Frequency division duplexing massive MIMO

dc.contributor.advisorCaire, Giuseppe
dc.contributor.authorBarzegar Khalilsarai, Mahdi
dc.contributor.grantorTechnische Universität Berlinen
dc.contributor.refereeCaire, Giuseppe
dc.contributor.refereeWunder, Gerhard
dc.contributor.refereeMolisch, Andreas
dc.date.accepted2021-01-19
dc.date.accessioned2021-02-24T17:41:19Z
dc.date.available2021-02-24T17:41:19Z
dc.date.issued2021
dc.description.abstractMassive Multiple-Input Multiple-Output (MIMO) systems are envisioned for employment in the upcoming generations of wireless communication networks. The characteristic of these systems is the use of a large number of antenna elements (M>>1) in the Base Station (BS) array, that enables data transmission to several users via spatial multiplexing. These systems enjoy favorable communication properties including energy efficiency due to channel hardening and large beamforming gain, suppression of the inter-cell interference, and a simplified user scheduling and rate adaptation. In allocating time-frequency resources for Uplink-Downlink (UL-DL) transmission, a massive MIMO BS can operate in two principal modes: Time Division Duplexing (TDD), and Frequency Division Duplexing (FDD), where in the former UL-DL data transmission occurs over disjoint time intervals and in the latter it occurs over disjoint frequency bands. This dissertation is dedicated to the study of various signal processing aspects in realizing an FDD massive MIMO system. These systems comprise an interesting topic of research, not only due to their favorability in symmetric-traffic and delay-sensitive communication scenarios, but also due to their widespread implementation in the existing cellular net- works. The benefits of FDD massive MIMO systems, however, come at the cost of a more challenging signal processing task as compared to TDD systems. Due to a lack of UL-DL channel reciprocity, it is more difficult for the BS to obtain fresh channel state information (CSI) for effective DL transmission, which is conventionally achieved via training of the DL channels by transmitting pilot sequences to the users and receiving their closed-loop feedback. In a massive MIMO scenario where the signal dimension is large, this bur- dens the system with a sizeable training and feedback overhead, which may exhaust the time-frequency resources, resulting in a poor DL data rate. In this dissertation, we address several aspects of the mentioned issues, by analysing relevant theoretical problems as well as proposing efficient practical algorithms to solve them. In particular, first we study the problem of channel covariance estimation from limited pilot samples (either in UL or in DL), in which the goal is to enable an efficient estimation of the high-dimensional channel covariance with the relatively small pilot di- mension, where we propose two efficient estimators. Second, we study the problem of estimating the DL channel covariance from the available UL channel covariance. We derive universal minimax error bounds for this UL-DL covariance “transformation” and we propose an algorithm for performing the transformation. Finally, we address the problem of multi-user DL precoding in an FDD massive MIMO system, in which the goal is to train the high-dimensional user channels with a given, limited DL pilot dimension. Our suggested technique, coined as active channel sparsification does not rely on the typical channel sparsity assumptions and is shown to outperform the state-of-the-art methods in the literature.en
dc.description.abstractMassive Multiple-Input Multiple-Output (MIMO) Systeme sind für den Einsatz in den zukünftigen Generationen von drahtlosen Kommunikationsnetzen vorgesehen. Charakteristisch für diese Systeme ist die Verwendung einer großen Anzahl von Antennenelementen (M>>1) im Basisstation (BS) Array, das die Datenübertragung an mehrere Benutzer über räumliches Multiplexing ermöglicht. Diese Systeme weisen günstige Kommunikationseigenschaften auf, darunter eine Energieeffizienz durch Kanalhärtung und großen Strahlformungsgewinn, Unterdrückung der Interzellularinterferenz und eine vereinfachte Benutzerplanung und Ratenanpassung. Bei der Zuweisung von Zeit-Frequenz Ressourcen für die Uplink-Downlink (UL-DL) Ubertragung kann