Os problemas de separação cega de fontes e desconvolução cega multiusuário vêm sendo intensamente estudados nas últimas décadas, principalmente devido às inúmeras possibilidades de aplicações práticas. A desconvolução multiusuário pode ser compreendida como um problema particular de separação de fontes em que o sistema misturador é convolutivo, e as estatísticas das fontes, que possuem alfabeto finito, são bem conhecidas. Dentre os desafios atuais nessa área, cabe destacar que a obtenção de soluções adaptativas para o problema de separação cega de fontes com misturas convolutivas não é trivial, pois envolve ferramentas matemáticas avançadas e uma compreensão aprofundada das técnicas estatísticas a serem utilizadas. No caso em que não se conhece o tipo de mistura ou as estatísticas das fontes, o problema é ainda mais desafiador. Na área de Processamento Estatístico de Sinais, soluções vêm sendo propostas para resolver casos específicos. A obtenção de algoritmos adaptativos eficientes e numericamente robustos para realizar separação cega de fontes, tanto envolvendo misturas instantâneas quanto convolutivas, ainda é um desafio. Por sua vez, a desconvolução cega de canais de comunicação vem sendo estudada desde os anos 1960 e 1970. A partir de então, várias soluções adaptativas eficientes foram propostas nessa área. O bom entendimento dessas soluções pode sugerir um caminho para a compreensão aprofundada das soluções existentes para o problema mais amplo de separação cega de fontes e para a obtenção de algoritmos eficientes nesse contexto. Sendo assim, neste trabalho (i) revisitam-se a formulação dos problemas de separação cega de fontes e desconvolução cega multiusuário, bem como as relações existentes entre esses problemas, (ii) abordam-se as soluções existentes para a desconvolução cega multiusuário, verificando-se suas limitações e propondo-se modificações, resultando na obtenção de algoritmos com boa capacidade de separação e robustez numérica, e (iii) relacionam-se os critérios de desconvolução cega multiusuário baseados em curtose com os critérios de separação cega de fontes. / Blind source separation and blind deconvolution of multiuser systems have been intensively studied over the last decades, mainly due to the countless possibilities of practical applications. Blind deconvolution in the multiuser case can be understood as a particular case of blind source separation in which the mixing system is convolutive, and the sources, which exhibit a finite alphabet, have well known statistics. Among the current challenges in this area, it is worth noting that obtaining adaptive solutions for the blind source separation problem with convolutive mixtures is not trivial, as it requires advanced mathematical tools and a thorough comprehension of the statistical techniques to be used. When the kind of mixture or source statistics are unknown, the problem is even more challenging. In the field of statistical signal processing, solutions aimed at specific cases have been proposed. The development of efficient and numerically robust adaptive algorithms in blind source separation, for either instantaneous or convolutive mixtures, remains an open challenge. On the other hand, blind deconvolution of communication channels has been studied since the 1960s and 1970s. Since then, various types of efficient adaptive solutions have been proposed in this field. The proper understanding of these solutions can suggest a path to further understand the existing solutions for the broader problem of blind source separation and to obtain efficient algorithms in this context. Consequently, in this work we (i) revisit the problem formulation of blind source separation and blind deconvolution of multiuser systems, and the existing relations between these problems, (ii) address the existing solutions for blind deconvolution in the multiuser case, verifying their limitations and proposing modifications, resulting in the development of algorithms with proper separation performance and numeric robustness, and (iii) relate the kurtosis based criteria of blind multiuser deconvolution and blind source separation.

