Jiayin, “Cochannel Interference and Its Effect on the Capacity of
Multi-Antenna Systems in Ricean-Fading Channels”.

[3] Cangahuamín Jácome César Jermánico, Ing. Darío Duque [Link] , Ing. Gonzalo
Olmedo [Link]; “ESTUDIO, ANÁLISIS Y SIMULACIÓN DEL BEAMFORMING EN
ANTENAS INTELIGENTES PARA UN ENTORNO DE TELEFONÍA CELULAR
CDMA”

[4] Taesang Yoo and Andrea Goldsmith” Optimality of Zero-Forcing Beamforming with
Multiuser Diversity”.

[5] Young-il Shin, Tae-Sung Kang, Hyung- Myung Kim; “AN EFFICIENT RESOURCE
ALLOCATION FOR MULTIUSER MIMO-OFDM.

[6] TUAN NGUYEN; “NULL DEPTH TRADE OFF FOR OUTPUT POWER REDUCTION
IN A DOWNLINK ADAPTIVE ANTENNA ARRAY”.