The next generation 5G systems has attracted more and more attention to the rapid development of information and communication technology (ICT). Positioning is an important research area in 5G mobile networks, especially in M-MIMO wireless networks. Because the base station needs to have a knowledge of the position of the user equipment, which can direct the signal to the user equipment while reducing interference and hence improve the user throughput. But the problem is that it is difficult to determine position when users are in NLOS scenarios. In the master thesis, we conclude the existing positioning method by the literature review, as well as get the inspiration to design our research environment. Through the MATLAB simulation, we restore the Madrid city three-dimensional environment, design and confirm a new method for the positioning by the AoA and the path power in NLOS scenarios. Our results indicate that the new positioning method demonstrates a nice performance of the accurate level even in the NLOS scenarios, in which the error of the position of the user equipment is within o.5 meters. Although the method is very sensitive to the strange signal paths, we can use the path with the strongest path power to overcome this problem. Meanwhile, the performance of our new positioning method is not impacted by the existence of the scattering loss. / Nästa generations 5G-system har fått mer och mer uppmärksamhet åt den snabba utvecklingen av informations- och kommunikationsteknik (IKT). Positionering är ett viktigt forskningsområde i 5G-mobilnät, särskilt i trådlösa M-MIMO-nätverk. Eftersom basstationen behöver ha kunskap om användarutrustningens position, vilket kan rikta signalen till användarutrustningen samtidigt som störningen minskas och därmed förbättra användarens genomströmning. Men problemet är att det är svårt att bestämma positionen när användare är i NLOS-scenarier. I magisteruppsatsen avslutar vi den befintliga positioneringsmetoden genom litteraturöversikten och får inspiration att designa vår forskningsmiljö. Genom MATLAB-simuleringen återställer vi stadens tredimensionella miljö, designar och bekräftar en ny metod för positionering av AoA och bankraften i NLOS-scenarier. Våra resultat indikerar att den nya positioneringsmetoden visar en bra prestanda för den exakta nivån även i NLOS-scenarierna, där felet i användarutrustningens position ligger inom o.5 meter. Även om metoden är mycket känslig för de konstiga signalvägarna kan vi använda banan med den starkaste vägkraften för att övervinna detta problem. Samtidigt påverkas inte vår nya positioneringsmetod av spridningsförlusten.

The distribution of massive ground ice in the ground in Taylor Valley of the McMurdo Dry Valleys, Antarctica, is quite unknown, and could provide answers to questions such as where the ice comes from, if it has been affected and removed by proglacial lakes and how landscapes underlain by massive ground ice responds to climate change. It could also be a source for atmospheric information in the past and hence a key in climate research. The main goal with this project was therefore to map the distribution of massive ground ice mainly in Taylor Valley, but also in the adjacent Salmon Valley and Wright Valley, using ground penetrating radar to see how the distribution varied and if there was any spatial patterns. The technical computing programme MATLAB was used for editing of the raw radar data, merging of GPR profiles and digitalization of reflectors for possible massive ground ice and several compilations of different files. The data obtained from MATLAB was imported and interpreted using the geographic information system ArcGIS. A series of histograms showing the distribution of massive ground ice depending on the parameters elevation, slope and aspect were made by using the spreadsheet application Microsoft Excel. The results showed that the distribution of massive ground ice was more common at elevations up to 200 m, at the mouth of the valleys and also more frequent in Taylor Valley than in Wright Valley. There was a slightly higher amount of massive ground ice at northeast-east aspects, probably due to different incoming solar radiation. The lack of, or not that prominent, differences for slope and aspect can be due to lack of data, a not enough detailed digital elevation model or that it have existed for a too short period of time to display big differences caused by effects from these parameters. The higher frequency of massive ground ice in Taylor Valley can be