Os problemas de separação cega de fontes e desconvolução cega multiusuário vêm sendo intensamente estudados nas últimas décadas, principalmente devido às inúmeras possibilidades de aplicações práticas. A desconvolução multiusuário pode ser compreendida como um problema particular de separação de fontes em que o sistema misturador é convolutivo, e as estatísticas das fontes, que possuem alfabeto finito, são bem conhecidas. Dentre os desafios atuais nessa área, cabe destacar que a obtenção de soluções adaptativas para o problema de separação cega de fontes com misturas convolutivas não é trivial, pois envolve ferramentas matemáticas avançadas e uma compreensão aprofundada das técnicas estatísticas a serem utilizadas. No caso em que não se conhece o tipo de mistura ou as estatísticas das fontes, o problema é ainda mais desafiador. Na área de Processamento Estatístico de Sinais, soluções vêm sendo propostas para resolver casos específicos. A obtenção de algoritmos adaptativos eficientes e numericamente robustos para realizar separação cega de fontes, tanto envolvendo misturas instantâneas quanto convolutivas, ainda é um desafio. Por sua vez, a desconvolução cega de canais de comunicação vem sendo estudada desde os anos 1960 e 1970. A partir de então, várias soluções adaptativas eficientes foram propostas nessa área. O bom entendimento dessas soluções pode sugerir um caminho para a compreensão aprofundada das soluções existentes para o problema mais amplo de separação cega de fontes e para a obtenção de algoritmos eficientes nesse contexto. Sendo assim, neste trabalho (i) revisitam-se a formulação dos problemas de separação cega de fontes e desconvolução cega multiusuário, bem como as relações existentes entre esses problemas, (ii) abordam-se as soluções existentes para a desconvolução cega multiusuário, verificando-se suas limitações e propondo-se modificações, resultando na obtenção de algoritmos com boa capacidade de separação e robustez numérica, e (iii) relacionam-se os critérios de desconvolução cega multiusuário baseados em curtose com os critérios de separação cega de fontes. / Blind source separation and blind deconvolution of multiuser systems have been intensively studied over the last decades, mainly due to the countless possibilities of practical applications. Blind deconvolution in the multiuser case can be understood as a particular case of blind source separation in which the mixing system is convolutive, and the sources, which exhibit a finite alphabet, have well known statistics. Among the current challenges in this area, it is worth noting that obtaining adaptive solutions for the blind source separation problem with convolutive mixtures is not trivial, as it requires advanced mathematical tools and a thorough comprehension of the statistical techniques to be used. When the kind of mixture or source statistics are unknown, the problem is even more challenging. In the field of statistical signal processing, solutions aimed at specific cases have been proposed. The development of efficient and numerically robust adaptive algorithms in blind source separation, for either instantaneous or convolutive mixtures, remains an open challenge. On the other hand, blind deconvolution of communication channels has been studied since the 1960s and 1970s. Since then, various types of efficient adaptive solutions have been proposed in this field. The proper understanding of these solutions can suggest a path to further understand the existing solutions for the broader problem of blind source separation and to obtain efficient algorithms in this context. Consequently, in this work we (i) revisit the problem formulation of blind source separation and blind deconvolution of multiuser systems, and the existing relations between these problems, (ii) address the existing solutions for blind deconvolution in the multiuser case, verifying their limitations and proposing modifications, resulting in the development of algorithms with proper separation performance and numeric robustness, and (iii) relate the kurtosis based criteria of blind multiuser deconvolution and blind source separation.

Made available in DSpace on 2016-03-15T19:37:53Z (GMT). No. of bitstreams: 1 Joao Mendes Filho.pdf: 3436374 bytes, checksum: c1e27ed8da5440d5715cdfb24bb7aa6a (MD5) Previous issue date: 2007-01-24 / Fundo Mackenzie de Pesquisa / Due to the growing demand for mobile communications, adaptive equalizers play an important role for enhancing the efficiency of data transmission. In this scenario, the Decision Feedback Equalizer (DFE) stands out. It presents a favorable tradeoff between computational cost and efficient behavior, mainly when compared to Linear Transversal Equalizer. In this work, the blind adaptation of DFE is investigated for the single and multiuser cases. In the single user case, the perfect equalization conditions for the DFE are revisited, considering the absence of noise and feedback of correct decisions. Assuming the joint blind adaptation of the DFE's feedforward and feedback filters, two stochastic gradient algorithms are also revisited. The first is based on the Constant Modulus cost function, subjected to a constraint to avoid degenerate solutions. The second considers the minimization of a cost function that takes into account the probability density function of the equalizers's output. This latter, known in the literature as the Soft Decision-Directed (SDD) algorithm, was proposed for the recovery