ARAÚJO, D. C. Channel estimation techniques applied to massive MIMO systems using sparsity and statistics approaches. 2016. 124 f. Tese (Doutorado em Engenharia de Teleinformática)–Centro de
Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Renato Vasconcelos (ppgeti@ufc.br) on 2017-06-21T13:52:26Z
No. of bitstreams: 1
2016_tese_dcaraújo.pdf: 1832588 bytes, checksum: a4bb5d44287b92a9321d5fcc3589f22e (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2017-06-21T16:17:55Z (GMT) No. of bitstreams: 1
2016_tese_dcaraújo.pdf: 1832588 bytes, checksum: a4bb5d44287b92a9321d5fcc3589f22e (MD5) / Made available in DSpace on 2017-06-21T16:17:55Z (GMT). No. of bitstreams: 1
2016_tese_dcaraújo.pdf: 1832588 bytes, checksum: a4bb5d44287b92a9321d5fcc3589f22e (MD5)
Previous issue date: 2016-09-29 / Massive MIMO has the potential of greatly increasing the system spectral efficiency
by employing many individually steerable antenna elements at the base station (BS).
This potential can only be achieved if the BS has sufficient channel state information
(CSI) knowledge. The way of acquiring it depends on the duplexing mode employed
by the communication system. Currently, frequency division duplexing (FDD) is the
most used in the wireless communication system. However, the amount of overhead
necessary to estimate the channel scales with the number of antennas which poses a
big challenge in implementing massive MIMO systems with FDD protocol. To enable
both operating together, this thesis tackles the channel estimation problem by proposing
methods that exploit a compressed version of the massive MIMO channel. There are mainly
two approaches used to achieve such a compression: sparsity and second order statistics. To
derive sparsity-based techniques, this thesis uses a compressive sensing (CS) framework to
extract a sparse-representation of the channel. This is investigated initially in a flat channel
and afterwards in a frequency-selective one. In the former, we show that the Cramer-Rao
lower bound (CRLB) for the problem is a function of pilot sequences that lead to a
Grassmannian matrix. In the frequency-selective case, a novel estimator which combines
CS and tensor analysis is derived. This new method uses the measurements obtained of the
pilot subcarriers to estimate a sparse tensor channel representation. Assuming a Tucker3
model, the proposed solution maps the estimated sparse tensor to a full one which describes
the spatial-frequency channel response. Furthermore, this thesis investigates the problem of
updating the sparse basis that arises when the user is moving. In this study, an algorithm
is proposed to track the arrival and departure directions using very few pilots. Besides
the sparsity-based techniques, this thesis investigates the channel estimation performance
using a statistical approach. In such a case, a new hybrid beamforming (HB) architecture
is proposed to spatially multiplex the pilot sequences and to reduce the overhead. More
specifically, the new solution creates a set of beams that is jointly calculated with the
channel estimator and the pilot power allocation using the minimum mean square error
(MMSE) criterion. We show that this provides enhanced performance for the estimation
process in low signal-noise ratio (SNR) scenarios. / Pesquisas em sistemas MIMO massivo (do inglês multiple-input multiple-output) ganha-
ram muita atenção da comunidade científica devido ao seu potencial em aumentar a
eficiência espectral do sistema comunicações sem-fio utilizando centenas de elementos de
antenas na estação de base (EB). Porém, tal potencial só poderá é obtido se a EB possuir
suficiente informação do estado de canal. A maneira de adquiri-lo depende de como os
recursos de comunicação tempo-frequência são empregados. Atualmente, a solução mais
utilizada em sistemas de comunicação sem fio é a multiplexação por divisão na frequência
(FDD) dos pilotos. Porém, o grande desafio em implementar esse tipo solução é porque
a quantidade de tons pilotos exigidos para estimar o canal aumenta com o número de
antenas. Isso resulta na perda do eficiência espectral prometido pelo sistema massivo.
Esta tese apresenta métodos de estimação de canal que demandam uma quantidade de
tons pilotos reduzida, mas mantendo alta precisão na estimação do canal. Esta redução
de tons pilotos é obtida porque os estimadores propostos exploram a estrutura do canal
para obter uma redução das dimensões do canal. Nesta tese, existem essencialmente duas
abordagens utilizadas para alcançar tal redução de dimensionalidade: uma é através da
esparsidade e a outra através das estatísticas de segunda ordem. Para derivar as soluções
que exploram a esparsidade do canal, o estimador de canal é obtido usando a teoria
de “compressive sensing” (CS) para extrair a representação esparsa do canal. A teoria
é aplicada inicialmente ao problem de estimação de canais seletivos e não-seletivos em
frequência. No primeiro caso, é mostrado que limitante de Cramer-Rao (CRLB) é definido
como uma função das sequências pilotos que geram uma matriz Grassmaniana. No segundo
caso, CS e a análise tensorial são combinado para derivar um novo algoritmo de estimatição
baseado em decomposição tensorial esparsa para canais com seletividade em frequência.
Usando o modelo Tucker3, a solução proposta mapeia o tensor esparso para um tensor
cheio o qual descreve a resposta do canal no espaço e na frequência. Além disso, a tese
investiga a otimização da base de representação esparsa propondo um método para estimar
e corrigir as variações dos ângulos de chegada e de partida, causados pela mobilidade do
usuário. Além das técnicas baseadas em esparsidade, esta tese investida aquelas que usam
o conhecimento estatístico do canal. Neste caso, uma nova arquitetura de beamforming
híbrido é proposta para realizar multiplexação das sequências pilotos. A nova solução
consite em criar um conjunto de feixes, que são calculados conjuntamente com o estimator
de canal e alocação de potência para os pilotos, usand o critério de minimização erro
quadrático médio. É mostrado que esta solução reduz a sequencia pilot e mostra bom
desempenho e cenários de baixa relação sinal ruído (SNR).
Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/23478 |
Date | 29 September 2016 |
Creators | Araújo, Daniel Costa |
Contributors | Mota, João César Moura |
Source Sets | IBICT Brazilian ETDs |
Language | English |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds