在本節中，我們主要模擬 11n 提案中的 2 2× 的基本模式，詳細的環境已在第二章 中說明，在這樣的環境下我們模擬第二章及第三章所提及的各種演算法。模擬分 兩部分，在第一部分中我們使用一個簡單的通道，假設在每根傳送天線 i 跟每根 接收天線 j 之間的通道可以模擬為一個 FIR 濾波器，並且可以用序列
[...Hij l,...],l=0, ,L表示， L 代表最大 tap 數，且這些 taps 都是由獨立複數高斯 隨機變數所產生。而每個 tap 可用表示如下:
2 2
,
2 2
0 2 0
(0, ) (0, ) exp( / ) 1 exp( / )
ij l l l
l s RMS
s RMS
H N j N
lT T T T
σ σ
σ σ
σ
= + ⋅
= −
= − −
(3-37) 我們令Ts =50ns且TRMS =150ns，且在模擬用的 SNR 是定義在接收到每個 OFDM 符碼後，計算出經過通道後的訊號能量加入在這 SNR 下該有的雜訊能量。
模擬的演算法主要分成 2 部分，第一部分主要在模擬比較 ZF、MMSE 及 V-BLAST 演算法加上 Soft-decision Viterbi 解碼在上述的環境中的效能表現，而 CSI 便是影響 ZF、MMSE 及 V-BLAST 的效能最主要的因素，這部分的模擬結果 包括了圖 3-14 至圖 3-19。圖 3-14 比較了 ZF 及 MMSE 在不接 Viterbi 解碼器下 之效能，而在圖中 only 表示不接 Viterbi 解碼器而單獨使用 ZF 或 MMSE。圖 3-15 比較了 2 種 ZF 作法，ZF 的 CSI 計算方式是使用 3.1.5 所介紹，而在圖中 NO CSI ZF 則是令 CSI 為 1 的情況。圖 3-16 比較了 2 種 MMSE 作法，MMSE 的 CSI 計 算方式是使用 3.1.6 所介紹，而在圖中 NO CSI MMSE 則是令 CSI 為 1 的情況。
而圖 3-17 則綜合比較 ZF、MMSE 及 V-BLAST 加上 Soft-decision Viterbi 解碼在 上述環境下的表現，其中 CSI1 是在 V-BLAST 演算法中，假設前一級的決策是 正確的情況下，使用一級一級降低的通道矩陣所計算出來的 CSI，而 CSI2 則是
直接使用第一級 MMSE 的計算出來的 CSI。圖 3-18 是使用 ZF 演算法，比較在 Single-Input Single-Output (SISO)、2 2× 、
3 3 ×
和 4 4× 的天線組合下之效能比較。圖 3-19 是使用 ZF 演算法，在不同通道雜訊(channel noise)下之效能比較，其中 Perfect 表示 Perfect channel，而 CN1%、CN0.5%和 CN0.1%分別代表加上 zero mean 而功率分別為 1%、0.5%和 0.1%的高斯通道雜訊。從圖 3-14 模擬結果發現，不 接 Viterbi 解碼器而單獨使用 ZF 或 MMSE 下，MMSE 較 ZF 有較好的效能，而 SNR 越高時，ZF 與 MMSE 的效能也就越來越近。從圖 3-15 至圖 3-17 模擬結 果發現，ZF 及 MMSE 皆受 CSI 影響甚鉅，有使用 CSI 及沒有使用 CSI 在 ZF 及 MMSE 約造成 3dB 的影響，另外，由於整個系統皆有連接 Viterbi 解碼器，因為 Viterbi 解碼器擁有錯誤更正(error correction)的能力，導致 ZF 及 MMSE 演算法在 效能上非常接近，這也是吾人在硬體實現上採用 ZF 偵測器的原因。從圖 3-17 模擬結果發現，MMSE 的效能較 V-BLAST 好，這結果與一般的認知相反，這可 能是 Soft V-BLAST 在計算 CSI 上並不容易，而假設前一級的決策是正確的情況 下，所計算出來的 CSI1 效能又不如預期。而使用 CSI2 的 Soft V-BLAST 所表現 出來的效果又和單純使用 MMSE 差不多。從圖 3-18 模擬結果發現，ZF 演算法 的效能亦隨著天線數的增加而降低，主要是因為天線數增加，資料傳輸量也跟著 增加導致。從圖 3-19 模擬結果發現，ZF 演算法的效能亦隨著通道估測(channel estimation)所造成的 channel noise 增加而降低。
10 12 14 16 18 20 22 10-3
10-2 10-1
SNR(in dB)
BER
MMSE-only ZF-only
圖 3-14 不接 Viterbi 解碼器而單獨使用 ZF 或 MMSE 之效能比較圖 (64QAM)
10 12 14 16 18 20 22
10-5 10-4 10-3 10-2 10-1 100
SNR(in dB)
BER
ZF ZF-NO CSI
圖 3-15 ZF 之 CSI 與 NO CSI 的比較圖 (64QAM)
10 12 14 16 18 20 22 10-5
10-4 10-3 10-2 10-1 100
SNR(in dB)
BER
MMSE
MMSE-NO CSI
圖 3-16 MMSE 之 CSI 與 NO CSI 的比較圖 (64QAM)
10 12 14 16 18 20 22
10-4 10-3 10-2 10-1 100
SNR(in dB)
BER
VBLAST-CSI2 MMSE VBLAST-CSI1 ZF
圖 3-17 ZF、MMSE 及 V-BLAST 之比較圖 (64QAM)
10 12 14 16 18 20 22 10-6
10-5 10-4 10-3 10-2 10-1 100
SNR(in dB)
BER
ZF-SISO ZF-2*2 ZF-3*3 ZF-4*4
