Masif MIMO sistemlerde kanal kestirimi
Channel estimation on massive MIMO systems
- Tez No: 487873
- Danışmanlar: YRD. DOÇ. DR. BAHATTİN KARAKAYA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 62
Özet
Bu tez'de çok hücreli masif çok girdili çok çıktılı (MIMO) sistemler için beklenti enbüyükleme (EM) ve uzay dönüşümlü genelleştirilmiş beklenti enbüyükleme (SAGE) kanal kestirim yöntemleri ele alınmıştır. Bu yöntemler kanalı yinelemeli olarak kestirir ve belli sayıda yinelemeden sonra en küçük kareler (LS) ve en büyük olabilirlikli (ML) kanal kestirim yöntemleri ile aynı ortalama karesel hata (MSE) performansını gösterir. LS ve ML kanal kestirim yöntemlerinde hesaplama karmaşıklığı oldukça yüksektir çünkü sistemdeki kullanıcı sayısı çok fazladır. Buna bağlı olarak pilot matrisinin ve kanal matrisinin boyutu da oldukça büyüktür ve kanal kestirimi sırasında pilot matrisinin eşlenik transpozunu almak gerekmektedir. Dolayısıyla kullanıcı sayısı arttıkça hesaplama karmaşıklığı da oldukça artmaktadır. Önerilen yinelemeli kanal kestirim yöntemlerinde ise hesaplamalardaki matrisler vektör boyutuna indirgenir ve hesaplama karmaşıklığı önemli ölçüde azalır. Sonraki aşamada ise baz istasyonunun (BS) kanalın istatistiksel bilgisine sahip olduğu varsayılarak LS ve ML'ye kıyasla daha iyi MSE performansına sahip olan en küçük ortalama kareler (MMSE) ve maksimum a posteriori (MAP) kanal kestirim yöntemleri ele alınmıştır. Bu kanal kestirim yöntemlerinde istatistiksel bilginin hesabı büyük boyutlu matrisler üzerinden yapılır ve yine LS ve ML'de olduğu gibi büyük boyutlu pilot matrislerinin eşlenik transpozu alındığı için hesaplama karmaşıklığı LS ve ML'ye göre daha fazladır. EM ve SAGE algoritmaları bu yöntemlere uygulandığında kanalın istatistiksel bilgisinin hesabı skaler sayı boyutuna indirgenir ayrıca pilot matrisinin boyutuda vektör boyutuna indirgenir. Böylece hesaplama karmaşıklığı MMSE ve MAP için de önemli ölçüde azaltılmış olur ve bu yöntemlerle aynı MSE performansı elde edilir. SAGE algoritması EM'ye kıyasla daha az sayıda yineleme yaparak kanalı kestirebilmektedir, dolayısıyla hesaplama karmaşıklığı açısından daha tercih edilebilir bir yöntemdir. Sonuç olarak, önerilen yöntemler, üst kısımda belirtilen kanal kestirim yöntemlerinin hesaplama karmaşıklığını önemli ölçüde azaltmaktadır.
Özet (Çeviri)
This paper represents efficient expectation-maximization (EM) and space-alternating generalized expectation-maximization (SAGE) algorithm based channel estimation methods for multi-cell massive multiple input multiple output (MIMO) systems. Least squares (LS) and maximum likelihood (ML) channel estimation methods require conjugate transpose of a large-size pilot matrix. The size of the pilot matrix depends on the number of users, and as the number of users increase, the size of the pilot matrix increases too. Conjugate transpose of the large-size matrix increases computational complexity. The proposed iterative channel estimation methods avoid computational complexity and converge to the same mean square error (MSE) performance of the LS and ML estimator with the increasing number of iterations. In the next step, the minimum mean square error (MMSE) and maximum a posteriori (MAP) channel estimation methods with better MSE performance are considered, compared to LS and ML, assuming that the base station (BS) has statistical information of the channel. In these channel estimation methods, the computational complexity is greater than LS and ML estimators because the statistical information is also computed over large-sized matrices. When the EM and SAGE algorithms are applied to these methods, the statistical information of the channel is computed over the scalar numbers and again the size of the pilot matrix is reduced to the vector size, so the computational complexity is significantly reduced for these methods and the same MSE performance is obtained with MMSE and MAP estimators. The SAGE algorithm can estimate the channel by performing fewer iterations than EM, so it is a more preferable method in terms of computational complexity. Consequently, the proposed methods with low-rank approximation reduce the computational complexity significantly.
Benzer Tezler
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL
- A general framework on adaptive hybrid beamforming and channel acquisition for wideband mm-wave massive mimo systems
Genişbant milimetre dalga masif mimo sistemler için adaptif melez hüzme şekillendirme ve kanal kestirimi üzerine genel bir çerçeve
ANIL KURT
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN MUZAFFER GÜVENSEN
- An efficient beam and channel acquisition via sparsity map and joint angle-delay power profile estimation for wideband massive MIMO systems
Geniş bantlı masif MIMO sistemler için seyreklik haritası ve uzay-zaman güç profili kestirimine dayalı etkili hüzme ve kanal öğrenme algoritmaları
ALİ OSMAN KALAYCI
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN MUZAFFER GÜVENSEN
- An efficient interference-aware constrained beamforming and receiver design for mm-wave hybrid massive MIMO with non-orthogonal multiple access
Dik olmayan çoklu erişimli milimetre dalga hibrit masif MIMO için efektif bir girişim duyarlı hüzme şekillendirme ve alıcı tasarımı
MURAT BAYRAKTAR
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN MUZAFFER GÜVENSEN
- Array processing and optimization techniques of beamforming and resource allocation for enhanced spectral efficiency in 5g and beyond systems
5g ve ötesı sıstemlerının hüzmeleme ve spektral verımlılığının vektör íşleme ve optımızasyon ıle gerçekleştırılmesı
NANN WIN MOE THET NANN WIN MOE THET
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
Assoc. Prof. Dr. MEHMET KEMAL ÖZDEMİR