Perpustakaan Digital ITB

Grant-free multiple access merupakan teknik akses jamak dengan skema komunikasi tanpa adanya proses scheduling yang dilakukan oleh Base Station (BS). Teknik akses jamak yang cocok untuk diimplementasikan dengan skema grant-free adalah Non-orthogonal Multiple Access (NOMA). NOMA mampu melayani pengguna dalam jumlah besar dan skema grant-free pada NOMA dapat mengatasi signaling overhead dan mereduksi latency. Namun, hal yang menjadi permasalahan pada komunikasi grant-free NOMA ini adalah proses deteksi pengguna terutama untuk komunikasi dari pengguna ke BS. Compressive Sensing (CS) dapat diterapkan untuk mendeteksi pengguna pada komunikasi grant-free NOMA dengan memanfaatkan sparsity aktivitas pengguna, yaitu kondisi ketika jumlah pengguna aktif jauh lebih sedikit dari jumlah keseluruhan pengguna yang terdaftar. Oleh karena itu, deteksi pengguna dapat diformulasikan sebagai permasalahan estimasi sinyal sparse dan diselesaikan menggunakan algoritma rekonstruksi sinyal. Pada penelitian ini, CS dengan prinsip rekonstruksi sinyal diterapkan sebagai teknik deteksi pengguna pada komunikasi grant-free NOMA. Skema komunikasi yang diterapkan adalah grant-free dengan arah komunikasi uplink pada Internet of Things (IoT) tanpa adanya scheduling perangkat pada BS. Dalam hal ini, BS tidak mengetahui jumlah perangkat aktif atau perangkat yang melakukan komunikasi. Extended Sparsity Estimation- Orthogonal Matching Pursuit (ESE-OMP) diusulkan untuk proses deteksi perangkat pada komunikasi ini. Berbeda dengan OMP, iterasi pada ESE-OMP didasarkan pada nilai mutlak dari pengurangan ?1- norm residu sebelumnya dengan ?1-norm residu saat ini. Dari penentuan iterasi ini, ESE-OMP mampu melakukan estimasi sparsity level yang merepresentasikan jumlah perangkat aktif. ESE-OMP diterapkan pada sistem dengan jenis NOMA berupa Low Density Spreading-Orthogonal Frequency Division Multiplexing (LDS-OFDM) dalam bentuk ireguler maupun reguler dan Pattern Division Multiple Access (PDMA). Perbedaan ketiga sistem ini terletak pada penggunaan subcarrier oleh masing-masing perangkat aktif saat melakukan komunikasi dengan BS. Pada saat informasi dikirimkan, informasi tersebut dipengaruhi oleh kanal komunikasi dengan distribusi Rayleigh dan derau berupa Additive White Gaussian Noise (AWGN). Deteksi perangkat aktif dilakukan dengan dua cara, yaitu deteksi berdasarkan time slot yang dipandang sebagai permasalahan Single Measurement Vector (SMV) dan deteksi berdasarkan frame yang dipandang sebagai permasalahan Multiple Measurement Vector (MMV). ESE-OMP dapat melakukan estimasi jumlah perangkat aktif dengan baik pada sistem LDS-OFDM Ireguler, LDS-OFDM Reguler, dan PDMA, baik untuk permasalahan SMV maupun MMV. Dari tiga sistem yang dievaluasi tersebut, sistem LDS-OFDM Reguler memiliki kinerja paling baik dalam hal Bit Error Rate (BER) terhadap Signal to Noise Ratio (SNR) untuk permasalahan SMV dan MMV. Hal ini karena seluruh perangkat aktif pada sistem LDS-OFDM Reguler menggunakan dua subcarrier untuk menebar informasi saat melakukan komunikasi dengan BS. Pada sistem LDS-OFDM Ireguler dan PDMA, beberapa perangkat aktif hanya menggunakan satu subcarrier untuk menebar informasi saat melakukan komunikasi dengan BS. Oleh karena itu, regenerasi sinyal pada sistem LDS-OFDM Reguler lebih baik dari regenerasi sinyal pada sistem LDS-OFDM Ireguler dan PDMA. Ketika nilai SNR sebesar 10 dB dan susunan perangkat aktif bersifat tetap, sistem LDS-OFDM Reguler mampu mencapai nilai BER sebesar 2,95 × 10?4, sistem LDS-OFDM Ireguler mampu mencapai nilai BER sebesar 3,78 × 10?3, dan sistem PDMA mampu mencapai nilai BER sebesar 1,79 × 10?2. Semakin kecil jumlah perangkat aktif, semakin kecil nilai SNR yang dibutuhkan untuk mencapai nilai BER tertentu. Hal ini berarti bahwa semakin sedikit jumlah sinyal yang bernilai tidak 0, sehingga kinerja algoritma rekonstruksi sinyal semakin baik. Hal lain yang mempengaruhi ini adalah semakin sedikitnya jumlah subcarrier yang digunakan dalam komunikasi jika jumlah perangkat aktif semakin sedikit.