Escolar Documentos
Profissional Documentos
Cultura Documentos
onde u(t) é o envelope complexo de s(t) com largura de banda Bu e fc é sua frequência
portadora. O sinal recebido correspondente é a soma do caminho da linha de visão (LOS) e
todos os componentes multipercurso resolvíveis:
onde n = 0 corresponde ao caminho LOS. As incógnitas nesta expressão são o número de
componentes de multipercurso resolvíveis N(t), discutidos em mais detalhes abaixo, e para o
caminho LOS e cada componente de multipercurso, seu comprimento de caminho r n(t) e o
atraso correspondente τn(t) = rn( t)/c, deslocamento de fase Doppler φDn(t) e amplitude αn(t).
Como αn(t) é uma função da perda de caminho e do sombreamento, enquanto φn(t) depende do
atraso e do Doppler, normalmente assumimos que esses dois processos aleatórios são
independentes. O sinal recebido r(t) é obtido pela convolução do sinal de entrada da banda base
u(t) com a resposta de impulso de canal passa-baixa equivalente c(τ, t) do canal e depois
convertendo-a para a frequência portadora :
Observe que c(τ, t) tem dois parâmetros de tempo: o tempo t quando a resposta ao impulso é
observada no receptor, e o tempo t − τ quando o impulso é lançado no canal em relação ao
tempo de observação t. Se no tempo t não houver nenhum refletor físico no
canal com atraso de multipercurso τn(t) = τ então c(τ, t) = 0. Embora a definição da resposta ao
impulso do canal variável no tempo possa parecer contra-intuitiva à primeira vista, c( τ, t) deve
ser definido desta forma para ser consistente com o caso especial de canais invariantes no
tempo. Especificamente, para canais invariantes no tempo, temos c(τ, t) = c(τ, t + T), ou seja, a
resposta no tempo t a um impulso no tempo t - τ é igual à resposta no tempo t + T a um impulso
no tempo t + T − τ . Definindo T = −t, obtemos que c(τ, t) = c(τ, t − t) = c(τ ), onde c(τ ) é a
resposta ao impulso do canal invariante no tempo padrão: a resposta no tempo τ a um impulso
em zero ou, equivalentemente, a resposta no tempo zero a um impulso no tempo −τ. Vemos em
(3.4) e (3.5) que c(τ, t) deve ser dado por
Para dar um exemplo concreto de resposta ao impulso variável no tempo, considere o sistema
mostrado na Figura 3.2, onde cada componente de multipercurso corresponde a um único
refletor. No tempo t1 existem três componentes de multipercurso associados ao sinal recebido
com amplitude, fase e atraso triplo (αi,φi, τi), i = 1, 2, 3. Assim, os impulsos que foram lançados
no canal no tempo t1− τi, i = 1, 2, 3 serão todos recebidos no tempo t1, e os impulsos lançados
no canal em qualquer outro momento não serão recebidos em t1 (porque não há componente de
multipercurso com o atraso correspondente). A resposta ao impulso variável no tempo
correspondente a t1 é igual
e a resposta ao impulso do canal para t = t1 é mostrada na Figura 3.3. A Figura 3.2 também
mostra o sistema no tempo t2, onde existem dois componentes de multipercurso associados ao
sinal recebido com amplitude, fase e atraso triplo (α′i ,φ′i, τ′ i ), i = 1, 2. Assim , os impulsos que
foram lançados no canal no tempo t2 − τ ′ i, i = 1, 2 serão todos recebidos no tempo t2, e os
impulsos lançados no canal em qualquer outro momento não serão recebidos em t2. A resposta
ao impulso variável no tempo em t2 é igual
e também é mostrado na Figura 3.3. Se o canal for invariante no tempo, então os parâmetros
variantes no tempo em c(τ, t) tornam-se constantes, e c(τ, t) = c(τ ) é apenas uma função de τ :
para canais com componentes de multipercurso discretos, e para
canais com um continuum de componentes de multipercurso. Para canais estacionários a
resposta a um impulso no tempo t1 é apenas uma versão deslocada da sua resposta a um
impulso no tempo
Observe que para frequências portadoras típicas, o enésimo componente de multipercurso terá
fcτn(t) >> 1. Por exemplo, com fc = 1 GHz e τn = 50 ns (um valor típico para um sistema
interno), fcτn = 50 >> 1 . Externo sem fio os sistemas têm atrasos de multipercurso muito
maiores que 50 ns, portanto, essa propriedade também é válida para esses sistemas. Se fcτn(t)
>> 1 então uma pequena mudança no atraso do caminho τn(t) pode levar a uma mudança de
fase muito grande no enésimo componente de multipercurso com fase φn(t) = 2πfcτn(t) − φDn −
φ0. Mudanças rápidas de fase em cada componente de multipercurso dão origem à adição
construtiva e destrutiva dos componentes de multipercurso compreendendo o sinal recebido, o
que por sua vez provoca rápida variação na intensidade do sinal recebido. Este fenômeno,
denominado desvanecimento, será discutido com mais detalhes nas seções subsequentes.
