Исследование и разработка алгоритмов обработки сигналов в системах MIMO с применением пространственно-временных кодов

Обложка

Цитировать

Полный текст

Аннотация

Актуальность. С развитием цифровых радиотехнических систем передачи информации возрастают требования к спектральной эффективности мобильных и гибридных систем и сетей радиосвязи. Для удовлетворения этих требований в современных системах радиосвязи широко применяется технология многоканальных антенных систем (MIMO, аббр. от англ. Multiple-Input Multiple-Output). Использование нескольких передающих и приемных антенн в системах MIMO предъявляет повышенные требования по производительности алгоритмов обработки сигналов. В связи с этим задача разработки быстрых и эффективных алгоритмов обработки сигналов приобретает актуальность. Цель исследования заключается в анализе и оптимизации пространственно-временны́х методов кодирования, а также алгоритмов обработки сигналов в системах MIMO. Разработан алгоритм обработки сигналов, обеспечивающий необходимую спектральную эффективность, при существенно сниженной вычислительной сложности. В настоящем исследовании применяются методы численного моделирования в среде MATLAB для сравнения эффективности различных алгоритмов обработки сигналов в системах MIMO в канале с замираниями. В ходе решения поставленных задач рассмотрены принципы построения пространственно-временны́х кодовых матриц для методов кодирования, а также проанализированы методы когерентной демодуляции сигналов, на основе чего предложен алгоритм, обладающий пониженной вычислительной сложностью. Вычисление обратной матрицы канала в алгоритмах когерентной демодуляции, особенно для матриц высокой размерности, является вычислительно затратной операцией. В связи с этим научная новизна работы заключается в разработке и применении нового подхода к аппроксимации обратной матрицы, основанного на совместном использовании итерационного метода Якоби и разложения в ряд Неймана.Практическая значимость. Разработанный алгоритм может быть использован при построении систем MIMO с большим числом передающих и приемных антенн, а также при применении методов кодирования с неортогональной структурой для увеличения скорости кодирования. В таких системах использование методов демодуляции требует значительных вычислительных ресурсов для нахождения обратной матрицы, что ограничивает производительность в реальных условиях.