ein massive MIMO BS in zwei Hauptmodi arbeiten: Time Division Duplexing (TDD) und Frequency Division Duplexing (FDD), wobei im ersteren Fall die UL-DL Datenübertragung über disjunkte Zeitintervalle und im letzteren Fall über disjunkte Frequenzbänder erfolgt. Diese Dissertation ist der Untersuchung verschiedener Aspekte der Signalverarbeitung bei der Realisierung eines FDD massive MIMO System gewidmet. Diese Systeme stellen ein interessantes Forschungsthema dar, nicht nur wegen ihrer Nutzlichkeit bei symmetrischem Verkehr und verzögerungsempfindlicher Kommunikations-zenarien, sondern auch aufgrund ihrer weit verbreiteten Implementierung in den bereits bestehenden zellularen Netzwerken. Die Vorteile von FDD massivs MIMO Systemen gehen jedoch auf Kosten einer anspruchsvolleren Signalverarbeitung im Vergleich zu TDD Systemen. Aufgrund mangelnder Reziprozität der UL-DL Kanäle ist es für die BS schwieriger, aktuelle Kanalstatusinformationen (CSI) für eine effektive DL Ubertragung zu erhalten, welche konventionell durch Training der DL Kanäle erreicht wird, indem Pilotsequenzen an die Benutzer übertragen und deren Feedback in geschlossener Schleife empfangen werden. In einem massiven MIMO-Szenario, in dem die Signaldimension umfangreich ist, belastet dies das System mit einem beträchtlichen Trainings- und Feedback-Overhead, der die Zeit-Frequenz Ressourcen erschöpfen kann, was zu einer schlechten DL-Datenrate führt. In dieser Dissertation untersuchen wir mehrere Aspekte der zuvor genannten Themen, indem wir sowohl relevante theoretische Probleme analysieren als auch effiziente praktische Algorithmen zu deren Lösung vorschlagen. Insbesondere untersuchen wir zunächst das Problem der Kanalkovarianzschätzung aus kleinen Pilotstichproben (entweder in UL oder in DL), wobei das Ziel darin besteht, eine effiziente Schätzung der hochdimensionalen Kanalkovarianz mit einer relativ kleinen Pilotdimension zu ermöglichen, wobei wir zwei effiziente Methoden vorschlagen. Zweitens untersuchen wir das Problem der Schätzung der DL-Kanal-Kovarianz aus der verfügbaren UL-Kanal-Kovarianz. Wir universelle Minimax- Fehlergrenzen für diese UL-DL-Kovarianz “Transformation” ab und schlagen einen Algorithmus zur Durchführung der Transformation vor. Schließlich befassen wir uns mit dem Problem der Mehrbenutzer-DL-Precodierung in einem FDD-Massiv-MIMO-System, bei dem das Ziel darin besteht, die hochdimensionalen Nutzerkanäle mit einer begrenz- ten DL-Pilotdimension zu trainieren. Die von uns vorgeschlagene Technik, die als active channel sparsification bezeichnet wird, beruht nicht auf den typischen Kanalsparsamkeitsannahmen und übertrifft nachweislich die modernen Methoden der Literatur.de
dc.identifier.urihttps://depositonce.tu-berlin.de/handle/11303/12544
dc.identifier.urihttp://dx.doi.org/10.14279/depositonce-11363
dc.language.isoenen
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/en
dc.subject.ddc004 Datenverarbeitung; Informatikde
dc.subject.otherfrequency division duplexingen
dc.subject.othermassive MIMOen
dc.subject.otherchannel covariance estimationen
dc.subject.otheruplink-downlink channel covariance transformationen
dc.subject.otherdownlink precodingen
dc.subject.otherKommunikationsnetzede
dc.subject.otherKanalkovarianzschätzungde
dc.subject.otherDL-Kanal-Kovarianz-Schätzungde
dc.subject.otherMinimax-Fehlergrenzende
dc.titleFrequency division duplexing massive MIMOen
dc.title.subtitlenovel theoretical results and efficient algorithmsen
dc.title.translatedFrequenzduplex Massive MIMOde
dc.title.translatedsubtitleneuartige theoretische Ergebnisse und effiziente Algorithmende
dc.typeDoctoral Thesisen
dc.type.versionacceptedVersionen
tub.accessrights.dnbfreeen
tub.affiliationFak. 4 Elektrotechnik und Informatik>Inst. Telekommunikationssysteme>FG Informationstheorie und deren Anwendungen (ITA)de
tub.affiliation.facultyFak. 4 Elektrotechnik und Informatikde
tub.affiliation.groupFG Informationstheorie und deren Anwendungen (ITA)de
tub.affiliation.instituteInst. Telekommunikationssystemede
tub.publisher.universityorinstitutionTechnische Universität Berlinen
Files
Original bundle
Now showing 1 - 1 of 1
Loading…
Thumbnail Image
Name:
barzegar_khalilsarai_mahdi.pdf
Size:
1.97 MB
Format:
Adobe Portable Document Format
Description:
Collections