O impacto do multipercurso no sinal recebido depende se a dispersão dos atrasos de tempo
associados ao LOS e aos diferentes componentes do multipercurso é grande ou pequena em
relação ao inverso da largura de banda do sinal. Se esta propagação de atraso de canal for
pequena, então o LOS e todos os componentes de multipercurso normalmente não podem ser
resolvidos, levando ao modelo de desvanecimento de banda estreita descrito na próxima seção.
Se o spread de atraso for grande, então o LOS e todos os componentes de multipercurso são
normalmente resolvidos em algum número de componentes discretos, levando ao modelo de
desvanecimento de banda larga da Seção 3.3. Observe que alguns dos componentes discretos no
modelo de banda larga são compostos por componentes não resolvíveis. A propagação do atraso
é normalmente medida em relação ao componente do sinal recebido com o qual o demodulador
está sincronizado. Assim, para o modelo de canal invariante no tempo de (3.10), se o
demodulador sincronizar com a componente do sinal LOS, que possui o menor atraso τ0, então
o spread de atraso é uma constante dada por Tm = maxn τn − τ0. Entretanto, se o demodulador
sincronizar com um componente multipercurso com atraso igual ao atraso médio então o
spread de atraso é dado por Tm = maxn |τn − τ |. Em canais variantes no tempo, os atrasos de
multipercurso variam com o tempo, de modo que o spread de atraso Tm se torna uma variável
aleatória. Além disso, alguns componentes de multipercurso recebidos têm potência
significativamente menor que outros, portanto não está claro como o atraso associado a tais
componentes deve ser usado na caracterização da propagação do atraso. Em particular, se a
potência de um componente de multipercurso estiver abaixo do nível de ruído, então não deverá
contribuir significativamente para a propagação do atraso. Estas questões são normalmente
tratadas caracterizando o spread de atraso em relação ao perfil de atraso de potência do canal,
definido na Seção 3.3.1. Especificamente, duas caracterizações comuns de propagação de atraso
de canal, propagação de atraso médio e propagação de atraso rms, são determinadas a partir do
perfil de atraso de potência. Outras caracterizações do spread de atraso, como o spread de atraso
excessivo, a janela de atraso e o intervalo de atraso, às vezes também são usadas [6, Capítulo
5.4.1], [28, Capítulo 6.7.1]. A caracterização exata do spread de atraso não é tão importante para
a compreensão do impacto geral do spread de atraso em canais multipercurso, desde que a
caracterização meça aproximadamente o atraso associado a componentes significativos de
multipercurso. Em nosso desenvolvimento abaixo, qualquer caracterização razoável do spread
de atraso Tm pode ser usada, embora normalmente usaremos o spread de atraso rms. Esta é a
caracterização mais comum, pois, assumindo que o demodulador sincroniza com um
componente de sinal no spread de atraso médio, o spread de atraso rms é uma boa medida da
variação em torno desta média. A propagação do atraso do canal é altamente dependente do
ambiente de propagação. Em canais internos, a propagação do atraso normalmente varia de 10 a
1.000 nanossegundos, nos subúrbios varia de 200 a 2.000 nanossegundos e em áreas urbanas
varia de 1 a 30 microssegundos [6].
3.2 Modelos de desvanecimento de banda estreita
Suponha que o spread de atraso Tm de um canal seja pequeno em relação ao inverso da largura
de banda B do sinal transmitido, ou seja, Tm << B-1. Como discutido acima, o spread de atraso
Tm para canais variáveis no tempo é normalmente caracterizado pelo spread de atraso rms, mas
também pode ser caracterizado de outras maneiras. Na maioria das caracterizações de spread de
atraso Tm << B-1 implica que o atraso associado ao i-ésimo componente de multipercurso τi ≤
Tm∀i, então u(t−τi) ≈ u(t)∀i e podemos reescrever (3.4) como
A Equação (3.11) difere do sinal transmitido original pelo complexo fator de escala entre
parênteses. Este fator de escala é independente do sinal transmitido s(t) ou, equivalentemente,
do sinal de banda base u(t), desde que a suposição de banda estreita Tm << 1/B seja satisfeita.
Para caracterizar o fator de escala aleatório causado pelo multipercurso escolhemos s(t) como
uma portadora não modulada com deslocamento de fase aleatório φ0:
que é banda estreita para qualquer Tm. Com esta suposição, o sinal recebido torna-se
agora incorpora o deslocamento de fase φ0, bem como os efeitos de atraso e Doppler. Se N(t)
for grande podemos invocar o Teorema do Limite Central e o fato de que αn(t) e φn(t) são
estacionários e ergódicos para aproximar rI (t) e rQ(t) como processos aleatórios gaussianos
conjuntos. A propriedade gaussiana também é verdadeira para N pequeno se os αn(t) forem
distribuídos Rayleigh e os φn(t) forem uniformemente distribuídos em [−π, π]. Isso acontece
quando o enésimo componente de multicaminho resulta de um cluster de reflexão com um
grande número de componentes de multicaminho não resolvíveis [1].
