Dimas Indra Permana¹, Dharu Arseno², Koredianto Usman³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom

(1)

MOBILE COMMUNICATION MENGGUNAKAN ALGORITMA MINIMUM VARIANCE DISTORTIONLESS RESPONSE (MVDR)

Dimas Indra Permana¹, Dharu Arseno², Koredianto Usman³

¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom Abstrak

Dengan semakin berkembangannya teknologi pada sistem komunikasi bergerak, terutama pada generasi ketiga (3G), maka diperlukan suatu teknik yang lebih berkembang untuk dapat mendukung performansi dari sistem tersebut dalam hal penentuan posisi dan lokasi dari suatu users yang otomatis akan semakin bertambah banyak. Oleh karena itu, dikembangkan teknik estimasi arah sudut kedatangan yang dikembangkan dengan berbagai algoritma.

Dalam Tugas Akhir ini membahas tentang estimasi DOA (Direction of Arrival) dengan

menggunakan Algoritma MVDR (Minimum Variance Distortionless Vector). Analisis Tugas Akhir ini ditujukan pada pengaruh tingkat korelasi sinyal datang terhadap jumlah sudut output dan pengaruh jumlah elemen antena, jumlah sudut, SNR dan jumlah sample (gelombang) terhadap akurasi, resolusi, dan waktu kalkulasi.

Dari hasil simulasi diperoleh bahwa semakin besar selisih jumlah elemen antena dengan jumlah sudut, semakin tinggi SNR dan semakin banyak jumlah gelombang, maka akurasi Algoritma MVDR akan semakin tinggi. Untuk resolusi, semakin besar selisih jumlah elemen antena dengan jumlah sudut dan semakin tinggi SNR, maka resolusi awal dan resolusi minimum akan semakin tinggi. Waktu kalkulasi akan semakin lama untuk jumlah elemen antena dan jumlah sample yang semakin banyak, sedangkan jumlah sudut hanya berpengaruh sedikit.

Kata Kunci : sudut kedatangan, MVDR

Abstract

In progressively growing at wireless mobile communication, especially in third generation (3G). hence, It’s needed some developing technique to support their system in position and location users determination that more increasing. Because of that, there is development technique to estimate the direction of arrival from a users and it’s develop in many technique. Direction of arrival can be useful to locate the incoming signal and from the incoming signal we can know the users.

This final project investigates DOA (Direction of Arrival) estimation with MVDR (Minimum Variance Distortionless Vector) Algorithm. The Analysis of this final project is focused in the effect of correlation level of arrival signal to number of output angles and the effect of number of arrays, number of angles, SNR, and number of samples (waves) to accuracy, resolution, and calculation time.

From the simulation result, it has been earned that the increment of difference of number of arrays and number of angles, SNR, and number of waves, the accuracy of MVDR Algorithm will increase. For resolution, the increment of difference of number of array and number of angle and SNR, the pre-resolution and minimum resolution of MVDR Algorithm will increase. The

Calculation time will increase for the increment of number of arrays and number of samples, except for number of angles, it has only influenced a bit.

(2)

ANALISIS DAN SIMULASI ESTIMASI SUDUT KEDATANGAN PADA WIRELESS MOBILE COMMUNICATION MENGGUNAKAN ALGORITMA MINIMUM VARIANCE DISTORTIONLESS RESPONSE (MVDR)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Kebutuhan akan teknologi telekomunikasi saat ini sudah tidak dapat dihindari lagi. Perbaikan demi perbaikan terus dilakukan hingga didapatkan hasil yang sempurna, walaupun sebenarnya diakui bahwa kata puas tidak pernah berakhir untuk sebuah teknologi telekomunikasi. Salah satu contohnya adalah perkembangan dari sistem komunikasi bergerak generasi ketiga (3G) yang mempunyai kemampuan untuk mengetahui lokasi dan posisi dari suatu users.

Dengan semakin berkembangannya teknologi pada sistem komunikasi bergerak, terutama pada generasi ketiga (3G), maka diperlukan suatu teknik yang lebih berkembang untuk dapat mendukung performansi dari sistem tersebut dalam hal penentuan posisi dan lokasi dari suatu users yang otomatis akan semakin bertambah banyak. Oleh karena itu, dikembangkan teknik estimasi arah sudut kedatangan yang dikembangkan dengan berbagai algoritma.

Salah satu algoritma yang sedang dan atau telah dikembangkan adalah

MVDR Algorithm (Minimum Variance Distorsionless Response Algorithm).

Sebuah algoritma yang mampu memperkirakan arah sinyal kedatangan.

Derau (noise) tetap menjadi kendala dalam telekomunikasi. Berbagai cara telah dilakukan untuk mereduksinya. Reduksi ini tentu dilakukan untuk meningkatkan ketelitian perkiraan sudut datang tersebut. Algoritma Minimum

Variance Distorsionless Response (MVDR) dapat mereduksi hal tersebut dengan

tekniknya mengolah subspace.

Dalam Tugas Akhir ini akan digunakan Algoritma Minimum Variance

Distorsionless Response (MVDR) dalam memperkirakan arah sudut kedatangan

agar ketika terdeteksi dengan tepat maka proses dalam beamforming akan lebih mudah dalam menempatkan pola radiasinya. Namun, pada simulasi ini proses mengarahkan pola radiasi dari hasil sudut datang tidak termasuk dalam pembahasannya. Tugas Akhir ini akan menganalisa model sinyal datang secara

realistic dan membuat alat simulasi yang digunakan untuk mengetahui hasil dari

algoritma. Dengan tinjauan parameter-parameter yang berhubungan dengan sinyal

(3)

seperti jumlah sinyal datang dengan sudut yang berbeda-beda, jumlah elemen pada antena array dengan spasi yang berbeda-beda.

1.2 Perumusan Masalah

Tugas akhir ini membahas tentang estimasi sudut kedatangan dengan algoritma Minimum Variance Distorsionless Response (MVDR) pada wireless

mobile communication dengan objek yang telah diketahui. Proses analisis akan

dikhususkan pada :

a. Akurasi algoritma Minimum Variance Distorsionless Response (MVDR) dalam mengestimasi sudut datang dengan adanya pengaruh SNR yang berubah-ubah.

b. Penentuan Resolusi Minimum algoritma Minimum Variance

Distorsionless Response (MVDR).

c. Akurasi algoritma Minimum Variance Distorsionless Response (MVDR) terhadap jumlah sample yang digunakan.

d. Analisa waktu kalkulasi algoritma Minimum Variance Distorsionless

Response (MVDR).

e. Pengaruh jarak antar elemen antena array pada algoritma Minimum

Variance Distorsionless Response (MVDR).

1.3 Batasan Masalah

Dalam Tugas Akhir ini dilakukan beberapa pembatasan sebagai berikut : a. Menggunakan antena array linier sepanjang sumbu x side dengan 4, 8, 12

elemen dipole berdistribusi arus uniform dan kemampuan telusur 180o. b. Pola radiasi pada elemen dipole antena array tidak dibahas secara spesifik

dan diasumsikan tidak mempengaruhi sinyal datang.

c. Tidak membahas mengenai karakteristik kerja smart antena yang spesifik. d. Tidak membahas mengenai karakteristik kerja wireless mobile

communication yang spesifik.

e. Tidak membahas proses beamforming atau pola radiasi yang terjadi pada antena array setelah proses estimasi sudut datang.

(4)

ANALISIS DAN SIMULASI ESTIMASI SUDUT KEDATANGAN PADA WIRELESS MOBILE COMMUNICATION MENGGUNAKAN ALGORITMA MINIMUM VARIANCE DISTORTIONLESS RESPONSE (MVDR)

f. Tidak membahas pengaruh impedansi gandeng antena, proses matching dan pencatuan susunan antenna.

g. Seluruh sinyal inputan orthogonal sempurna dan diasumsikan tidak berkorelasi dengan noise.

h. Sinyal yang datang diasumsikan telah memiliki suatu sudut kedatangan terhadap antena array.

i. Pada saat analisis tingkat korelasi sinyal datang, akurasi dan resolusi, obyek dianggap diam. Pergerakan obyek hanya dibatasi saat perhitungan waktu kalkulasi dengan arak pergerakan obyek adalah tangensial terhadap antena array.

j. Simulasi menggunakan perangkat lunak MATLAB 7.01

1.4 Tujuan Penelitian

Tujuan dari penulisan Tugas Akhir ini adalah

a. Mensimulasikan dan menganalisa Algoritma Minimum Variance

Distorsionless Response (MVDR) dalam memperkirakan sudut datang.

b. Membuktikan algoritma Minimum Variance Distorsionless Response (MVDR) sebagai salah satu algoritma yang dapat mengestimasi arah kedatangan (DOA) beberapa sinyal (lebih dari satu sinyal).

c. Membuat simulasi yang dapat digunakan untuk studi pembelajaran Algoritma Minimum Variance Distorsionless Response (MVDR).

1.5 Metode Penelitian

Langkah-langkah yang dilakukan dalam penyelesaian Tugas Akhir ini adalah sebagai berikut:

a. Studi literatur, dengan mengkaji teori–teori dasar dan teori pendukung yang tersedia dalam sumber-sumber referensi.

b. Diskusi dengan pembimbing dan beberapa narasumber.

c. Analisa matematis mengenai struktur fungsi dari masing-masing algoritma.

d. Pembuatan simulator dengan menggunakan software MATLAB 7.

(5)

e. Studi eksperimental, dengan cara melakukan percobaan dengan menggunakan simulator untuk mendukung hipotesis dan membantu analisis.

f. Penyusunan Laporan akhir Tugas Akhir.

1.6 Sistematika Penulisan

Laporan Tugas Akhir akan dirancang dengan sistematika sebagai berikut : BAB I Pendahuluan

Bagian ini latar belakang, rumusan masalah, tujuan penulisan, batasan masalah, metodologi penulisan, dan sistematika penulisan.

BAB II Landasan Teori dan Tinjauan Pustaka

Pada bagian tidak jauh berbeda dengan Landasan Teori dari proposal, kecuali ada kesalahan konsep yang mendasar.

