Research and Development of Signal Processing Algorithms in MIMO Systems Using Space-Time Codes

Cover Page

Cite item

Full Text

Abstract

Abstract: With the advancement of digital radio communication systems, there is a growing demand for enhanced spectral efficiency in mobile and hybrid radio systems and networks. To meet these requirements, Multiple-Input Multiple-Output (MIMO) technology is extensively employed in modern radio communication systems. The use of multiple transmitting and receiving antennas in MIMO systems imposes stringent performance requirements on signal processing algorithms. Consequently, the development of fast and efficient signal processing algorithms is a task of significant relevance.The aim of this study is to analyze and optimize space-time coding techniques and signal processing algorithms for MIMO systems. The research focuses on developing an algorithm that ensures the required level of performance while significantly reducing computational complexity. Methods. This study utilizes numerical simulation methods within the MATLAB environment to compare the performance of various signal processing algorithms in MIMO systems over a fading channel.Results. In addressing the research objectives, the principles of constructing space-time code matrices for different coding methods were examined, and coherent signal demodulation techniques were analyzed. Based on this analysis, an algorithm with reduced computational complexity is proposed. A key element of scientific novelty of this work lies in the development and application of a novel approach to approximate the inverse channel matrix, which is a computationally expensive operation, particularly for high-dimensional matrices in coherent demodulation algorithms. This new approach is based on the combined use of the iterative Jacobi method and the Neumann series expansion for the approximation of the matrix inverse.Practical significance. The developed algorithm can be utilized in the design of MIMO systems with a large number of transmitting and receiving antennas, as well as in the application of non-orthogonal coding schemes to increase the coding rate. In such systems, conventional demodulation methods require significant computational resources for inverting the channel matrix, which limits real-world performance. The proposed algorithm mitigates this bottleneck, enabling more practical implementations.

About the authors

K. K. Fam

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

Email: fam.kk@sut.ru

E. I. Glushankov

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

Email: glushankov.ei@sut.ru

References

  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

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a 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».