3.2.1 Autocorrelação, Correlação Cruzada e Densidade Espectral de Potência
Derivamos agora a autocorrelação e a correlação cruzada dos componentes do sinal recebido em
fase e em quadratura rI (t) e rQ (t). Nossas derivações são baseadas em algumas suposições
importantes que geralmente se aplicam a modelos de propagação sem um componente LOS
dominante. Assim, essas fórmulas normalmente não são válidas quando existe um componente
dominante do LOS. Assumimos ao longo desta seção que a amplitude αn(t), o atraso do
multipercurso τn(t) e a frequência Doppler fDn(t) estão mudando lentamente o suficiente para
serem constantes ao longo dos intervalos de tempo de interesse: αn(t) ≈ αn, τn (t) ≈ τn, e fDn(t)
≈ fDn. Isto será verdade quando cada um dos componentes multipercurso resolvíveis estiver
associado a um único refletor. Com esta suposição, a mudança de fase Doppler é 3 φDn(t) = t
2πfDndt = 2πfDnt, e a fase do enésimo componente multipercurso torna-se φn(t) = 2πfcτn −
2πfDnt − φ0.
(3)
Assumimos um deslocamento de fase Doppler em t = 0 de zero para simplificar, uma vez que
este deslocamento de fase não afetará a análise.
Fazemos agora uma suposição chave: assumimos que para o enésimo componente de
multipercurso o termo 2πfcτn em φn(t) muda rapidamente em relação a todos os outros termos
de fase nesta expressão. Esta é uma suposição razoável, uma vez que fc é grande e, portanto, o
termo 2πfcτn pode passar por uma rotação de 360 graus para uma pequena mudança no atraso
de multipercurso τn. Sob esta suposição, φn(t) é uniformemente distribuído em [−π, π]. Por isso
Assim, rI(t) e rQ(t) não são correlacionados e, por serem processos conjuntamente gaussianos,
isso significa que são independentes. Seguindo uma derivação semelhante a (3.18), obtemos a
autocorrelação de rI (t) como
teremos
Como 2πfcτn muda rapidamente em relação a todos os outros termos da fase e é uniformemente
distribuído, o segundo termo esperado em (3.20) vai para zero e, portanto,
já que fDn = v cos θn/λ é assumido como fixo. Observe que ArI (t, τ ) depende apenas de τ , ArI
(t, τ) = ArI (τ ) e, portanto, rI (t) é um processo aleatório estacionário de sentido amplo (WSS).
Usando uma derivação semelhante podemos mostrar que a componente de quadratura também é
WSS com autocorrelação ArQ(τ) = ArI (τ ). Além disso, a correlação cruzada entre as
componentes em fase e em quadratura depende apenas da diferença de tempo τ e é dada por
Para simplificar ainda mais (3.21) e (3.22), devemos fazer suposições adicionais sobre o
ambiente de propagação. Vamos nos concentrar no ambiente de espalhamento uniforme
introduzido por Clarke [4] e desenvolvido por Jakes [Capítulo 1][5]. Neste modelo, o canal
consiste em muitos dispersores densamente compactados em relação ao ângulo, como mostrado
na Figura 3.4. Assim, assumimos N componentes multipercurso com ângulo de chegada θn =
nΔθ, onde Δθ = 2π/N. Também assumimos que cada componente de multipercurso tem a mesma
potência recebida, então E[α2n ] = 2Pr/N, onde Pr é a potência total recebida. Então (3.21)
torna-se
Tomamos agora o limite à medida que o número de dispersores cresce até o infinito, o que
corresponde à dispersão uniforme em todas as direções. Então N →∞, Δθ → 0, e a soma em
(3.25) torna-se uma integral:
Onde
é uma função de Bessel de ordem 0(4).
(4)
Observe que (3.26) também pode ser derivado assumindo que 2πvτ cos θn/λ em (3.21) e (3.22)
é aleatório com θn uniformemente distribuído, e então tomando a expectativa em relação a θn.
No entanto, com base no modelo físico subjacente, θn só pode ser distribuído uniformemente
em um ambiente de espalhamento denso. Portanto, as derivações são equivalentes.