due to a thicker sediment cover when compared with the situation in Wright Valley. The distribution of massive ground ice at different slopes seems to follow the distribution of radar measurements, whereas the origin of the massive ground ice and sediment cover can be responsible for the distribution across different elevations. The reason why massive ground ice still occurs despite the existence of Glacial Lake Washburn that previously occupied Taylor Valley could be that the glacial lake did not remain for a sufficiently long time to melt all the massive ice. Massive ground ice is very common in a zone that is believed to be very susceptible for future warming, which means that changes that already have been observed in areas rich in massive ground ice can continue to happen and changes in other areas with massive ice can be enabled. The ice can thus play a major role in the development of the landscape in the McMurdo Dry Valleys depending on the amount of warming. / Markis kan hittas i mark som har temperaturer under 0°C under åtminstone 2 år i följd och därav klassas som permafrost, skillnaden mellan markis och permafrost är däremot att permafrost inte behöver vara just is utan kan enbart vara kall mark. För att markis ska klassas som massiv is så ska andelen is i marken vara minst 250 % jämfört med vikten på torr jord. Utbredningen av sådan massiv is i Taylor Valley i McMurdos torrdalar på Antarktis är inte helt känd, och kunskapen om att veta vart den finns (om den finns) skulle kunna ge svar på frågor som vart den kommer ifrån, om den har påverkats och smält bort av isuppdämda sjöar och hur landskap som är grundade av massiv markis påverkas av klimatförändringar. Isen skulle även kunna vara en informationskälla för tidigare atmosfäriska förhållanden. Huvudsyftet med detta arbete var därför att kartlägga utbredningen av massiv is främst i Taylor Valley, men även i de närliggande dalarna Salmon Valley och Wright Valley, och undersöka hur utbredningen varierar beroende på olika landskapsegenskaper som påverkar dess förekomst. Datorprogrammet och programspråket MATLAB användes för att editera rådatat från radar-mätningarna i området, samt för att sammanföra och digitalisera horisonter för möjlig massiv markis i radarfigurerna och för ett antal sammanställningar av olika filer. Data erhållet från MATLAB importerades till det geografiska informationssystemet ArcGIS där det kunde visualiseras i kartor och tolkas. Ett antal histogram skapades i kalkylprogrammet Microsoft Excel för att visa frekvensen av massiv markis vid olika höjder, sluttningsvinklar och olika väderstrecksriktningar. Resultaten visade att det var mer vanligt med massiv is höjder upp till 200 m, vid mynningarna av dalarna samt i Taylor Valley jämfört med Wright Valley. Det var en aning mer vanligt med massiv markis vid nordöst-östliga sluttningsriktningar, vilket antagligen beror på olika mängder inkommande solstrålning till de olika riktningarna. Avsaknaden av, eller inte så märkbara, skillnader för olika sluttningsvinklar och riktningar kan bero på att mängden data var för liten, att höjdkartan inte var tillräckligt detaljerad eller att isen inte har funnits tillräckligt länge för att bli påverkad av dessa parametrar. Anledningen till att det finns mer massiv markis i Taylor Valley än i Wright Valley kan vara att det skyddande sedimenttäcket är tunnare i Wright Valley än i Taylor Valley. Frekvensen av massiv markis vid olika sluttningsvinklar verkar bero på det totala antalet mätningar gjorda, fler mätningar leder till en högre frekvens av markis, medan dess ursprung samt det antagna tunnare sedimenttäcket på högre höjder kan vara anledningen till de olika frekvenserna av massiv markis vid olika höjder. Anledningen till varför det fortfarande finns massiv markis trots existensen av den isuppdämda sjön Washburn som tidigare fanns i Taylor Valley, och att isen således inte helt har smält bort på grund av sjön, kan vara att den fanns under en för kort tid så att de långsamma termodynamiska processerna som skulle orsaka smältningen inte hann agera tillräckligt länge för att smälta all is. Den massiva markisen är vanlig i en zon som tros vara väldigt mottaglig för framtida uppvärmning, vilket betyder att landskapsförändringar som redan har observerats i områden med mycket massiv markis kan fortsätta att ske samtidigt som andra områden med massiv markis kan börja förändras. Isen kan därför spela en stor roll i landskapsutvecklingen i McMurdos torrdalar beroende på hur mycket varmare det blir i området.