BAB III Sistem dan Simulasi

Berisi sistem dan simulasi Algoritma Mininum Variance

Distorsionless Response (MVDR).

BAB IV Analisa Hasil Penelitian Berisi analisa hasil simulasi. BAB V Penutup

(6)

ANALISIS DAN SIMULASI ESTIMASI SUDUT KEDATANGAN PADA WIRELESS MOBILE COMMUNICATION MENGGUNAKAN ALGORITMA MINIMUM VARIANCE DISTORTIONLESS VECTOR (MVDR)

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan hasil simulasi dan analisa yang telah dilakukan sebelumnya, maka dapat diambil kesimpulan sebagai berikut:

1. Pertambahan nilai SNR mempengaruhi akurasi estimasi DOA. Semakin besar nilai SNR maka akurasi DOA yang di estimasi akan semakin besar. Dari Percobaan 1, penentuan SNR dimana sisstem bisa dikatakan baik adalah relatif terhadap kondisi lingkungan yang ada.

2. Dengan pertambahan selisih M terhadap k atau M >> k, maka ∆φ_min akan semakin kecil (Percobaan 2). Hal ini diakibatkan karena perbandingan jumlah elemen antena dengan jumlah sinyal yang datang akan memberikan hasil estimasi yang lebih baik.

3. Pada Percobaan 3, semakin banyak jumlah sample sinyal (N) yang di ambil maka hasil estimasi DOA akan semakin baik, pada percobaan ini jumlah sample minimum sebaiknya 4500 sample (300 gelombang). Hanya saja pengaruh t_s terhadap t_total tidak begitu besar, karena itulah alasan semua percobaan (selain pada Percobaan 3) dilakukan dengan N = 7500.

4. Total waktu yang dibutuhkan pada Percobaan 3 sangat tergantung pada spesifikasi processor yang digunakan. Karena pada analisa yang telah dilakukan kita dapat melihat bahwa elapsed time (t_e) sangat mendominasi dimana elapsed time rata-rata yang dibutuhkan yaitu selama 0.199 detik dengan varian 7,75 10−4 (Lampiran B).

5. Spasi elemen antena yang optimal untuk digunakan (berdasarkan pada Percobaan 4) adalah sebesar 0.5λ dimana kurva yang dihasilkan akan jauh lebih baik dalam mengestimasi DOA.

6. Kesalahan estimasi (pada hasil percobaan) yang terjadi pada simulasi ini kemungkinan besar disebabkan oleh noise yang masuk kedalam sinyal inputan dimana terdapat delay propagasi serta noise lingkungan yang kurang dapat

(7)

dihilangkan secara baik dari algoritma MVDR. Kesalahan estimasi juga bisa terjadi oleh resolusi tracking untuk mencari nilai P_MVDR sepanjang -π/2 < φ <

π/2.

7. Algoritma MVDR dapat diterapkan pada lingkungan Wireless Mobile

Communication karena proses pencariannya yang cepat dan baik. Namun jika users yang ada semakin banyak maka dibutuhkan algoritma yang lebih baik lagi dalam mengolah noise yang terjadi. Misalkan menggunakan algoritma yang terdapat pemisahan sinyal dan noise subspacenya.

5.2. Saran

Berikut saran yang diajukan penulis untuk pengembangan berikutnya : 1. Pengembangan berikutnya diharapkan dapat dilakukan dengan proses

beamforming. Dimana setelah terestimasi DOA maka akan dilakukan pola radiasinya terhadap estimasi DOA.

2. Algoritma MVDR dapat diimplementasikan pada DSP Processor (TMS atau FPGA) untuk mendapatkan waktu dan hasil yang realtime.

3. Pengembangan berikutnya diharapkan menggunakan Algoritma-algoritma estimasi DOA yang lebih canggih, Dimana estimasi menggunakan proses pemisahan sinyal dan noise subspace.

4. Pengembangan lain dari algoritma MVDR sebaiknya dilakukan untuk kasus dimana frekuensi operasi sinyal datang berbeda satu sama lain.

(8)

DAFTAR PUSTAKA

[1]

Kraus John D., 2002, “Antennas”, 3

rd

Edition, Singapore, McGraw-Hill

International Editions.

[2]

Haykin Simon, 1931, “An Introduction to Analog and Digital Communication”,

Singapore, John Wiley & Sons.

[3]

Dimitris A. Pados, “An Iterative Algorithm for the Computation of the MVDR

Filter”, IEEE.

[4]

Al-Nuaimi M.A., 2003, “Direction of Arrival Estimation In Wireless Mobile

Communication Using Minimum Variance Distortionless Vector”.

[5]

Kusuma Firman W., 2006. “Analisis dan Simulasi Estimasi Sudut Kedatangan

Menggunakan Algoritma ESPRIT Untuk Aplikasi Rada”, Bandung, Tugas Akhir,

STT TELKOM.

[6]

Mufti Nachwan, ”Sistem Antena Te3253a”, Bandung, Diktat Kuliah, STT

TELKOM.

Powered by TCPDF (www.tcpdf.org)