Da mesma forma, para este ambiente de dispersão uniforme,
Existem várias observações interessantes neste gráfico. Primeiro vemos que a autocorrelação é
zero para fDτ ≈ 0,4 ou, equivalentemente, para vτ ≈ 0,4λ. Assim, o sinal descorrelaciona-se ao
longo de uma distância de aproximadamente meio comprimento de onda, sob a suposição de θn
uniforme. Essa aproximação é comumente usada como regra prática para determinar muitos
parâmetros de interesse do sistema. Por exemplo, veremos no Capítulo 7 que a obtenção de
caminhos de desvanecimento independentes pode ser explorada pela diversidade de antenas
para remover alguns dos efeitos negativos do desvanecimento. O espaçamento entre antenas
deve ser tal que cada antena receba um caminho de desvanecimento independente e, portanto,
com base em nossa análise aqui, um espaçamento entre antenas de 0,4λ deve ser usado. Outra
característica interessante deste gráfico é que o sinal se correlaciona depois de se tornar não
correlacionado. Assim, não podemos assumir que o sinal permaneça independente do seu valor
inicial em d = 0 para distâncias de separação superiores a 0,4λ. Como resultado, um modelo de
Markov não é completamente preciso para o desvanecimento de Rayleigh, devido a esta
propriedade de correlação. No entanto, em muitas análises de sistema, uma correlação abaixo de
0,5 não degrada significativamente o desempenho em relação ao desvanecimento não
correlacionado [8, Capítulo 9.6.5]. Para tais estudos, o processo de desvanecimento pode ser
modelado como Markov, assumindo que uma vez que a correlação é próxima de zero, ou seja, a
distância de separação é maior que meio comprimento de onda, o sinal permanece
descorrelacionado em todas as distâncias maiores.
As densidades espectrais de potência (PSDs) de rI (t) e rQ(t), denotadas por SrI (f) e SrQ(f),
respectivamente, são obtidas tomando a transformada de Fourier de suas respectivas funções de
autocorrelação em relação ao parâmetro de atraso τ . Como essas funções de autocorrelação são
iguais, os PSDs também o são. Por isso
Para obter o PSD do sinal recebido r(t) sob espalhamento uniforme usamos (3.23) com
ArI ,rQ(τ) = 0, (3.28), e propriedades simples da transformada de Fourier para obter
Note-se que este PSD integra ao Pr a potência total recebida. Como o PSD modela a densidade
de potência associada aos componentes do multipercurso em função da sua frequência Doppler,
ela pode ser vista como a distribuição (pdf) da frequência aleatória devido ao Doppler associado
ao multipercurso. Vemos na Figura 3.6 que o PSD Sri(f) vai ao infinito em f = ±fD e,
consequentemente, o PSD Sr(f) vai ao infinito em f = ±fc ±fD. Isto não será verdade na prática,
uma vez que o modelo de espalhamento uniforme é apenas uma aproximação, mas para
ambientes com dispersores densos o PSD geralmente será maximizado em frequências próximas
da frequência Doppler máxima. A intuição para este comportamento vem da natureza da função
cosseno e do fato de que sob nossas suposições o PSD corresponde ao pdf da frequência
Doppler aleatória fD(θ). Para ver isso, observe que a suposição de espalhamento uniforme é
baseada em muitos caminhos dispersos que chegam uniformemente de todos os ângulos com a
mesma potência média. Assim, θ para um caminho selecionado aleatoriamente pode ser
considerado como uma variável aleatória uniforme em [0, 2π]. A distribuição pfθ (f) da
frequência Doppler aleatória f(θ) pode então ser obtida a partir da distribuição de θ. Por
definição, pfθ (f) é proporcional à densidade dos dispersores na frequência Doppler f. Portanto,
SrI (f) também é proporcional a esta densidade, e podemos caracterizar o PSD a partir da pdf
pfθ (f). Para esta caracterização, na Figura 3.7 plotamos fD(θ) = fD cos(θ) = v/λ cos(θ) junto
com uma aproximação de segmento de linha reta pontilhada f D (θ) para fD(θ).
À direita nesta figura plotamos o PSD Sri(f) junto com um ponto aproximação de segmento de
linha reta para ele Sri(f), que corresponde à aproximação Doppler f D (θ). Vemos que cos(θ) ≈
±1 para uma faixa relativamente grande de valores de θ. Assim, componentes de multipercurso
com ângulos de chegada nesta faixa de valores têm frequência Doppler fD(θ) ≈ ±fD, então a
potência associada a todos esses componentes de multipercurso será somada no PSD em f ≈ fD.