As a novel beyond fifth-generation (5G) concept, cell-free massive MIMO (multiple-input multiple-output) recently has become a promising physical-layer technology where an enormous number of distributed access points (APs), coordinated by a central processing unit (CPU), cooperate to coherently serve a large number of user equipments (UEs) in the same time/frequency resource. However, denser AP deployment in cell-free networks as well as an exponentially growing number of mobile UEs lead to higher power consumption. What is more, similar to conventional cellular networks, cell-free massive MIMO networks are dimensioned to provide the required quality of service (QoS) to the UEs under heavy traffic load conditions, and thus they might be underutilized during low traffic load periods, leading to inefficient use of both spectral and energy resources. Aiming at the implementation of energy-efficient cell-free networks, several approaches have been proposed in the literature, which consider different AP switch ON/OFF (ASO) strategies for power minimization. Different from prior works, this thesis focuses on additional factors other than ASO that have an adverse effect not only on total power consumption but also on implementation complexity and operation cost. For instance, too frequent ON/OFF switching in an AP can lead to tapering off the potential power saving of ASO by incurring extra power consumption due to excessive switching. Indeed, frequent switching of APs might also result in thermal fatigue and serious lifetime degeneration. Moreover, time variations in the AP-UE association in favor of energy saving in a dynamic network bring additional signaling and implementation complexity. Thus, in the first part of the thesis, we propose a multi-objective optimization problem that aims to minimize the total power consumption together with AP switching and AP-UE association variations in comparison to the state of the network in the previous state. The proposed problem is cast in mixed integer quadratic programming form and solved optimally. Our simulation results show that by limiting AP switching (node switching) and AP-UE association reformation switching (link switching), the total power consumption from APs only slightly increases but the number of average switching drops significantly regardless of node switching or link switching. It achieves a good balance on the trade-off between radio power consumption and the side effects excessive switching will bring. In the second part of the thesis, we consider a larger cell-free massive MIMO network by dividing the total area into disjoint network-centric clusters, where the APs in each cluster are connected to a separate CPU. In each cluster, cell-free joint transmission is locally implemented to achieve a scalable network implementation. Motivated by the outcomes of the first part, we reshape our dynamic network simulator to keep the active APs for a given spatial traffic pattern the same as long as the mean arrival rates of the UEs are constant. Moreover, the initially formed AP-UE association for a particular UE is not allowed to change. In that way, we make the number of node and link switching zero throughout the considered time interval. For this dynamic network, we propose a deep reinforcement learning (DRL) framework that learns the policy of maximizing long-term energy efficiency (EE) for a given spatially-varying traffic density. The active AP density of each network-centric cluster and the boundaries of the clusters are learned by the trained agent to maximize the EE. The DRL algorithm is shown to learn a non-trivial joint cluster geometry and AP density with at least 7% improvement in terms of EE compared to the heuristically-developed benchmarks. / Som ett nytt koncept bortom den femte generationen (5G) har cellfri massiv MIMO (multiple input multiple output) nyligen blivit en lovande teknik för det fysiska lagret där ett enormt antal distribuerade åtkomstpunkter (AP), som samordnas av en central processorenhet (CPU), samarbetar för att på ett sammanhängande sätt betjäna ett stort antal användarutrustningar (UE) i samma tids- och frekvensresurs. En tätare utplacering av AP:er i cellfria nät samt ett exponentiellt växande antal mobila användare leder dock till högre energiförbrukning. Dessutom är cellfria massiva MIMO-nät, i likhet med konventionella cellulära nät, dimensionerade för att ge den erforderliga tjänstekvaliteten (QoS) till