圖 3-18 SISO、 2 2× 、
3 3 ×
及 4 4× 之比較圖 (64QAM)10 12 14 16 18 20 22
10-4 10-3 10-2 10-1 100
SNR(in dB)
BER
ZF-Perfect ZF-CN1%
ZF-CN0.5%
ZF-CN0.1%
圖 3-19 不同 Channel Noise 下之效能比較圖 (64QAM)
第二部分的模擬則是針對 802.11n TGn Sync 所定義的通道模型 B-F 做更進一 步的模擬，首先我們先設定系統為 2 2× 的基本模式，並且通道頻寬為 20MHz，
而且假設通道效應為已知。再則，根據 TGn Sync 所定義，每 96 個 OFDM symbol 通道會變化一次，而通道的 tap 數會因通道模型 B-F 而各有不同，另外定義一個 packet 是由 1000Bytes 構成，也就是說一個 packet 有 8000bits。我們將採用 Packet error rate (PER)做效能之評估標準。圖 3-20 是使用 ZF 演算法和 MMSE 演算法 在不同通道模型下之比較，而使用的編碼率為 1/2，其中 RAN 為第一部分所用 的獨立複數高斯隨機變數所產生的通道，而 B-F 則為 802.11n TGn Sync 所提出的 通道模型 B-F。圖 3-21 是使用 ZF 演算法和 V-BLAST 演算法在不同通道模型下 之比較，其中 B、D 和 E 分別代表通道模型 B、D 和 E，CSI2 表示直接使用第一 級 MMSE 所計算出來的 CSI。圖 3-22 是使用 ZF 演算法在獨立複數高斯隨機變 數通道與 AWGN 通道下之比較，其中 RAN 如上述圖 3-20 的說明，而 AWGN 表示 AWGN 通道。圖 3-23 至圖 3-27 是 ZF 演算法在不同的 QAM 數和不同的 編碼率在相同或不同的通道模型中所表現出的不同效能。其中 B、D 和 E 分別代 表通道模型 B、D 和 E，而 Q1、Q2、Q3 和 Q4 分別代表 BPSK、QPSK、16QAM 和 64QAM，C1、C2、C3 和 C4 則分別代表編碼率 1/2、3/4、2/3 和 5/6。從圖 3-20 模擬結果發現，ZF 演算法和 MMSE 演算法在不同的通道下，彼此仍有非常相近 的效能，其原因已在第一部分解釋過，而通道模型 B-F 因為通道之間存在有相關 性，故較獨立通道條件下所造成的效能為差，另外，通道模型 B-F 的效能排序由 高到低依序為 D、E、B、F 和 C。從圖 3-21 模擬結果發現，V-BLAST 演算法除 了對通道模型 B 有較明顯的效能改善外，對通道模型 D、E 均無明顯的效能改善。
從圖 3-22 模擬中發現，AWGN 通道效能較佳。從圖 3-23 至圖 3-27 模擬結果發 現，不同的 QAM 數，由於 QAM 數的增加，造成系統使用更多的 bits 去表示一 個 QAM symbol，自然會造成效能的變差，而不同的編碼率，隨著編碼率的變高，
將造成打掉不送再於接收端補上無意義的位元之比例增加，造成錯誤率的增加，
相對的效能也會因此變差，另外通道模型效能的排序也如圖 3-20 模擬結果所示。
10 12 14 16 18 20 22 10-4
10-3 10-2 10-1 100
SNR(in dB)
BER
MMSE-RAN ZF-RAN MMSE-B ZF-B MMSE-C ZF-C MMSE-D ZF-D MMSE-E ZF-E MMSE-F ZF-F
圖 3-20 ZF 與 MMSE 在不同通道之比較圖
10 12 14 16 18 20 22
10-4 10-3 10-2 10-1 100
SNR(in dB)
BER
ZF-B ZF-D ZF-E
VBLAST-CSI2-E VBLAST-CSI2-D VBLAST-CSI2-B
圖 3-21 ZF 與 VBLAST 在不同通道之比較圖
2 4 6 8 10 12 14 16 18 20 22 10-4
10-3 10-2 10-1 100
SNR(in dB)
BER
ZF-RAN ZF-AWGN
圖 3-22 ZF 在獨立複數高斯隨機變數通道與 AWGN 通道下之比較圖
4 6 8 10 12 14 16 18 20 22 24
10-2 10-1 100
SNR(in dB)
PER
ZF-B-Q1-C1 ZF-B-Q2-C1 ZF-B-Q2-C2
圖 3-23 BPSK 與 QPSK 在不同編碼率下之比較圖
15 20 25 30 35 40 10-2
10-1 100
SNR(in dB)
PER
ZF-B-Q3-C1 ZF-B-Q3-C2 ZF-B-Q4-C3 ZF-B-Q4-C2
圖 3-24 16QAM 與 64QAM 在不同編碼率下之比較圖
20 22 24 26 28 30 32 34 36 38 40
10-2 10-1 100
SNR(in dB)
PER
ZF-B-Q3-C2 ZF-B-Q4-C4
圖 3-25 16QAM 與 64QAM 在不同編碼率下之比較圖(channel B)
18 20 22 24 26 28 30 32 34 36 38 10-3
10-2 10-1 100
SNR(in dB)
PER
ZF-D-Q3-C2 ZF-D-Q4-C4
圖 3-26 16QAM 與 64QAM 在不同編碼率下之比較圖(channel D)
15 20 25 30 35 40
10-3 10-2 10-1 100
SNR(in dB)
PER
ZF-E-Q3-C2 ZF-E-Q4-C4
圖 3-27 16QAM 與 64QAM 在不同編碼率下之比較圖(channel E)