scholarly journals Modelling and advanced methods to improve the efficiency of MIMO channels in wireless communication systems

2018 ◽  
Author(s):  
Μιχαήλ Μαλαματούδης
Keyword(s):  
Ieee 802.11 ◽  
Communication Systems ◽  
Multiple Input Multiple Output ◽  
Mimo Channels ◽  
Matlab Simulink ◽  
Lte Advanced ◽  
Site Survey ◽  
Multiple Input ◽  
Input Multiple Output ◽  
4G Lte

Η εφαρμογή και υλοποίηση μιας νέας γενιάς ασύρματων δικτύων επικοινωνιών βασίζονται στη χρήση της τεχνολογίας MIMO (Multiple-Input Multiple- Output), η οποία με χωρική κωδικοποίηση του σήματος επιτυγχάνει αύξηση του εύρους ζώνης του καναλιού στο οποίο η μετάδοση και η λήψη δεδομένων υλοποιείται μέσω ενός συστήματος πολλών κεραιών, σύστημα πολλαπλών κεραιών. Οι κεραίες εκπομπής και λήψης πρέπει να είναι τοποθετημένες έτσι ώστε η συσχέτιση μεταξύ γειτονικών κεραιών να είναι ασθενής.Η τεχνολογία MIMO είναι βασικό στοιχείο των συστημάτων ασύρματης επικοινωνίας IEEE 802.11n (Wi-Fi), IEEE 802.11ac (Wi-Fi), HSPA+ (3G), WiMAX (4G) και Long Term Evolution (4G LTE).Η τεχνολογία MIMO επιτρέπει μεγάλη αύξηση της φασματικής απόδοσης, αύξηση της ενεργειακής απόδοσης και αύξηση της αντίστασης θορύβου στο κανάλι επικοινωνίας, τα οποία είναι βασικά για την ικανοποίηση των απαιτήσεων της γρήγορης μεταφοράς δεδομένων, όπου το φάσμα και η ενέργεια σήματος είναι ολοένα και πιο σημαντικά και επηρεάζεται από μια σειρά περιοριστικών παραγόντων.Η απόκτηση πληροφοριών κατάστασης καναλιού είναι ένας βασικός παράγοντας για την εύρεση τρόπων βελτίωσης της απόδοσης του καναλιού στα ασύρματα δίκτυα επικοινωνιών. Τα μαζικά συστήματα MIMO βασίζονται συνήθως στην εκτίμηση των καναλιών μετάδοσης άνω και κάτω ζεύξης. Με τον τεράστιο αριθμό καναλιών που αξιολογούνται μεταξύ των πομποδεκτών, απαιτείται αρκετά μεγάλη συνοχή καναλιών για να επιτραπεί η αποτελεσματική λειτουργία. Η ακρίβεια με την οποία μπορούν να προσδιοριστούν οι βέλτιστες παράμετροι καναλιού και το χρονικό διάστημα κατά το οποίο η κατάσταση του καναλιού μπορεί να θεωρηθεί σταθερή οδηγεί σε πολλούς περιορισμούς στην εφαρμογή μεθόδων για τη βελτίωση της απόδοσης των καναλιών MIMO σε δίκτυα ασύρματων επικοινωνιών.Πολλοί από τους αλγόριθμους που απαιτούνται για τη μοντελοποίηση και την αξιολόγηση καναλιών MIMO χρησιμοποιούνται σε συστήματα ασύρματης επικοινωνίας. Ωστόσο, τα σύγχρονα συστήματα MIMO διαφέρουν σημαντικά από τα παραδοσιακά στο γεγονός ότι ο αριθμός των εξαρτημάτων στις κεραίες πομποδέκτη και τα διαμορφωμένα κανάλια αυξάνονται, τα κανάλια πρέπει να υποβάλλονται σε παράλληλη επεξεργασία και αυτό επηρεάζει σημαντικά την αποτελεσματικότητα του συστήματος επικοινωνίας. Αν και η επεξεργασία και η εκτίμηση του καναλιού MIMO σε πραγματικό χρόνο αυξάνεται σημαντικά, πολλοί αλγόριθμοι επεξεργασίας μπορεί να είναι γραμμικοί και όχι μη γραμμικοί, συμβάλλοντας στην εξισορρόπηση της μαζικής αύξησης των πολυκαναλικών συνδέσεων δέκτη προς πομπό.