Isto é mostrado em nossa aproximação pelo fato de que os segmentos onde f D (θ) = ±fD à
esquerda levam a funções delta em ±fD na aproximação pdf Sri(f) à direita. Os segmentos onde
f D (θ) tem inclinação uniforme à esquerda levam à parte plana de Sri (f) à direita, uma vez que
existe um componente de multipercurso contribuindo com potência em cada incremento
angular. Fórmulas para autocorrelação e PSD em espalhamento não uniforme, correspondendo a
microcélulas mais típicas e ambientes internos, podem ser encontradas em [5, Capítulo 1], [11,
Capítulo 2]. O PSD é útil na construção de simulações para o processo de desvanecimento. Um
método comum para simular o envelope de um processo de desvanecimento de banda estreita é
passar duas fontes de ruído gaussiano branco independentes com PSD N0/2 através de filtros
passa-baixo com resposta de frequência H(f) que satisfaça
As saídas do filtro correspondem então aos componentes em fase e quadratura do processo de
desvanecimento de banda estreita com PSDs SrI (f) e SrQ (f). Um procedimento semelhante
usando filtros discretos pode ser usado para gerar processos de desvanecimento discretos. A
maioria dos pacotes de simulação de comunicação (por exemplo, Matlab, COSSAP) possui
módulos padrão que simulam o desvanecimento de banda estreita com base neste método. Mais
detalhes sobre este método de simulação, bem como métodos alternativos, podem ser
encontrados em [11, 6, 7]. Concluímos agora nosso modelo para as três características de
potência versus distância exibidas em canais sem fio de banda estreita. Essas características são
ilustradas na Figura 3.8, adicionando desvanecimento de banda estreita aos modelos de perda de
caminho e sombreamento desenvolvidos no Capítulo 2.
Nesta figura vemos a diminuição na potência do sinal devido à perda de caminho diminuindo à
medida que dγ com γ o expoente de perda de caminho, mais rápido variações devidas ao
sombreamento que mudam na ordem da distância de descorrelação Xc, e as variações muito
rápidas devido ao desvanecimento de múltiplos caminhos que mudam na ordem de metade do
comprimento de onda do sinal. Se ampliarmos um pequeno segmento desta figura em distâncias
onde a perda de caminho e o sombreamento são constantes, obtemos a Figura 3.9, onde
mostramos a flutuação em dB na potência recebida versus a distância linear d = vt (não a
distância logarítmica).
Nesta figura a potência média recebida Pr é normalizada para 0 dBm. Um receptor móvel
viajando a uma velocidade fixa v experimentaria as variações de potência recebida ao longo do
tempo ilustradas nesta figura.
3.2.2 Envelope e Distribuições de Potência
Para quaisquer duas variáveis aleatórias gaussianas X e Y , ambas com média zero e variância
igual σ2, pode ser mostrado que tem distribuição Rayleigh e Z2 tem distribuição
exponencial. Vimos acima que para φn(t) distribuído uniformemente, rI e rQ são ambas
variáveis aleatórias gaussianas de média zero. Se assumirmos uma variância de σ2 para
componentes em fase e em quadratura, então o envelope do sinal
Se o canal tiver um componente LOS fixo, então rI (t) e rQ(t) não têm média zero. Neste caso o
sinal recebido é igual à superposição de uma componente gaussiana complexa e uma
componente LOS. O envelope do sinal, neste caso, pode ser mostrado como tendo uma
distribuição Rician [9], dada por
A distribuição Rician é frequentemente descrita em termos de um parâmetro de desvanecimento
K, definido por
Assim, K é a razão entre a potência no componente LOS e a potência nos outros componentes
multipercurso (não LOS). Para K = 0 temos desvanecimento de Rayleigh, e para K = ∞ não
temos desvanecimento, ou seja, um canal sem multipercurso e apenas um componente LOS. O
parâmetro de desvanecimento K é, portanto, uma medida da gravidade do desvanecimento: um
K pequeno implica um desvanecimento severo, um K grande implica um desvanecimento mais
suave. Fazendo a substituição s2 = KP/(K + 1) e 2σ2 = P/(K +1) podemos escrever a distribuição
Rician em termos de K e Pr como
Ambas as distribuições Rayleigh e Rician podem ser obtidas usando matemática para capturar
as propriedades físicas subjacentes dos modelos de canal [1, 9]. Contudo, alguns dados
experimentais não se enquadram bem em nenhuma destas distribuições. Assim, foi desenvolvida
uma distribuição de desvanecimento mais geral cujos parâmetros podem ser ajustados para se
ajustarem a uma variedade de medições empíricas. Esta distribuição é chamada de distribuição
de desvanecimento de Nakagami e é dada por
Observe que este é um resultado geral que se aplica a qualquer processo aleatório. A pdf
conjunta de z e para o desvanecimento Rician foi derivada em [9] e também pode ser
encontrada em [11]. A taxa de passagem de nível para o desvanecimento Rician é então obtida
usando esta fdp em (3.42), e é dada por
Definimos a duração média do desvanecimento do sinal como o tempo médio que o envelope do
sinal permanece abaixo de um determinado nível alvo Z. Este nível alvo é frequentemente
obtido a partir da amplitude do sinal ou nível de potência necessário para uma determinada
métrica de desempenho, como taxa de erro de bit. Seja ti a duração do i-ésimo desvanecimento
abaixo do nível Z durante um intervalo de tempo [0,T], conforme ilustrado na Figura 3.10.