enheterna under förhållanden med hög trafikbelastning, och därför kan de vara underutnyttjade under perioder med låg trafikbelastning, vilket leder till ineffektiv användning av både spektral- och energiresurser. För att genomföra energieffektiva cellfria nät har flera metoder föreslagits i litteraturen, där olika ASO-strategier (AP switch ON/OFF) beaktas för att minimera energiförbrukningen. Till skillnad från tidigare arbeten fokuserar den här avhandlingen på andra faktorer än ASO som har en negativ effekt inte bara på den totala energiförbrukningen utan också på komplexiteten i genomförandet och driftskostnaden. Till exempel kan alltför frekventa ON/OFF-omkopplingar i en AP leda till att ASO:s potentiella energibesparingar avtar genom extra energiförbrukning på grund av överdriven omkoppling. Frekventa omkopplingar av AP:er kan också leda till termisk trötthet och allvarlig försämring av livslängden. Dessutom medför tidsvariationer i AP-UE-associationen till förmån för energibesparingar i ett dynamiskt nät ytterligare signalering och komplexitet i genomförandet. I den första delen av avhandlingen föreslår vi därför ett optimeringsproblem med flera mål som syftar till att minimera den totala energiförbrukningen tillsammans med växling av AP och variationer i AP-UE-associationen i jämförelse med nätets tillstånd i det föregående läget. Det föreslagna problemet är en blandad helhetsmässig kvadratisk programmering och löses optimalt. Våra simuleringsresultat visar att genom att begränsa växling av AP (node switching) och växling av AP-UE-association (link switching) ökar den totala energiförbrukningen från AP:erna endast något, men antalet genomsnittliga växlingar ökar, oavsett om det rör sig om node switching eller link switching. Det ger en bra balans mellan radiokraftförbrukning och de bieffekter som överdriven växling medför. I den andra delen av avhandlingen tar vi hänsyn till ett större cellfritt massivt MIMO-nätverk genom att dela upp det totala området i disjunkta nätverkscentrerade kluster, där AP:erna i varje kluster är anslutna till en separat CPU. I varje kluster genomförs cellfri gemensam överföring lokalt för att uppnå en skalbar nätverksimplementering. Motiverat av resultaten i den första delen omformar vi vår dynamiska nätverkssimulator så att de aktiva AP:erna för ett givet rumsligt trafikmönster är desamma så länge som den genomsnittliga ankomsthastigheten för de enskilda enheterna är konstant. Dessutom tillåts inte den ursprungligen bildade AP-UE-associationen för en viss användare att förändras. På så sätt gör vi antalet nod- och länkbyten till noll under hela det aktuella tidsintervallet. För detta dynamiska nätverk föreslår vi ett ramverk för djup förstärkningsinlärning (DRL) som lär sig en strategi för att maximera energieffektiviteten på lång sikt för en given rumsligt varierande trafiktäthet. Den aktiva AP-tätheten i varje nätverkscentrerat kluster och klustrens gränser lärs av den utbildade agenten för att maximera EE. Det visas att DRL-algoritmen lär sig en icke-trivial gemensam klustergeometri och AP-täthet med minst 7% förbättring av EE jämfört med de heuristiskt utvecklade riktmärkena.

Future mobile networks are anticipated to not only enhance communication performance but also facilitate new sensing-based applications. This highlights the essential role of integrated sensing and communication (ISAC) in sixth-generation (6G) and beyond mobile networks. The seamless integration of sensing and communication poses challenges in deployment and resource allocation. Cell-free massive multiple-input multiple-output (MIMO) networks, characterized by multiple distributed access points, offer a promising infrastructure for ISAC implementation. However, the effective realization of ISAC necessitates joint design and resource allocation optimization. In this thesis, we study ISAC within cell-free massive MIMO systems, with a particular emphasis on developing power allocation algorithms under various scenarios. In this thesis, we explore two scenarios: utilizing existing communication signals and incorporating additional sensing signals. We propose power allocation algorithms aiming to maximize the sensing performance while meeting communication and power constraints. In addition, we develop two maximum a posteriori ratio test (MAPRT) target detectors under clutter-free and cluttered scenarios. Results indicate that employing additional sensing signals enhances sensing performance, particularly in scenarios where the target has low reflectivity. Moreover, although the clutter-aware detector requires more advanced processing, it leads to better sensing performance. Furthermore, we introduced sensing spectral efficiency (SE) to measure the effect of resource block utilization, highlighting the integration advantages of ISAC over orthogonal resource sharing approaches.  