Οι αλγόριθμοι MIMO είναι επίσης σημαντικοί για πλατφόρμες υλικού, καθώς επηρεάζουν άμεσα το υπολογιστικό υλικό που καταναλώνεται, δηλαδή τη χωρητικότητα και την αποδοτικότητα του εξοπλισμού επικοινωνίας. Είναι σημαντικό να βρεθούν και να χρησιμοποιηθούν αλγόριθμοι που παρέχουν υψηλές επιδόσεις επικοινωνίας όπου μπορούν να στοχεύσουν αποτελεσματικά στο κατάλληλο υλικό και έτσι να κάνουν την τεχνολογία MIMO μια αποδεδειγμένη εναλλακτική στα μελλοντικά πρότυπα επικοινωνίας.Αν και η θεωρία της μαζικής τεχνολογίας MIMO είναι πολλά υποσχόμενη, η περαιτέρω ανάπτυξη απαιτεί εις βάθος ανάλυση μοντέλων και κατάλληλη μοντελοποίηση για την αξιολόγηση και ανάλυση διαφόρων αλγορίθμων. Η διατριβή πραγματεύεται σύγχρονες μεθόδους που σχετίζονται με τη βελτίωση της απόδοσης των μοντέλων καναλιών MIMO σε συστήματα ασύρματης επικοινωνίας με βάση τα πρότυπα IEEE 802.11 και κινητά 4/5G συστήματα επικοινωνίας.Αντικείμενο της μελέτης είναι τα κανάλια επικοινωνίας MIMO στα σύγχρονα ασύρματα δίκτυα επικοινωνίας σύμφωνα με τα πρότυπα IEEE 802.11, 4G LTE και LTE Advanced. Στη μελέτη παρουσιάζονται οι μέθοδοι μοντελοποίησης του καναλιού MIMO, η αξιολόγηση των παραμέτρων του καναλιού καθώς και οι μεταξύ τους εξαρτήσεις που καθορίζουν την ποιότητα των σημάτων και την απόδοση του δικτύου.Αντικείμενο της μελέτης είναι οι διάφορες διεργασίες σε φυσικό επίπεδο (παραγωγή, κωδικοποίηση, διαμόρφωση, μετάδοση και λήψη) που σχετίζονται με το κανάλι MIMO, καθώς και οι εξαρτήσεις που αφορούν τις παραμέτρους που καθορίζουν την αποτελεσματικότητα της μετάδοσης πληροφοριών υπό συγκεκριμένες συνθήκες. Οι μέθοδοι έρευνας διαφοροποιούνται κυρίως στα επιμέρους κεφάλαια, όπως αναλυτικά, προσομοιωτικά και πρακτικά, καλύπτοντας τις εξαρτήσεις των παραμέτρων που χαρακτηρίζουν την υλοποίηση μεμονωμένων μοντέλων.Η τοποθεσία της μελέτης είναι υποδειγματική, η οποία αφορά πρακτικές μελέτες του καναλιού επικοινωνίας MIMO σε συγκεκριμένη περιοχή κάλυψης ασύρματου δικτύου. Τα εργαλεία λογισμικού Matlab/Simulink, Matlab/Simulink, WinProp, Aerohive Wi-Fi Planning, TamoGraph Site Survey, Acrylic Wireless Calculator και G-NetTrack χρησιμοποιούνται για μελέτες προσομοίωσης. Υποδειγματικά μοντέλα ραδιοκάλυψης παρουσιάζονται σε ασύρματο δίκτυο με κανάλια MIMO, μέσω μοντέλων προσομοίωσης που επιδεικνύουν αμοιβαίες συσχετίσεις και δέσμευση παραμέτρων μέσα σε αυτά.Σκοπός της μελέτης είναι η καθιέρωση μεθοδολογιών διαδικασιών που σχετίζονται με σωστές προσεγγίσεις μοντελοποίησης, επιλογή αρχιτεκτονικής και υλοποίηση, επιλογή απαραίτητου εξοπλισμού και σωστή διαμόρφωση, μέσω παρακολούθησης και αξιολόγησης παραμέτρων σήματος στα κανάλια MIMO που σχετίζονται με τη βελτίωση της αποδοτικότητας επικοινωνίας σε ασύρματα δίκτυα επικοινωνίας.

