Исследование влияния эффекта устаревания канала связи на характеристики прекодирования в системе MU-MISO при различной скорости перемещения абонентов

В статье рассматривается влияние задержек измеренного состояния канала, вызванное перемещением абонентов и связанным с задержками эффектом устаревания канала на характеристики прекодирования на основе метода кодовых книг ДПФ в многопользовательской системе MISO в нисходящем направлении. Оценка канала получена при помощи алгоритма MMSE. В работе рассматривается алгоритм прекодирования на основе кодовых книг и метод, основанный на численной оптимизации для вычисления весовых векторов прекодирования с целью повышения суммарной спектральной эффективности многопользовательской системы.

Для проведения численного моделирования использовался пакет моделирования радиоканала QUADRIGA, позволяющий получить необходимый объем реализаций канала MISO при перемещении абонентов с различной скоростью. Сравнение полученных характеристик прекодирования сравниваемых алгоритмов в канале с перемещением абонентов и наличием пространственной корреляции выполняется на основе функции распределения средней спектральной эффективности по множеству пользователей.

1. E. Castaneda, A. Silva, A. Gameiro, and M. Kountouris, An overview on resource allocation techniques for multi-user MIMO systems, IEEE Communications Surveys and Tutorials, vol. 19, no. 1, pp. 239-284, 2017.

2. Truong, K.T.; Heath, R.W. Effects of channel aging in massive MIMO systems. J. Commun. Netw. 2013, 15, 338-351.

3. Yin, H.;Wang, H.; Liu, Y.; Gesbert, D. Addressing the Curse of Mobility in Massive MIMOWith Prony-Based Angular-Delay Domain Channel Predictions. IEEE J. Sel. Areas Commun. 2020, 38, 2903-2917.

4. 3GPP, NR; Physical channels and modulation, 3rd Generation Partnership Project (3GPP), Technical Specification (TS) 38.211, 10, version 16.3.0.

5. R. Chopra, C. R. Murthy, H. A. Suraweera, and E. G. Larsson, Performance analysis of FDD massive MIMO systems under channel aging, IEEE Trans. Wireless Commun., vol. 17, no. 2, pp. 1094-1108, Feb. 2018.

6. L. H. Nguyen, R. Rheinschmitt, T. Wild, and S. Brink, Limits of channel estimation and signal combining for multipoint cellular radio, in Proc. 8th Int. Symp. Wireless Communication Systems, 2011, pp. 176-180.

7. J. Zheng, J. Zhang, E. Bjornson, and B. Ai, Impact of channel aging on cell-free massive MIMO over spatially correlated channels, IEEE Trans. Wireless Commun., vol. 20, no. 10, pp. 6451-6466, 2021.

8. M. Bengtsson and B. Ottersten, Optimal and suboptimal transmit beamforming, in Handbook of Antennas in Wireless Communications, L. C. Godara, Ed. CRC Press, 2001.

9. W. Yu and T. Lan, Transmitter optimization for the multi-antenna downlink with per-antenna power constraints, IEEE Trans. Signal Process., vol. 55, no. 6, pp. 2646-2660, 2007.

10. S. Jaeckel, L. Raschkowski, K. Boerner and L. Thiele, F. Burkhardt, E. Eberlein, "QuaDRiGa - Quasi Deterministic Radio Channel Generator,'' User Manual and Documentation. Tech. Rep. v2.2.0, Fraunhofer Heinrich Hertz Institute (2019).

11. S. Jaeckel, L. Raschkowski, K. Boerner and L. Thiele, QuaDRiGa: A 3-D Multicell Channel Model with Time Evolution for Enabling Virtual Field Trials, IEEE Transactions on Antennas Propagation, 2014.

12. M. Grant, S. Boyd, CVX: Matlab software for disciplined convex programming, version 2.1.. [сайт]. [2019]. URL: http://cvxr.com/cvx (дата обращения: 31.01.2024).

13. Kalachikov A. Numerical Evaluation of the MU-MIMO Beamforming Performance with User Selection Algorithm. Proceedings of Telecommunication Universities. 2023;9(2):65-71. (In Russ.) https://doi.org/10.31854/1813-324X-2023-9-2-65-71