In the next part of the thesis, we study the energy efficiency aspects of ISAC in cell-free massive MIMO systems with ultra-reliable low-latency communications (URLLC) users. We propose a power allocation algorithm aiming to maximize energy efficiency of the system while meeting communication and sensing requirements. We conduct a comparative analysis between the proposed power allocation algorithms and a URLLC-only approach which takes into account only URLLC and power requirements. The results reveal that while the URLLC-only algorithm excels in energy efficiency, it is not able to support sensing requirements.   Moreover, we study the impact of ISAC on end-to-end (including radio and processing) energy consumption. Particularly, we present giga-operations per second (GOPS) analysis for both communication and sensing tasks. Two optimization problems are formulated and solved to minimize transmission and end-to-end energy through blocklength and power optimization. Results indicate that while end-to-end energy minimization offers substantial energy savings, its efficacy diminishes with sensing integration due to processing energy requirements. / Framtida mobila nätverk förväntas inte bara förbättra kommunikations-prestanda utan även mögliggöra nya applikationer baserade på sensorer. Dettaunderstryker den avgörande rollen för Integrerad avkänning och kommunika-tion (ISAC) i sjätte generationens (6G) och efterföljande mobila nätverk. Densömlösa integrationen av sensorer och kommunikation medför utmaningar iutrullning och resursallokering. Cellfria massiva flerantennsystem (MIMO-nätverk), kännetecknade av flera distribuerade åtkomstpunkter, erbjuder enlovande infrastruktur för implementering av ISAC. Dock kräver den effektivarealiseringen av ISAC samverkande design och optimering av resursallokering.I denna avhandling studerar vi ISAC inom cellfria massiva MIMO-system,med särskild tonvikt på att utveckla effektallokeringsalgoritmer under olikascenarier.Vi utforskar två scenarier: att utnyttja befintliga kommunikationssignaleroch att inkludera ytterligare sensorssignaler. Vi föreslår effektallokeringsalgo-ritmer med målet att maximera sensorsprestandan samtidigt som kommunika-tions och effektbegränsningar uppfylls. Dessutom utvecklar vi två detektorerbaserade på maximum a posteriori ratio test (MAPRT) under störningsfriaoch störda scenarier. Resultaten visar att användning av ytterligare sensors-signaler förbättrar sensorsprestandan, särskilt i scenarier där målet har lågreflektivitet. Dessutom, även om den störkänsliga detektorn kräver mer avan-cerad bearbetning, leder den till bättre sensorsprestanda. Vidare introducerarvi sensorerspektral effektivitet (SE) för att mäta effekten av resursblocksan-vändning och framhäva integrationsfördelarna med ISAC över ortogonala re-sursdelningsmetoder.I den andra delen av avhandlingen studerar vi energieffektivitetsaspek-terna av ISAC i cellfria massiva MIMO-system med användare med ultra-tillförlitlig låg-latens (URLLC) kommunikation. Vi föreslår en effektalloke-ringsalgoritm med syfte att maximera systemets energieffektivitet samtidigtsom kommunikations- och sensorskraven uppfylls. Vi utför en jämförande ana-lys mellan de föreslagna effektallokeringsalgoritmerna och ett URLLC-ensamttillvägagångssätt som tar hänsyn enbart till URLLC- och effektkrav. Resul-taten avslöjar att medan URLLC-ensamma algoritmen utmärker sig i energi-effektivitet, kan den inte stödja sensorskraven. Dessutom studerar vi effektenav ISAC på slut till slut (inklusive radios och bearbetning) energiförbruk-ning. Särskilt presenterar vi giga-operationer per sekund (GOPS) analys förbåde kommunikations- och sensorsuppgifter. Två optimeringsproblem formu-leras och löses för att minimera överförings- och slut till slut energi genomblocklängd- och effektoptimering. Resultaten indikerar att medan slut till slutenergiminimering erbjuder betydande energibesparingar, minskar dess effek-tivitet med sensorintegrationen på grund av bearbetningsenergikrav. / <p>QC 20240513</p>

No description available.

