Çok girişli çok çıkışlı (MIMO) sistemlerde kanal tahmini ve hat uyarlaması ile başarım iyileştirmesi
Performance improvement with channel prediction and link adaptation in multiple input multiple output (MIMO) systems
- Tez No: 275802
- Danışmanlar: DOÇ. DR. ADNAN KAVAK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 167
Özet
Verici ve alıcıda çok elemanlı anten dizilerinden oluşan çok girişli çok çıkışlı (Multiple Input Multiple Output, MIMO) sistemler daha yüksek veri hızları (kapasiteleri) için artan talebi karşılayan anahtar teknolojidir. MIMO sistemlerinin kapasitesi kanal durum bilgisinin (Channel State Information, CSI) kalitesinden önemli derecede etkilenir. CSI'yı vericide elde etmek için aşağı bağlantı ve yukarı bağlantıda aynı taşıyıcı frekansını paylaşan zaman bölmeli çift yönlü iletim (Time Division Duplex, TDD) modu kullanılabilir. TDD-MIMO sisteminde aşağı bağlantı aralığındaki CSI, karşıtlık prensibi kullanılarak yukarı bağlantı kanalından elde edilir. Ancak, MIMO sisteminin başarımı özellikle hızlı bozunum ortamlarında yukarı bağlantıdan elde edilen CSI'nın aşağı bağlantı iletiminde kullanılması durumunda kanal bozulmalarından dolayı etkilenir. Bu problemi ortadan kaldırmak için aşağı bağlantıda kullanılacak CSI'nın güncellenmesi gereklidir. Tezin ilk bölümünde, değişen kanal yayılım koşullarında öz bağlanımlı (Autoregressive, AR) modellemeye dayalı MIMO kanal tahmininin başarımı incelenmektedir. Aşağı bağlantıda tahmin edilen CSI'nın kullanılması, geleneksel metot ile karşılaştırıldığında daha iyi kapasite gelişimi sağlamaktadır.MIMO-OFDM sisteminde en iyi modülasyon ve kodlama şemasını (Modulation and Coding Scheme, MCS) seçmek için uyarlamalı modülasyon ve kodlamaya (Adaptive Modulation and Coding, AMC) uygulanmalıdır. Bu tezde, AMC için makine öğrenmesi tekniklerinden olan yapay sinir ağı (Artificial Neural Network, ANN) yapısı önerilmektedir. ANN yaklaşımı, frekansta düz ve frekansta seçici kanallarda k en yakın komşu (k-Nearest Neighbour, k-NN) algoritması ile karşılaştırılmaktadır. Simülasyon sonuçları, her iki kanal koşulunda, önerilen ağ yaklaşımının AMC için uygulanabilirliğini doğrulamaktadır ve özellikle paket hata oranı (Packet Error Rate, PER) türünden ANN tekniğinin k-NN algoritmasından daha iyi sonuçlar verdiğini ve yaklaşık aynı spektral verimlilik başarımına sahip olduğunu göstermektedir. Üstelik, önerilen ANN daha yüksek haberleşme güvenilirliği sağlayan, düşük MCS indeks numarası seçimini de garanti etmektedir. Sonuç olarak, AMC sınıflandırıcısı PER (güvenilirlik) ve spektral verimlilik (veri hızı) arasındaki ödünleşmeye bağlı olarak seçilebilmektedir.
Özet (Çeviri)
Multiple input multiple output (MIMO) systems consisting of multi-element antenna arrays at both the transmitter and the receiver is the key technology which meets the increasing demand for higher data rates (capacities). The capacity of MIMO systems are significantly affected by the quality of the channel state information (CSI). To obtain CSI at the transmitter, the time division duplex (TDD) mode which share the same carrier frequency in the downlink and the uplink can be exploited. The CSI in the downlink interval can be obtained from the uplink channel using reciprocity principal in TDD-MIMO system. However, the performance of a MIMO system can be affected due to channel impairments, especially in the fast fading scenarios in the case that the CSI obtained from the uplink is used in the downlink transmission. To overcome this difficulty, CSI for downlink is required to be updated. In the first part of this thesis, we study the performance of autoregressive (AR) modelling based MIMO channel prediction under varying channel propagation conditions. In the downlink, using the updated CSI provides better capacity improvement compared to the conventional method.Adaptive modulation and coding (AMC) based link adaptation is applied in MIMO-OFDM wireless system to select the best modulation and coding scheme (MCS). We propose an artificial neural network (ANN) framework as a machine learning technique for AMC. The ANN approach is compared with the k-nearest neighbour (k-NN) algorithm in frequency-flat and frequency-selective channels. Simulation results validate the implementation of the proposed neural network approach for AMC in both channel conditions, and show that the neural network technique outperforms k-NN algorithm especially in terms of PER and nearly the same spectral efficiency performance. Furthermore, the proposed ANN guarantees the selection of lower MCS index number which provides higher communication reliability as well. Consequently, AMC classifier can be chosen depending on the trade-off between PER (reliability) and spectral efficiency (data rate).
Benzer Tezler
- Deep learning aided data detectionfor future wireless communication systems
Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti
MERVE TURHAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- I/Q dengesizliğinin uyarlanabilir akıllı yüzey – destekli uzaysal modülasyon sistemleri üzerindeki etkileri
The effects of I/Q imbalance on reconfigurable intelligent surface-asissted spatial modulation systems
ELİF ÖYKÜ ALTUNDAĞ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE ELİF CANBİLEN
- Channel estimation for spatial media-based modulation
Uzaysal ortam-tabanlı modülasyon için kanal kestirimi
AKİF KABACI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- A novel receiver architecture for single carrier noma transmission in wideband sparse mimo channel
Tek taşıyıcılı dikgen olmayan çoklu erişim iletiminde, genişbant seyrek çok girişli çok çıkışlı kanal için özgün bir alıcı yapısı
BURAK HALİL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN MUZAFFER GÜVENSEN
- Signal processing techniques for security enhancement of wireless networks at the physical layer
Sinyal işlem teknikleri için fiziksel katman kablosuz ağlarda güvenlik geliştirilmesi
MORTEZA SOLTANI
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
Prof. Dr. HÜSEYİN ARSLAN
Assist. Prof. Dr. TUNÇER BAYKAŞ