Анализ характеристик алгоритмов прекодирования сигналов в системе MU-MIMO с оцениванием канала
https://doi.org/10.55648/1998-6920-2024-18-1-109-120
Аннотация
В статье представлены результаты имитационного моделирования алгоритма прекодирования ZF с использованием группирования абонентов по алгоритмам ортогонального выбора и максимизации взаимной информации в нисходящей системе MUMIMO. При количестве пользователей большем, чем количество антенн на базовой станции, возникает взаимная корреляция между каналами пользователей, что снижает суммарную спектральную эффективность системы MU-MIMO. Для снижения эффекта взаимной корреляции применяется подбор пользователей на основе максимальной ортогональности между ними. Суммарная спектральная эффективность в системе MU-MIMO зависит от условий реального распространения сигналов, и для каналов с пространственной корреляцией необходимо использовать выбор подмножества абонентов с низкой корреляцией между их векторами каналов. В данной статье для исследования эффективности выбора подмножества абонентов используется модель канала с открытым исходным кодом, позволяющая получать реалистичные реализации канала.
Ключевые слова
Об авторе
А. А. КалачиковРоссия
Калачиков Александр Александрович, к.т.н., доцент кафедры радиотехнических систем
630102, Новосибирск, ул. Кирова, д. 86
Список литературы
1. Bjornson E., Hoydis J., Sanguinetti L. Massive MIMO Networks: Spectral, Energy, and Hardware Efficiency // Foundations and Trends in Signal Processing. 2017. V. 11, № 3–4. P. 154–655.
2. Castaneda E., Silva A., Gameiro A., and Kountouris M. An overview on resource allocation techniques for multi-user MIMO systems // IEEE Communications Surveys and Tutorials. 2017. V. 19, № 1. P. 239–284.
3. 3GPP TS 38.211. NR Physical channels and modulation – Release 15 Technical Report 38.211 V15.8.0, 2020.
4. Bayesteh A. and Khandani A. K. On the user selection for MIMO broadcast channels // IEEE Trans. Inform. Theory. 2008. V. 54, № 3. P. 1086–1107.
5. Yoo T. and Goldsmith A. On the optimality of multiantenna broadcast scheduling using zeroforcing beamforming // IEEE J. Select. Areas Commun. 2006. V. 24, № 3. P. 528–541.
6. Dimic G. and Sidiropoulos N. D. On downlink beamforming with greedy user selection: Performance analysis and a simple new algorithm // IEEE Trans. Signal Processing. 2005. V. 53, № 10. P. 3857–3868.
7. Kaltenberger F., Gespert D. Performance of Multi-User MIMO Precoding with Limited Feedback over Measured Channels // Proc. IEEE GLOBECOM 2008, New Orleans, LA, USA.
8. Yong Soo Cho, Jaekwon Kim, Won Y. Yang, Chung G. Kang MIMO-OFDM Wireless Communications with MATLAB. John Wiley and Sons, 2010.
9. 3GPP. Study on Channel Model for Frequencies from 0.5 to 100 GHz, V16.1.0. Tech. Rep. 38.901, 2020.
10. Clerckx B., Kim G., and Sung J. Correlated fading in broadcast MIMO channels: curse or blessing? // Proc. IEEE IEEE GLOBECOM 2008, New Orleans, LA, USA.
11. Jaeckel S., Raschkowski L., Boerner K. and Thiele L., Burkhardt F., Eberlein E. QuaDRiGa – Quasi Deterministic Radio Channel Generator. User Manual and Documentation. Tech. Rep. v2.2.0, Fraunhofer Heinrich Hertz Institute, 2019.
12. Jaeckel S., Raschkowski L., Boerner K., and Thiele L. QuaDRiGa: A 3-D Multicell Channel Model with Time Evolution for Enabling Virtual Field Trials // IEEE Transactions on Antennas Propagation, 2014.
Рецензия
Для цитирования:
Калачиков А.А. Анализ характеристик алгоритмов прекодирования сигналов в системе MU-MIMO с оцениванием канала. Вестник СибГУТИ. 2024;18(1):109-120. https://doi.org/10.55648/1998-6920-2024-18-1-109-120
For citation:
Kalachikov A.A. Numerical Evaluation of the MU-MIMO Beamforming Performance with Channel Estimation. The Herald of the Siberian State University of Telecommunications and Information Science. 2024;18(1):109-120. (In Russ.) https://doi.org/10.55648/1998-6920-2024-18-1-109-120