Assim, ti é igual ao período de tempo que o envelope do sinal permanece abaixo de Z em seu i-
ésimo cruzamento. Como z(t) é estacionário e ergódico, para T suficientemente grande temos
com Observe que (3.47) é a duração média do fade para o nível do envelope do
sinal (amplitude), com Z a amplitude alvo e o nível médio do envelope. Por uma
mudança de variáveis, é facilmente mostrado que (3.47) também produz a duração média do
fade para o nível de potência do sinal com ρ = P0/Pr, onde P0 é o nível de potência alvo e Pr é o
nível de potência médio. Observe que a duração média do fade diminui com o Doppler, pois à
medida que um canal muda mais rapidamente, ele permanece abaixo de um determinado nível
de fade por um período de tempo mais curto. A duração média do fade também geralmente
aumenta com ρ para ρ >> 1. Isso ocorre porque à medida que o nível alvo aumenta em relação à
média, é mais provável que o sinal esteja abaixo do alvo. A duração média do desvanecimento
para o desvanecimento Riciano é mais difícil de calcular e pode ser encontrada em [11, Capítulo
1.4]. A duração média do fade indica o número de bits ou símbolos afetados por um fade
profundo. Especificamente, considere um sistema não codificado com tempo de bit Tb. Suponha
que a probabilidade de erro de bit seja alta quando z < Z. Então, se Tb ≈ tZ, o sistema
provavelmente experimentará eventos de erro único, onde os bits recebidos com erro terão os
bits anteriores e subsequentes recebidos corretamente (uma vez que z > Z para estes pedaços).
Por outro lado, se Tb << tZ então muitos bits subseqüentes serão recebidos com z < Z, portanto,
grandes surtos de erros são prováveis. Finalmente, se Tb >> tZ o desvanecimento é calculado
em média ao longo de um bit no demodulador, de modo que o desvanecimento pode ser
desprezado. Essas questões serão exploradas com mais detalhes no Capítulo 8, quando
considerarmos a codificação e a intercalação.
3.2.4 Canais de Markov de Estados Finitos
A complexa caracterização matemática do desvanecimento plano descrita nas subseções
anteriores pode ser difícil de incorporar na análise de desempenho sem fio, como a
probabilidade de erro de pacote. Portanto, modelos mais simples que capturem as principais
características dos canais com desvanecimento plano são necessários para esses cálculos
analíticos. Um desses modelos é um canal de Markov de estado finito (FSMC). Neste modelo, o
desvanecimento é aproximado como um processo de Markov de tempo discreto com tempo
discretizado para um determinado intervalo T (normalmente o período do símbolo).
Especificamente, o conjunto de todos os ganhos de desvanecimento possíveis é modelado como
um conjunto de estados finitos do canal. O canal varia ao longo destes estados em cada intervalo
T de acordo com um conjunto de probabilidades de transição de Markov. FSMCs têm sido
usados para aproximar modelos de desvanecimento matemáticos e experimentais, incluindo
canais de satélite [13], canais internos [14], canais de desvanecimento Rayleigh [15, 19], canais
de desvanecimento Ricean [20] e canais de desvanecimento Nakagami-m [17 ]. Eles também
foram usados para projeto de sistema e análise de desempenho de sistema em [18, 19]. Os
modelos FSMC de primeira ordem demonstraram ser deficientes na análise de desempenho
computacional, portanto, modelos de ordem superior são geralmente usados. Os modelos FSMC
para desvanecimento normalmente modelam apenas variações de amplitude, embora tenha
havido algum trabalho em modelos FSMC para desvanecimento de fase [21] ou canais com
ruído de fase [22]. Um modelo FSMC detalhado para o desvanecimento de Rayleigh foi
desenvolvido em [15]. Neste modelo, a SNR variável no tempo associada ao desvanecimento de
Rayleigh, γ, está no intervalo 0 ≤ γ ≤ ∞. O modelo FSMC discretiza essa faixa de
desvanecimento em regiões de modo que a j-ésima região Rj seja definida como Rj = γ: Aj ≤ γ
<Aj+1, onde os limites da região {Aj} e o número total de regiões de desvanecimento são
parâmetros do modelo. Este modelo assume que γ permanece na mesma região ao longo do
intervalo de tempo T e só pode fazer a transição para a mesma região ou regiões adjacentes no
tempo T +1. Assim, dado que o canal está no estado Rj no tempo T, no próximo intervalo de
tempo o canal só poderá fazer a transição para Rj−1, Rj ou Rj+1, uma suposição razoável
quando o fDT é pequeno. Sob esta suposição, as probabilidades de transição entre regiões são
derivadas em [15] como
A maioria dos canais na prática são estacionários de sentido amplo (WSS), de modo que as
estatísticas conjuntas de um canal medido em dois momentos diferentes t e t+Δt dependem
apenas da diferença de tempo Δt. Para canais estacionários de sentido amplo, a autocorrelação
do canal passa-banda correspondente h(τ, t) = ℜ{c(τ, t)ej2πfct} pode ser obtida [16] de Ac(τ1,
τ2; t,Δt) as7 Ah (τ1, τ2; t,Δt) = 0,5ℜ{Ac(τ1, τ2; t,Δt)ej2πfcΔt}.
