Συντάχθηκε 02-02-2022 12:40
Τόπος: Η παρουσίαση θα γίνει με τηλεδιάσκεψη
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 04/02/2022 12:00
Λήξη: 04/02/2022 13:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΝΕΟΝΑΚΗΣ ΠΑΥΛΟΣ- ΣΤΥΛΙΑΝΟΣ
θέμα
Εκτίμηση Αραιών Καναλιών στο Πεδίο Γωνίας
Estimation of Sparse, in the Angle Domain, Massive MIMO Channels
Εξεταστική Επιτροπή
Καθηγητής Αθανάσιος Λιάβας (επιβλέπων)
Καθηγητής Γεώργιος Καρυστινός
Καθηγητής Μιχαήλ Πατεράκης
Περίληψη
Μια από τις τεχνολογίες που κάνουν το 5G διαφορετικό από τις προηγούμενες γενιές συστημάτων ασύρματων επικοινωνιών είναι το Massive MIMO. Όταν αναφερόμαστε σε Massive MIMO εννοούμε, κυρίως, την ύπαρξη πολλών κεραιών (της τάξης των εκατοντάδων) στον σταθμό βάσης (Base Station).
Σημαντικά πλεονεκτήματα των Massive MIMO συστημάτων είναι η αύξηση της ενεργειακής αποδοτικότητας, μέσω της κατευθυνόμενης δέσμης σήματος, και η αύξηση της χωρητικότητας του καναλιού. Για να εκμεταλλευτούμε αυτά τα πλεονεκτήματα είναι απαραίτητη η γνώση του καναλιού στον πομπό, η οποία, στην περίπτωση αυτή, απαιτεί μεγάλο κόστος εκπαίδευσης, λόγω του μεγάλου πλήθους των συντελεστών του καναλιού.
Σε αυτή την Διπλωματική εργασία, εκμεταλλευόμενοι την αραιότητα (sparsity) του καναλιού στο πεδίο των γωνιών (angle domain), μελετούμε μεθόδους εκτίμησης καναλιού σε συστήματα Massive MIMO με χαμηλό κόστος εκπαίδευσης. Αρχικά, παρουσιάζουμε μία προσέγγιση όπου η εκτίμηση του καναλιού γίνεται μέσω ελαχιστοποίησης μίας weighted l1 νόρμας, με βάρη 0 και 1, χρησιμοποιώντας εκ των προτέρων γνώση σχετικά με τη θέση των μη μηδενικών στοιχείων στο πεδίο των γωνιών. Στη συνέχεια, προτείνουμε μία παραλλαγή, όπου χρησιμοποιούμε διαφορετικά βάρη. Προσομοιώνουμε τις μεθόδους και μελετούμε τα ποιοτικά χαρακτηριστικά τους σε διάφορα σενάρια ενδιαφέροντος.
Abstract
One of the technologies that makes 5G different from previous generations of wireless communications systems is Massive MIMO. When we refer to Massive MIMO, we mean that there are many antennas (of the order of hundreds) at the Base Station.
Major benefits of Massive MIMO systems are the increased energy efficiency, through directional beamforming, and the increased channel capacity. In order to attain these advantages, it is crucial to have channel knowledge at the transmitter, which, in this case, requires large training overhead, due to the large number of channel coefficients.
In this Diploma thesis, we exploit the channel sparsity in the angle domain and study Massive MIMO channel estimation methods with low training overhead. First, we present an approach where channel estimation is done by the minimization of a weighted l1 norm, with weights equal to 0 and 1, using prior knowledge about the positions of the nonzero elements in the angular domain. Next, we propose an alternative, where we use different weights. We simulate these methods and we test their behavior in many case studies.
Meeting ID: 992 6547 3916
Password: 423928