of signals based on the Quadrature Amplitude Modulation (QAM). From the division of the complex plane into regions containing 4-QAM type constellations, we propose a modification in the SDD algorithm based on the centers of these regions. The resulting algorithm presents a more favorable tradeoff between convergence rate and computational cost. Moreover, in order to mitigate the steady-state mean-square error, we consider concurrent algorithms based on the previous mentioned. As a core of this dissertation, the perfect equalization conditions and the remarked algorithms are extended to the multiuser case. Simulation results point out that the Modified SDD algorithm and its concurrent adaptation with the constrained Constant Modulus Algorithm present advantages in terms of convergence rate for the blind adaptation of DFE in the recovering of QAM signals. / Devido à crescente demanda por comunicações móveis, equalizadores adaptativos autodidatas desempenham um importante papel na melhoria da eficiência da transmissão de dados. Nesse cenário, destaca-se o equalizador de decisão realimentada (DFE - Decision Feedback Equalizer), que apresenta um compromisso favorável entre custo computacional e comportamento eficiente, principalmente quando comparado ao equalizador linear transversal. Neste trabalho, a adaptação autodidata do DFE é investigada tanto no caso mono quanto no multiusuário. Considerando o caso monousuário, revisitam-se as condições de equalização perfeita com o DFE, assumindo realimentação de decisões corretas e ausência de ruído. Revisitam-se também dois algoritmos do gradiente estocástico para adaptação autodidata conjunta dos filtros direto e de realimentação do DFE. O primeiro é baseado na função custo do Módulo Constante com uma restrição imposta, a fim de se evitar soluções degeneradas. O segundo considera a minimização de uma função custo que leva em conta a função densidade de probabilidade do sinal de saída do equalizador. Este último, conhecido na literatura como algoritmo de Decisão Direta Suave (SDD - Soft Decision-Directed), foi proposto para recuperação de sinais com modulação do tipo QAM (Quadrature Amplitude Modulation). A partir da divisão do espaço complexo em regiões contendo constelações do tipo 4-QAM, é proposta uma modificação ao algoritmo SDD baseada nos centros dessas regiões. O algoritmo resultante apresenta uma relação mais favorável entre velocidade de convergência e complexidade computacional. Ainda com o intuito de mitigar o erro quadrático resultante da adaptação autodidata, considera-se a utilização de algoritmos concorrentes baseados nos algoritmos supracitados. Como cerne desta dissertação, as condições de equalização perfeita e os algoritmos abordados são estendidos para o caso multiusuário. Resultados de simulações evidenciam que o algoritmo SDD modificado e sua adaptação concorrente com o algoritmo do Módulo Constante com restrição apresentam vantagens em termos de velocidade de convergência para adaptação autodidata do DFE na recuperação de sinais do tipo QAM.

Multiple-input, multiple-output (MIMO) techniques have been proposed to meet the needs for higher data rates and lower delays in future wireless communication systems. The downlink capacity of multiuser MIMO systems is achieved when the system transmits to several users simultaneously. Frequently, many more users request service than the transmitter can simultaneously support. Thus, the transmitter requires a scheduling algorithm for the users, which must balance the goals of increasing throughput, reducing multiuser interference, lowering delays, ensuring fairness and quality of service (QoS), etc. In this thesis, we investigate the application of genetic algorithms (GAs) to perform scheduling in multiuser MIMO systems. GAs are a fast, suboptimal, low-complexity method of solving optimization problems, such as the maximization of a scheduling metric, and can handle arbitrary functions and QoS constraints. We first examine a system that transmits using capacity-achieving dirty paper coding (DPC). Our proposed GA structure both selects users and determines their encoding order for DPC, which affects the rates they receive. Our GA can also schedule users independently on different carriers of a multi-carrier system. We demonstrate that the GA performance is close to that of an optimal exhaustive search, but at a greatly reduced complexity. We further show that the GA convergence time can be significantly reduced by tuning the values of its parameters. While DPC is capacity-achieving, it is also very complex. Thus, we also investigate GA scheduling with two linear precoding schemes, block diagonalization and successive zero-forcing. We compare the complexity and performance of the GA with "greedy" scheduling algorithms, and find the GA is more complex, but performs better at higher signal-to-noise ratios (SNRs) and smaller user pool sizes. Both algorithms are near-optimal, yet much less complex than an exhaustive search. We also propose hybrid greedy-genetic algorithms to gain benefits from both types of algorithms. Lastly, we propose an improved method of optimizing the transmit covariance matrices for successive zero-forcing. Our algorithm significantly improves upon the performance of the existing method at medium to high SNRs, and, unlike the existing method, can maximize a weighted sum rate, which is important for fairness and QoS considerations. / Communications

No description available.