Assumiremos que nosso modelo de canal é WSS, caso em que a autocorrelação se torna
independente de t:
onde Ac(τ ;Δt) fornece a potência média de saída associada ao canal em função do atraso
multipercurso τ = τ1 = τ2 e da diferença Δt no tempo de observação. Esta função assume que τ1
e τ2 satisfazem |τ1 − τ2| > B−1, pois caso contrário o receptor não poderá resolver os dois
componentes. Neste caso os dois componentes são modelados como um único componente
multipercurso combinado com atraso τ ≈ τ1 ≈ τ2. A função de espalhamento para canais
aleatórios é definida como a transformada de Fourier de Ac(τ ;Δt) em relação ao parâmetro Δt:
Observe que se definirmos a pdf pTm do spread de atraso aleatório Tm em termos de Ac(τ )
como
então μTm e σTm são os valores médios e rms de Tm, respectivamente, relativos a esta pdf.
Definir a pdf de Tm por (3.56) ou, equivalentemente, definir o atraso médio e rms espalhado por
(3.54) e (3.55), respectivamente, pondera o atraso associado a um determinado componente de
multipercurso por sua potência relativa, de modo que componentes de multipercurso fracos
contribuem menos para retardar a propagação do que os fortes. Em particular, os componentes
de multipercurso abaixo do nível de ruído não impactarão significativamente essas
caracterizações de propagação de atraso. O atraso de tempo T onde Ac(τ ) ≈ 0 para τ ≥ T pode
ser usado para caracterizar aproximadamente o spread de atraso do canal, e este valor é
frequentemente considerado um pequeno múltiplo inteiro do spread de atraso rms, ou seja,
Ac(τ ) ≈ 0 para τ > 3σTm. Com esta aproximação, um sinal modulado linearmente com período
de símbolo Ts experimenta ISI significativo se Ts << σTm. Por outro lado, quando Ts >> σTm o
sistema experimenta ISI insignificante. Para cálculos pode-se assumir que Ts << σTm implica
Ts < σTm/10 e Ts >> σTm implica Ts > 10σTm. Quando Ts estiver dentro de uma ordem de
grandeza de σTm, haverá algum ISI que poderá ou não degradar significativamente o
desempenho, dependendo das especificidades do sistema e do canal. Estudaremos a degradação
do desempenho devido ao ISI em sistemas modulados linearmente, bem como métodos de
mitigação de ISI em capítulos posteriores. Embora μTm ≈ σTm em muitos canais com um
grande número de dispersores, a relação exata entre μTm e σTm depende da forma de Ac(τ ).
Um canal sem componente LOS e com um pequeno número de componentes de multipercurso
com aproximadamente o mesmo grande atraso terá μTm >> σTm. Neste caso, o grande valor de
μTm é uma métrica enganosa de propagação de atraso, uma vez que na verdade todas as cópias
do sinal transmitido chegam aproximadamente ao mesmo tempo e o demodulador sincronizaria
com este atraso comum. Normalmente é assumido que o sincronizador trava no componente de
multipercurso aproximadamente no atraso médio, caso em que o spread de atraso rms
caracteriza o spread de tempo do canal.
Como c(τ ; t) é uma variável aleatória gaussiana complexa de média zero em t, a transformada
de Fourier acima representa apenas a soma8 de processos aleatórios gaussianos complexos de
média zero e, portanto, C(f; t) também é uma variável aleatória gaussiana de média zero
Processo aleatório gaussiano completamente caracterizado por sua autocorrelação.
(8)
Podemos expressar a integral como um limite de uma soma discreta.
Como c(τ ; t) é WSS, sua integral C(f; t) também o é. Assim, a autocorrelação de (3.57) é dada
por
onde Δf = f2 − f1 e a terceira igualdade segue das propriedades WSS e US de c(τ ; t). Assim, a
autocorrelação de C(f; t) em frequência depende apenas da diferença de frequência Δf. A função
AC(Δf;Δt) pode ser medida na prática transmitindo um par de senoides através do canal que são
separados em frequência por Δf e calculando sua correlação cruzada no receptor para a
separação de tempo Δt. Se definirmos então de (3.59),
Esta figura também mostra dois sinais sobrepostos em AC(Δf), um sinal de banda estreita com
largura de banda muito menor que Bc e um sinal de banda larga com largura de banda muito
maior que Bc. Vemos que a autocorrelação AC(Δf) é plana em toda a largura de banda do sinal
de banda estreita, portanto, este sinal sofrerá desvanecimento plano ou, equivalentemente, ISI
insignificante. A autocorrelação AC(Δf) vai para zero dentro da largura de banda do sinal de
banda larga, o que significa que o desvanecimento será independente em diferentes partes da
largura de banda do sinal, portanto, o desvanecimento é seletivo em frequência e um sinal
modulado linearmente transmitido através deste canal experimentará ISI significativo.
