Sparse Signal Processing For Massive Mimo Communications

Author : Giovanni Interdonato
Publisher : Linköping University Electronic Press
ISBN 13 : 9179298087
Total Pages : 75 pages
Book Rating : 4.1/5 (792 download)

DOWNLOAD NOW!

Download or read book Cell-Free Massive MIMO written by Giovanni Interdonato and published by Linköping University Electronic Press. This book was released on 2020-09-09 with total page 75 pages. Available in PDF, EPUB and Kindle. Book excerpt: The fifth generation of mobile communication systems (5G) is nowadays a reality. 5G networks are been deployed all over the world, and the first 5G-capable devices (e.g., smartphones, tablets, wearable, etc.) are already commercially available. 5G systems provide unprecedented levels of connectivity and quality of service (QoS) to cope with the incessant growth in the number of connected devices and the huge increase in data-rate demand. Massive MIMO (multiple-input multiple-output) technology plays a key role in 5G systems. The underlying principle of this technology is the use of a large number of co-located antennas at the base station, which coherently transmit/receive signals to/from multiple users. This signal co-processing at multiple antennas leads to manifold benefits: array gain, spatial diversity and spatial user multiplexing. These elements enable to meet the QoS requirements established for the 5G systems. The major bottleneck of massive MIMO systems as well as of any cellular network is the inter-cell interference, which affects significantly the cell-edge users, whose performance is already degraded by the path attenuation. To overcome these limitations and provide uniformly excellent service to all the users we need a more radical approach: we need to challenge the cellular paradigm. In this regard, cell-free massive MIMO constitutes the paradigm shift. In the cell-free paradigm, it is not the base station surrounded by the users, but rather it is each user being surrounded by smaller, simpler, serving base stations referred to as access points (APs). In such a system, each user experiences being in the cell-center, and it does not experience any cell boundaries. Hence, the terminology cell-free. As a result, users are not affected by inter-cell interference, and the path attenuation is significantly reduced due to the presence of many APs in their proximity. This leads to impressive performance. Although appealing from the performance viewpoint, the designing and implementation of such a distributed massive MIMO system is a challenging task, and it is the object of this thesis. More specifically, in this thesis we study: Paper A) The large potential of this promising technology in realistic indoor/outdoor scenarios while also addressing practical deployment issues, such as clock synchronization among APs, and cost-efficient implementations. We provide an extensive description of a cell-free massive MIMO system, emphasizing strengths and weaknesses, and pointing out differences and similarities with existing distributed multiple antenna systems, such as Coordinated MultiPoint (CoMP). Paper B) How to preserve the scalability of the system, by proposing a solution related to data processing, network topology and power control. We consider a realistic scenario where multiple central processing units serve disjoint subsets of APs, and compare the spectral efficiency provided by the proposed scalable framework with the canonical cell-free massive MIMO and CoMP. Paper C) How to improve the spectral efficiency (SE) in the downlink (DL), by devising two distributed precoding schemes, referred to as local partial zero-forcing (ZF) and local protective partial ZF, that provide an adaptable trade-off between interference cancelation and boosting of the desired signal, with no additional front-haul overhead, and that are implementable by APs with very few antennas. We derive closed-form expressions for the achievable SE under the assumption of independent Rayleigh fading channel, channel estimation error and pilot contamination. These closed-form expressions are then used to devise optimal max-min fairness power control. Paper D) How to further improve the SE by letting the user estimate the DL channel from DL pilots, instead of relying solely on the knowledge of the channel statistics. We derive an approximate closed-form expression of the DL SE for conjugate beamforming (CB), and assuming independent Rayleigh fading. This expression accounts for beamformed DL pilots, estimation errors and pilot contamination at both the AP and the user side. We devise a sequential convex approximation algorithm to globally solve the max-min fairness power control optimization problem, and a greedy algorithm for uplink (UL) and DL pilot assignment. The latter consists in jointly selecting the UL and DL pilot pair, for each user, that maximizes the smallest SE in the network. Paper E) A precoding scheme that is more suitable when only the channel statistics are available at the users, referred to as enhanced normalized CB. It consists in normalizing the precoding vector by its squared norm in order to reduce the fluctuations of the effective channel seen at the user, and thereby to boost the channel hardening. The performance achieved by this scheme is compared with the CB scheme with DL training (described in Paper D). Paper F) A maximum-likelihood-based method to estimate the channel statistics in the UL, along with an accompanying pilot transmission scheme, that is particularly useful in line-of-sight operation and in scenarios with resource constraints. Pilots are structurally phase-rotated over different coherence blocks to create an effective statistical distribution of the received pilot signal that can be efficiently exploited by the AP when performing