scholarly journals Controlling Initial and Final Radii to Achieve a Low-Complexity Sphere Decoding Technique in MIMO Channels

2012 ◽  
Vol 2012 ◽  
pp. 1-9 ◽  
Author(s):  
Fatemeh Eshagh Hosseini ◽  
Shahriar Shirvani Moghaddam
Keyword(s):  
Communication Systems ◽  
Multiple Input Multiple Output ◽  
Low Complexity ◽  
Sphere Decoding ◽  
Mimo Channels ◽  
Threshold Factor ◽  
Multiple Input ◽  
Input Multiple Output ◽  
The Cost ◽  
Practical Constraints

In order to apply sphere decoding algorithm in multiple-input multiple-output communication systems and to make it feasible for real-time applications, its computational complexity should be decreased. To achieve this goal, this paper provides some useful insights into the effect of initial and the final sphere radii and estimating them effortlessly. It also discusses practical ways of initiating the algorithm properly and terminating it before the normal end of the process as well as the cost of these methods. Besides, a novel algorithm is introduced which utilizes the presented techniques according to a threshold factor which is defined in terms of the number of transmit antennas and the noise variance. Simulation results show that the proposed algorithm offers a desirable performance and reasonable complexity satisfying practical constraints.

PROBLEM STATEMENT OF JOINT ANTENNA SELECTION AND PRECODING IN MASSIVE MIMO COMMUNICATION SYSTEMS

2021 ◽  
Author(s):  
В.Б. КРЕЙНДЕЛИН ◽  
М.В. ГОЛУБЕВ
Keyword(s):  
Massive Mimo ◽  
Communication Systems ◽  
Mimo Systems ◽  
Antenna Selection ◽  
Multiple Input Multiple Output ◽  
Research Areas ◽  
Multiple Input ◽  
Input Multiple Output ◽  
Legal Restrictions ◽  
Multiple Transmission

Совместный с прекодингом автовыбор антенн на приемной и передающей стороне - одно из перспективных направлений исследований для реализации технологий Multiple Transmission and Reception Points (Multi-TRP, множество точек передачи и приема) в системах со многими передающими и приемными антеннами Massive MIMO (Multiple-Input-Multiple-Output), которые активно развиваются в стандарте 5G. Проанализированы законодательные ограничения, влияющие на применимость технологий Massive MIMO, и специфика реализации разрабатываемого алгоритма в миллиметровомдиапа -зоне длин волн. Рассмотрены алгоритмы формирования матриц автовыбора антенн как на передающей, так и на приемной стороне. Сформулирована строгая математическая постановка задачи для двух критериев работы алгоритма: максимизация взаимной информации и минимизация среднеквадратичной ошибки. Joint precoding and antenna selection both on transmitter and receiver sides is one of the promising research areas for evolving toward the Multiple Transmission and Reception Points (Multi-TRP) concept in Massive MIMO systems. This technology is under active development in the coming 5G 3GPP releases. We analyze legal restrictions for the implementation of 5G Massive MIMO technologies in Russia and the specifics of the implementation of the developed algorithm in the millimeter wavelength range. Algorithms of antenna auto-selection matrices formation on both transmitting and receiving sides are considered. Two criteria are used for joint antenna selection and precoding: maximizing mutual information and minimizing mean square error.

scholarly journals Energy and Information Beamforming in Airborne Massive MIMO System for Wireless Powered Communications

Sensors ◽  
2018 ◽  
Vol 18 (10) ◽  
pp. 3540 ◽  
Author(s):  
Yurong Wang ◽  
Aijun Liu ◽  
Kui Xu ◽  
Xiaochen Xia
Keyword(s):  
Mimo System ◽  
Multiple Input Multiple Output ◽  
Hardware Complexity ◽  
Mimo Channels ◽  
Channel State ◽  
Active Antennas ◽  
Large Numbers ◽  
Multiple Input ◽  
Input Multiple Output ◽  
Critical Problems

Energy supply and information backhaul are critical problems for wireless sensor networks deployed in remote places with poor infrastructure. To deal with these problems, this paper proposes an airborne massive multiple-input multiple-output (MIMO) system for wireless energy transfer (WET) and information transmission. An air platform (AP) equipped with a two-dimensional rectangular antenna array is employed to broadcast energy and provide wireless access for ground sensors. By exploiting the statistical property of air-terrestrial MIMO channels, the energy and information beamformers are jointly designed to maximize the average received signal-to-interference-plus-noise ratio (SINR), which gives rise to a statistical max-SINR beamforming scheme. The scheme does not rely on the instantaneous channel state information, but still requires large numbers of RF chains at AP. To deal with this problem, a heuristic strongest-path energy and information beamforming scheme is proposed, which can be implemented in the analog-domain with low computational and hardware complexity. The analysis of the relation between the two schemes reveals that, with proper sensor scheduling, the strongest-path beamforming is equivalent to the statistical max-SINR beamforming when the number of AP antennas tends to infinity. Using the asymptotic approximation of average received SINR at AP, the system parameters, including transmit power, number of active antennas of AP and duration of WET phase, are optimized jointly to maximize the system energy efficiency. The simulation results demonstrate that the proposed schemes achieve a good tradeoff between system performance and complexity.

scholarly journals Deep Scanning—Beam Selection Based on Deep Reinforcement Learning in Massive MIMO Wireless Communication System

Electronics ◽  
2020 ◽  
Vol 9 (11) ◽  
pp. 1844
Author(s):  
Minhoe Kim ◽  
Woongsup Lee ◽  
Dong-Ho Cho
Keyword(s):  
Communication Systems ◽  
Large Scale ◽  
Multiple Input Multiple Output ◽  
Base Station ◽  
Q Learning ◽  
Multiple Input ◽  
Beam Selection ◽  
Input Multiple Output ◽  
Optimal Beam ◽  
Resource Allocation Scheme

In this paper, we investigate a deep learning based resource allocation scheme for massive multiple-input-multiple-output (MIMO) communication systems, where a base station (BS) with a large scale antenna array communicates with a user equipment (UE) using beamforming. In particular, we propose Deep Scanning, in which a near-optimal beamforming vector can be found based on deep Q-learning. Through simulations, we confirm that the optimal beam vector can be found with a high probability. We also show that the complexity required to find the optimum beam vector can be reduced significantly in comparison with conventional beam search schemes.

Sign in / Sign up

Export Citation Format

Share Document