ABSTRAKSI: Filter Kalman merupakan suatu metoda untuk mencari nilai estimasi suatu state pada sistem linear dinamis. Dengan algoritma rekursifnya, filter ini mampu memberikan suatu nilai estimasi yang akurat. Kemampuannya dalam berkerja pada lingkungan vektor, menawarkan banyak fungsi aplikatif termasuk dalam proses estimasi kanal Multiple Input Multiple Output (MIMO) yang juga berupa vektor. Dengan menggunakan skema Space Time Block Code (STBC) Alamouti 2x2, keuntungan gain diversitas dan peningkatan kapasitas dapat dicapai dengan kompleksitas yang rendah, apalagi dengan inputan respon kanal yang akurat, akan semakin meningkatkan performansi suatu sistem komunikasi yang mengadopsinya.
Disisi lain, pengunaan teknik Orthogonal Frequency Division Multiplexing (OFDM) yang sangat populer dalam komunikasi wireless dengan data-rate yang tinggi, mampu mengarungi kondisi kanal yang bersifat frequency selective fading dengan mengubahnya menjadi kumpulan kanal yang bersifat flat fading. Dengan subcarrier yang saling orthogonal, overlapping tiap subcarriernya menghasilkan konsumsi bandwidth yang lebih efisien.
Pada tugas akhir ini, dilakukan penelitian dan analisis mengenai pengaruh pengunaan estimasi kanal dengan filter Kalman pada sistem MIMO-OFDM. Simulasi ini mengacu pada beberapa standard IEEE Wimax 802.16d dan diuji pada kanal multipath Rayleigh fading dan Additive White Gaussian Noise (AWGN).
Hasil simulasi menunjukkan untuk semua kondisi kanal, proses estimasi kanal menggunakan filter Kalman 1 iterasi memberikan performansi terbaik dibanding dengan jumlah iterasi yang lebih banyak maupun dengan metoda estimasi Valenti. Dengan parameter uji filter Kalman terbaik yakni process noise covariance 0,01I (2,2), measurement noise covariance 2I (2,2), Initial estimated Error Covariance 1I (2,2), Initial Estimated State 1I (2,2), dan state transition matrix 1I (2,2) dengan 1 iterasi pada kondisi kanal noisy dan flat fading, mampu memberikan gain sebesar ± 3 dB terhadap model estimasi Valenti dalam pencapaian BER 10-4.Kata Kunci : Estimasi kanal, MIMO, OFDM, Filter KalmanABSTRACT: Kalman filter is a method in finding estimated state value in dynamic linear system. With its recursive algorithm, it gives an accurate estimation. The ability of working in vector environment offers a lot of application such as Multiple Input Multiple Output (MIMO) channel estimation that is also in vector. By using Space Time Block Code (STBC) Alamouti 2x2 scheme, diversity gain and improvement in capacity could be achieved with low complexity moreover with an accurate channel response input will increase the communication system which adopt it.
In other side, using Orthogonal Frequency Division Multiplexing (OFDM) technique that is very popular in wireless communication with high data-rate that could change frequency selective fading channel into flat fading channel. Because of the orthogonality of each subcarriers, overlapping give an efficient consumption of bandwidth.
In this final assignment, research and analysis is done to express the influence of channel estimation using Kalman filter in MIMO-OFDM system. This simulation follows IEEE Wimax 802.16d standard and tested in multipath Rayleigh fading channel and Additive White Gaussian Noise (AWGN).
Simulation results show that for all channel conditions, channel estimation process using Kalman filter with 1 iteration give the best performance instead of higher iteration even of Valenti estimation method. Using Kalman filter best parameters that are process noise covariance 0,01I (2,2), measurement noise covariance 2I (2,2), Initial estimated Error Covariance 1I (2,2), Initial Estimated State 1I (2,2) and state transition matrix 1I (2,2) with 1 iteration in condition of noisy and flat fading channel, could achieve gain approximately 3 dB compare to Valenti estimation method for BER target 10-4.Keyword: Channel Estimation, MIMO, OFDM, Kalman Filter