Численное моделирование прекодирования ZF и оптимального прекодирования в канале MU-MISO при задержках информации о канале

Обложка

Цитировать

Полный текст

Аннотация

В статье рассматривается влияние задержек измеренного состояния канала, вызванное перемещением абонентов и эффектом его старения, на характеристики прекодирования в многопользовательской системе MISO в нисходящем направлении. Рассматриваются алгоритмы прекодирования – метод обнуления интерференции (ZF) и метод, основанный на численной оптимизации для вычисления весовых векторов прекодирования с целью повышения суммарной спектральной эффективности многопользовательской системы. Для проведения численного моделирования используется пакет моделирования радиоканала QuaDRiGa, позволяющий получить необходимый объем реализаций канала MISO при перемещении абонентов с различной скоростью. Сравнение полученных характеристик прекодирования сравниваемых алгоритмов в канале с перемещением абонентов и наличием пространственной корреляции выполняется на основе функции распределения средней спектральной эффективности по множеству пользователей.

Об авторах

А. А. Калачиков

Сибирский государственный университет телекоммуникаций и информатики

Email: 330rts@gmail.com
ORCID iD: 0000-0003-1235-6314
SPIN-код: 7506-5480

Список литературы

  1. Castaneda E., Silva A., Gameiro A., Kountouris M. An Overview on Resource Allocation Techniques for Multi-User MIMO Systems // IEEE Communications Surveys & Tutorials. 2017. Vol. 19. Iss. 1. PP. 239‒284. doi: 10.1109/COMST.2016.2618870
  2. Castañeda E., Silva A., Gameiro A., Kountouris M. An Overview on Resource Allocation Techniques for Multi-User MIMO Systems // Communications Surveys and Tutorials. 2017. Vol. 19. Iss. 1. PP. 239‒284. doi: 10.1109/COMST.2016.2618870
  3. Truong K.T., Heath R.W. Effects of channel aging in massive MIMO systems // Journal of Communications and Networks. 2013. Vol. 15. Iss. 4. PP. 338‒351. doi: 10.1109/JCN.2013.000065
  4. Yin H., Wang H., Liu Y., Gesbert D. Addressing the Curse of Mobility in Massive MIMO With Prony-Based Angular-Delay Domain Channel Predictions // IEEE Journal on Selected Areas in Communications. 2020. Vol. 38. Iss. 12. PP. 2903‒2917. doi: 10.1109/JSAC.2020.3005473
  5. ETSI TS 138.211 V16.3.0 (2020-11). 5G; NR; Physical channels and modulation.
  6. Chopra R., Murthy C.R., Suraweera H.A., Larsson E.G. Performance Analysis of FDD Massive MIMO Systems Under Channel Aging // IEEE Transactions on Wireless Communications. 2018. Vol. 17. Iss. 2. PP. 1094‒1108. doi: 10.1109/TWC.2017.2775629
  7. Nguyen L.H., Rheinschmitt R., Wild T., Brink S. Limits of channel estimation and signal combining for multipoint cellular radio (CoMP) // Proceedings of the 8th International Symposium on Wireless Communication Systems (Aachen, Germany, 06‒09 November 2011). IEEE, 2011. PP. 176‒180. doi: 10.1109/ISWCS.2011.6125333
  8. Zheng J., Zhang J., Bjornson E., Ai B. Impact of Channel Aging on Cell-Free Massive MIMO Over Spatially Correlated Channels // IEEE Transactions on Wireless Communications. 2021. Vol. 20. Iss. 10. PP. 6451‒6466. doi: 10.1109/TWC.2021.3074421
  9. Bengtsson M., Ottersten B. Optimal and Suboptimal Transmit Beamforming // In: Godara L.C. (ed.) Handbook of Antennas in Wireless Communications. CRC Press, 2002.
  10. Yu W., Lan T. Transmitter Optimization for the Multi-Antenna Downlink With Per-Antenna Power Constraints // IEEE Transactions on Signal Processing. 2007. Vol. 55. Iss. 6. PP. 2646‒2660. doi: 10.1109/TSP.2006.890905
  11. ETSI TR 138 901 V15.0.0 (2018-07) 5G; Study on channel model for frequencies from 0.5 to 100 GH.
  12. Jaeckel S., Raschkowski L., Boerner K., Thiele L., Burkhardt F., Eberlein E. QuaDRiGa ‒ Quasi Deterministic Radio Channel Generator. User Manual and Documentation. Document Revision: v2.2.0. Fraunhofer Heinrich Hertz Institute, 2019.
  13. Jaeckel S., Raschkowski L., Boerner K., Thiele L. QuaDRiGa: A 3-D Multicell Channel Model with Time Evolution for Enabling Virtual Field Trials // IEEE Transactions on Antennas Propagation. 2014. Vol. 62. Iss. 6. PP. 3242‒3256. doi: 10.1109/TAP.2014.2310220
  14. Grant M., Boyd S. CVX: Matlab Software for Disciplined Convex Programming. Version 2.2 // CVX Research. 2020. URL: http://cvxr.com/cvx (Accessed 23.04.2024)
  15. Kalachikov A.A., Streltsov G.G. FPGA implementation of Gaussian noise generator // Proceedings of the International Siberian Workshop on Electron Devices and Materials (Erlagol, Russia, 01‒05 July 2004). IEEE, 2004. doi: 10.1109/PESC.2004.241133
  16. Калачиков А.А. Анализ характеристик алгоритмов прекодирования сигналов в системе MU-MIMO с группированием абонентов // Труды учебных заведений связи. 2023. Т. 9. № 2. С. 65‒71. doi: 10.31854/1813-324X-2023-9-2-65-71

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».