The ever-growing demand of wireless traffic poses a challenge for current cellular networks. Each new generation must find new ways to boost the network capacity and spectral efficiency (SE) per device. A pillar of 5G is massive multiple-input-multiple-output (MIMO) technology. Through utilizing a large number of antennas at each transmitting node, massive MIMO has the ability to multiplex several user equipments (UEs) on the same time-frequency resources via spatial multiplexing. Looking beyond 5G, cell-free massive MIMO has attracted a lot of attention for its ability to utilize spatial macro diversity and higher resilience to interference. The cell-free architecture is based on a large number of distributed access points (APs) jointly serving the UEs within a coverage area without creating artificial cell boundaries. It provides a promising solution that is focused on delivering uniform service quality throughout the mobile network. The main challenges of the cell-free network architecture lie in the computational complexity for signal processing and the huge fronthaul requirements for information exchange among the APs. In this thesis, we tackle some of the inherent problems of the cell-free network architecture by providing distributed solutions to the power allocation and mobility management problems. We then introduce a new method for characterizing unknown interference in wireless networks. For the problem of power allocation, a distributed learning-based solution that provides a good trade-off between SE performance and applicability for implementation in large-scale networks is developed with reduced fronthaul requirements and computational complexity. The problem is divided in a way that enables each AP (or group of APs) to separately decide on the power coefficients to the UEs based on the locally available information at the AP without exchanging information with the other APs, however, still attempting to achieve a network wide optimization objective.  Regarding mobility management, a handover procedure is devised for updating the serving sets of APs and assigned pilot to each UE in a dynamic scenario considering UE mobility. The algorithm is tailored to reduce the required number of handovers per UE and changes in pilot assignment. Numerical results show that our proposed solution identifies the essential refinements since it can deliver comparable SE to the case when the AP-UE association is completely redone. Finally, we developed a new technique based on a Bayesian approach to model the distribution of the unknown interference arising from scheduling variations in neighbouring cells. The method is shown to provide accurate modelling for the unknown interference power and an effective tool for robust rate allocation in the uplink with a guaranteed target outage performance. / Den ständigt växande efterfrågan på trådlös datatrafik är en stor utmaning för dagens mobilnät. Varje ny nätgeneration måste hitta nya sätt att öka den totala kapaciteten och spektraleffektiviteten (SE) per uppkopplad enhet. En pelare i 5G är massiv-MIMO-teknik (multiple-input-multiple-output). Genom att använda ett stort antal antenner på varje mobilmast har massiv MIMO förmågan att kommunicera med flera användarutrustningar (eng. user equipment, UE) på samma tid/frekvensresurser via så kallad rumslig multiplexing. Om man ser bortom 5G-tekniken så har cellfri massiv-MIMO väckt stort intresse tack vare sin förmåga att utnyttja rumslig makrodiversitet för att förbättra täckningen och uppnå högre motståndskraft mot störningar. Den cellfria arkitekturen bygger på att ha ett stort antal distribuerade accesspunkter (AP) som gemensamt serverar UE:erna inom ett täckningsområde utan att dela upp området konstgjorda celler. Detta är en lovande lösning som är fokuserad på att leverera enhetliga datahastigheter i hela mobilnätet. De största forskningsutmaningarna med den cellfria nätverksarkitekturen ligger i beräkningskomplexiteten för signalbehandling och de enorma kraven på fronthaul-kablarna som möjliggör informationsutbyte mellan AP:erna. I den här avhandlingen löser vi några av de grundläggande utmaningarna med den cellfria nätverksarkitekturen genom att tillhandahålla distribuerade algoritmlösningar på problem relaterade till signaleffektreglering och mobilitetshantering. Vi introducerar sedan en ny metod för att karakterisera okända störningar i trådlösa nätverk. När det gäller signaleffektreglering så utvecklas en distribuerad inlärnings-baserad metod som ger en bra avvägning mellan SE-prestanda och tillämpbarhet för implementering i storskaliga cellfria nätverk med reducerade fronthaulkrav och lägre beräkningskomplexitet. Lösningen är uppdelat på ett sätt som gör det möjligt för varje AP (eller grupp av AP) att separat besluta om effektkoefficienterna relaterade till varje UE baserat på den lokalt tillgängliga informationen vid AP:n utan att utbyta information med de andra AP:erna, men ändå försöka uppnå ett nätverksomfattande optimeringsmål. När det gäller mobilitetshantering utformas en överlämningsprocedur som dynamiskt uppdaterar vilken uppsättning av AP:er som servar en viss UE och vilken pilotsekvens som används när den rör sig över täckningsområdet. Algoritmen är skräddarsydd för att minska antalet överlämningar per UE och förändringar i pilottilldelningen. Numeriska resultat visar att vår föreslagna lösning identifierar de väsentliga förfiningarna eftersom den kan leverera jämförbar SE som när AP-UE-associationen görs om helt och hållet. Slutligen utvecklade vi en ny Bayesiansk metod för att modellera den statistiska fördelningen av de okända störningarna som uppstår på grund av schemaläggningsvariationer i närliggande celler. Metoden har visat sig ge en korrekt modell av den okända störningseffekten och är ett effektivt verktyg för robust SE-allokering i upplänken med en garanterad maximal avbrottsnivå. / <p>QC 20230503</p>