Para caracterizar o Doppler em uma única frequência, definimos Δf como zero e definimos
SC(ρ) △= SC(0; ρ). É facilmente visto que
onde Observe que AC(Δt) é uma função de autocorrelação que define
como a resposta ao impulso do canal se descorrelaciona ao longo do tempo. Em particular
AC(Δt = T) = 0 indica que as observações da resposta ao impulso do canal em tempos separados
por T não são correlacionadas e, portanto, independentes, uma vez que o canal é um processo
aleatório gaussiano. Definimos o tempo de coerência do canal Tc como a faixa de valores na
qual AC(Δt) é aproximadamente diferente de zero. Assim, o canal variável no tempo
descorrelaciona após aproximadamente Tc segundos. A função SC(ρ) é chamada de espectro de
potência Doppler do canal: como a transformada de Fourier de uma autocorrelação fornece o
PSD do sinal recebido em função do Doppler ρ. O valor máximo de ρ para o qual |SC(ρ)| é
maior que zero é chamado de propagação Doppler do canal e é denotado por BD. Pela relação
da transformada de Fourier entre AC(Δt) e SC(ρ), BD ≈ 1/Tc. Se o transmissor e os refletores
estiverem todos estacionários e o receptor estiver se movendo com velocidade v, então BD ≤ v/λ
= fD. Lembre-se de que no modelo de desvanecimento de banda estreita as amostras tornaram-
se independentes no tempo Δt = 0,4/fD, então em geral BD ≈ k/Tc onde k depende da forma de
Sc(ρ). Ilustramos o espectro de potência Doppler SC(ρ) e sua transformada inversa de Fourier
AC(Δt) na Figura 3.14.
As relações entre as quatro funções AC(Δf;Δt), Ac(τ ;Δt), SC(Δf; ρ) e Sc(τ ; ρ) são mostradas na
Figura 3.15
Medições empíricas da função de espalhamento para um determinado canal são frequentemente
usadas para aproximar empiricamente o spread de atraso do canal, a largura de banda de
coerência, o spread Doppler e o tempo de coerência. O spread de atraso para um canal com
função de espalhamento empírico Sc(τ ; ρ) é obtido calculando o perfil empírico de atraso de
potência Ac(τ ) de com Δt = 0 e então calcular a média e o
spread de atraso rms deste perfil de atraso de potência. A largura de banda de coerência pode
então ser aproximada como Bc ≈ 1/σTm. Da mesma forma, o Doppler o spread BD é
aproximado como o intervalo de valores de ρ sobre o qual S(0; ρ) é aproximadamente diferente
de zero, com o tempo de coerência Tc ≈ 1/BD.
3.4 Modelo de Tempo Discreto
Freqüentemente, o modelo do canal de resposta ao impulso variável no tempo é muito complexo
para uma análise simples. Neste caso, uma aproximação em tempo discreto para o modelo de
multipercurso de banda larga pode ser usada. Este modelo de tempo discreto, desenvolvido por
Turin em [3], é especialmente útil no estudo de sistemas de espalhamento espectral e receptores
RAKE, que é abordado no Capítulo 13. Este modelo de tempo discreto é baseado em um
ambiente de propagação física que consiste em uma composição de dispersores pontuais
isolados, conforme mostrado na Figura 3.16.
onde ψn,i = [xi cos θn(t)+yi sin θn(t)]2π/λ para (xi, yi) a localização da antena em relação à
origem e θn(t) o AOA do multipercurso em relação à origem do conjunto de antenas. Suponha
que o AOA seja estacionário e distribuído de forma idêntica para todos os componentes de
multipercurso e denote esse AOA aleatório por θ. Deixe A (θ) denotar a potência média do sinal
recebido em função de θ. Em seguida, definimos a média e o spread angular rms em termos
deste perfil de potência como
Dizemos que dois sinais recebidos em AOAs separados por 1/σθ são aproximadamente não
correlacionados. Mais detalhes sobre a distribuição de energia relativa ao AOA para diferentes
ambientes de propagação, juntamente com as correlações correspondentes entre os elementos da
antena, podem ser encontrados em [24]. Estender os modelos bidimensionais para três
dimensões requer a caracterização dos AOAs de elevação para multipercurso, bem como os
ângulos de azimute . Diferentes modelos para tais canais 3-D foram propostos em [25, 26, 27].
Em [23] o modelo de Jakes é estendido para produzir características espaço-temporais usando as
ideias de [25, 26, 27]. Vários outros artigos sobre modelagem espaço-temporal podem ser
encontrados em [29].