Об авторах

К. К. Фам

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича

Email: fam.kk@sut.ru

Е. И. Глушанков

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича

Email: glushankov.ei@sut.ru

Список литературы

  1. Варгаузин В.А., Цикин И.А. Методы повышения энергетической и спектральной эффективности цифровой радиосвязи. СПб.: БХВ-Петербург, 2013. 352 с. EDN SDSMUX
  2. Быховский М.А. Гиперфазовая модуляция ‒ оптимальный метод передачи сообщений в гауссовских каналах связи. М.: ТЕХНОСФЕРА, 2018. 310 с. EDN:IPVDXR
  3. Лукьянчик Я.И., Левенец А.В., Чье Е.У. Модель системы передачи данных с обратной связью и адаптивным выбором кодирования по состоянию канала связи // Информационные технологии XXI века. 2015. С. 506‒513. EDN:UDRXTH
  4. Кульбида В.А. Способы помехоустойчивого кодирования и декодирования для построения систем связи с адаптацией этих способов к состоянию канала // Техника радиосвязи. 2006. № 11. С. 40–51. EDN:LTWRRX
  5. Каменцев О.К. Алгоритмы обработки спектрально-эффективных сигналов с частотным мультиплексированием. Дис. … канд. физ.-мат. наук. Воронежский государственный университет, 2024. 131 с. EDN:JSKECY
  6. Мальцев А.А., Рубцов А.Е. Исследование характеристик OFDM-систем радиосвязи с адаптивным отключением поднесущих // Вестник Нижегородского университета им. Н.И. Лобачевского. 2007. № 5. С. 43–49. EDN:JXCIBV
  7. Бакулин М.Г., Крейнделин В.Б., Панкратов Д.Ю. Применение технологии MIMO в современных системах беспроводной связи разных поколений // T-Comm: Телекоммуникации и транспорт. 2021. Т. 15. № 4. С. 4–12. doi: 10.36724/2072-8735-2021-15-4-4-12. EDN:FPZEGW
  8. Панкратов Д.Ю., Пахомова А.В. Применение технологии MIMO для улучшения характеристик физического уровня беспроводных сетей Wi-Fi // Наукоемкие технологии в космических исследованиях Земли. 2024. Т. 16. № 3. С. 55–61. doi: 10.36724/2409-5419-2024-16-3-55-61. EDN:UEAIEZ
  9. Петров В.П., Якушев И.Ю. Современные технологии в системе MIMO // Вестник СибГУТИ. 2019. № 2. С. 94–108. EDN:HKRBBT
  10. Комаров М.И., Панкратов Д.Ю., Степанова А.Г., Чуманов А.Е. Помехоустойчивость и вычислительная сложность алгоритмов демодуляции для систем MIMO с разным числом антенн // DSPA: Вопросы применения цифровой обработки сигналов. 2022. Т. 12. № 1. С. 39–47. EDN:ENKGOL
  11. Крейнделин В.Б., Смирнов А.Э., Бен Режеб Т.Б.К. Эффективность методов обработки сигналов в системах MU-MIMO высоких порядков // T-Comm: Телекоммуникации и транспорт. 2016. Т. 10. № 12. С. 24–30. EDN:XKNRRJ
  12. Alamouti S.M. A simple transmit diversity technique for wireless communications // IEEE Journal on Selected Areas in Communications. 1998. Vol. 16. Iss. 8. PP. 1451–1458. doi: 10.1109/49.730453
  13. Tarokh V., Jafarkhani H., Calderbank R. Space-time block coding for wireless communications: performance results // IEEE Journal on Selected Areas in Communications. 1999. Vol. 17. Iss. 3. PP. 451–460. doi: 10.1109/49.753730
  14. Ganesan G., Stoica P. Space-time block codes: A maximum SNR approach // IEEE Transactions on Information Theory. 2001. Vol. 47. Iss. 4. PP. 1650–1656. doi: 10.1109/18.923754
  15. Arti M.K. OSTBC Transmission in Large MIMO Systems // IEEE Communications Letters. 2016. Vol. 20. Iss. 11. PP. 2308–2311. doi: 10.1109/LCOMM.2016.2597229
  16. Ozbek B., Ruyet D., Bellanger M. Non-Orthogonal Space-Time Block Coding Design for 3 Transmit Antennas. 2003. URL: https://easytp.cnam.fr/leruyet/Publications/gretsi2003.pdf (Accessed 25.06.2025)
  17. Dama Y., Abd-Alhameed R., Ghazaany T., Zhu S. A New Approach for OSTBC and QOSTBC // International Journal of Computer Applications. 2013. Vol. 67. Iss. 6. PP. 45–48. doi: 10.5120/11403-6719
  18. Wu C., Yang S., Xiao Y., Xiao M. Quasi-Orthogonal Space-Time Block Coded Spatial Modulation // IEEE Transactions on Communications. 2022. Vol. 70. Iss. 12. PP. 7872–7885. doi: 10.1109/TCOMM.2022.3216805. EDN:JFXAGD
  19. Seema S., Arti M.K., Reddy B. Data Detection in Large MIMO System with Reduced Computational Complexity for QOSTBC Transmission // Proceedings of the 3rd International Conference on Advancement in Electronics & Communication Engineering (AECE, Ghaziabad, India, 23‒24 November 2023). IEEE, 2023. PP. 46–50. doi: 10.1109/AECE59614.2023. 10428602
  20. Jung Y.-H., Nam S.H., Chung J., Kim Y., Ko K., Chae C.-B., et al. Enhancement of Rate 2 STC with Antenna Grouping // IEEE 802.16 Broadband Wireless Access Working Group. 2004. URL: https://www.ieee802.org/16/tge/contrib/C80216e-04_555.pdf (Accessed 25.06.2025)
  21. Chae C.-B., Roh W., Yun S.-R., Ko K., Jeong H., Oh J.T., et al. Enhancement of STC with Antenna Grouping // IEEE 802.16 Broadband Wireless Access Working Group. 2004. URL: https://ieee802.org/16/tge/contrib/C80216e-04_554r4.pdf (Accessed 25.06.2025)
  22. Djemamar Y., Ibnyaich S., Zeroual A. Space-Time Block Coding Techniques for MIMO 2×2 System using Walsh-Hadamard Codes // Journal of International Conference on Electrical and Information Technologies. 2022. PP. 1–7. doi: 10.6109/jicce.2022.20.1.1
  23. Mecklenbräuker C.F., Rupp M. Generalized Alamouti Codes for Trading Quality of Service Against Data Rate in MIMO UMTS // EURASIP Journal on Advances in Signal Processing. 2004. PP. 662–675. doi: 10.1155/S1110865704310061
  24. Быховский М.А. Пространственно-временное кодирование в системах MISO // Электросвязь. 2020. № 1. С. 67–75. doi: 10.34832/ELSV.2020.2.1.010. EDN:LARTEL
  25. Смирнов А.Э. Снижение порядка вычислительной сложности алгоритмов детектирования в многоантенных системах за счёт использования алгоритмов быстрого умножения матриц // Фундаментальные проблемы радиоэлектронного приборостроения. 2015. Т. 15. № 5. С. 267–270. EDN:VOUGPX
  26. Панкратов Д.Ю., Степанова А.Г. Вычислительная сложность алгоритмов демодуляции систем MIMO с большим числом антенн // DSPA: Вопросы применения цифровой обработки сигналов. 2021. Т. 11. № 1. С. 11–20. EDN:QTSOZP
  27. Khrapov P.V., Volkov N.S. Comparative analysis of Jacobi and Gauss-Seidel iterative methods // International Journal of Open Information Technologies. 2024. Vol. 12. Iss. 2. PP. 23–34. doi: 10.48550/arXiv.2307.09809. EDN:INYTHE
  28. Björck, Å. Numerical Methods in Matrix Computations. Cham: Springer, 2015. 551 p. doi: 10.1007/978-3-319-05089-8
  29. Cho Y.S., Kim J., Yang W.Y., Kang C.G. MIMO-OFDM Wireless Communications with MATLAB. John Wiley & Sons, 2010. 439 p. doi: 10.1002/9780470825631. EDN:SRQIDH

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


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».