the proposed estimation method. The overall conclusion is that cell-free massive MIMO is not a utopia, and a practical, distributed, scalable, high-performance system can be implemented. Today it represents a hot research topic, but tomorrow it might represent a key enabler for beyond-5G technology, as massive MIMO has been for 5G. La quinta generazione dei sistemi radiomobili cellulari (5G) è oggi una realtà. Le reti 5G si stanno diffondendo in tutto il mondo e i dispositivi 5G (ad esempio smartphones, tablets, indossabili, ecc.) sono già disponibili sul mercato. I sistemi 5G garantiscono livelli di connettività e di qualità di servizio senza precedenti, per fronteggiare l’incessante crescita del numero di dispositivi connessi alla rete e della domanda di dati ad alta velocità. La tecnologia Massive MIMO (multiple-input multiple-output) riveste un ruolo fondamentale nei sistemi 5G. Il principio alla base di questa tecnologia è l’impiego di un elevato numero di antenne collocate nella base station (stazione radio base) le quali trasmettono/ricevono segnali, in maniere coerente, a/da più terminali utente. Questo co-processamento del segnale da parte di più antenne apporta molteplici benefici: guadagno di array, diversità spaziale e multiplazione degli utenti nel dominio spaziale. Questi elementi consentono di raggiungere i requisiti di servizio stabiliti per i sistemi 5G. Tuttavia, il limite principale dei sistemi massive MIMO, così come di ogni rete cellulare, è rappresentato dalla interferenza inter-cella (ovvero l’interferenza tra aree di copertura gestite da diverse base stations), la quale riduce in modo significativo le performance degli utenti a bordo cella, già degradate dalle attenuazioni del segnale dovute alla considerevole distanza dalla base station. Per superare queste limitazioni e fornire una qualità del servizio uniformemente eccellente a tutti gli utenti, è necessario un approccio più radicale e guardare oltre il classico paradigma cellulare che caratterizza le attuali architetture di rete. A tal proposito, cell-free massive MIMO (massive MIMO senza celle) costituisce un cambio di paradigma: ogni utente è circondato e servito contemporaneamente da numerose, semplici e di dimensioni ridotte base stations, denominate access points (punti di accesso alla rete). Gli access points cooperano per servire tutti gli utenti nella loro area di copertura congiunta, eliminando l’interferenza inter-cella e il concetto stesso di cella. Non risentendo più dell’effetto “bordo-cella”, gli utenti possono usufruire di qualità di servizio e velocità dati eccellenti. Sebbene attraente dal punto di vista delle performance, l’implementazione di un tale sistema distribuito è una operazione impegnativa ed è oggetto di questa tesi. Piu specificatamente, questa tesi di dottorato tratta: Articolo A) L’enorme potenziale di questa promettente tecnologia in scenari realistici sia indoor che outdoor, proponendo anche delle soluzioni di implementazione flessibili ed a basso costo. Articolo B) Come preservare la scalabilità del sistema, proponendo soluzioni distribuite riguardanti il processamento e la condivisione dei dati, l’architettura di rete e l’allocazione di potenza, ovvero come ottimizzare i livelli di potenza trasmessa dagli access points per ridurre l’interferenza tra utenti e migliorare le performance. Articolo C) Come migliorare l’efficienza spettrale in downlink (da access point verso utente) proponendo due schemi di pre-codifica dei dati di trasmissione, denominati local partial zero-forcing (ZF) e local protective partial ZF, che forniscono un perfetto compromesso tra cancellazione dell’interferenza tra utenti ed amplificazione del segnale desiderato. Articolo D) Come migliorare l’efficienza spettrale in downlink permettendo al terminale utente di stimare le informazioni sulle condizioni istantanee del canale da sequenze pilota, piuttosto che basarsi su informazioni statistiche ed a lungo termine, come convenzionalmente previsto. Articolo E) In alternativa alla soluzione precedente, uno schema di pre-codifica che è più adatto al caso in cui gli utenti hanno a disposizione esclusivamente informazioni statistiche sul canale per poter effettuare la decodifica dei dati. Articolo F) Un metodo per permettere agli access points di stimare, in maniera rapida, le condizioni di canale su base statistica, favorito da uno schema di trasmissione delle sequenze pilota basato su rotazione di fase. Realizzare un sistema cell-free massive MIMO pratico, distribuito, scalabile e performante non è una utopia. Oggi questo concept rappresenta un argomento di ricerca interessante, attraente e stimolante ma in futuro potrebbe costituire un fattore chiave per le tecnologie post-5G, proprio come massive MIMO lo è stato per il 5G. Den femte generationens mobilkommunikationssystem (5G) är numera en verklighet. 5G-nätverk är utplacerade på ett flertal platser världen över och de första 5G-kapabla terminalerna (såsom smarta telefoner, surfplattor, kroppsburna apparater, etc.) är redan kommersiellt tillgängliga. 5G-systemen kan tillhandahålla tidigare oöverträffade nivåer av uppkoppling och servicekvalitet och är designade för en fortsatt oavbruten tillväxt i antalet uppkopplade apparater och ökande datataktskrav. Massiv MIMO-teknologi (eng: multiple-input multiple-output) spelar en nyckelroll i dagens 5G-system. Principen bakom denna teknik är användningen av ett stort antal samlokaliserade antenner vid basstationen, där alla antennerna sänder och tar emot signaler faskoherent till och från flera användare. Gemensam signalbehandling av många antennsignaler ger ett flertal fördelar, såsom hög riktverkan via lobformning, vilket leder till högre datatakter samt möjliggör att flera användare utnyttjar samma radioresurser via rumslig användarmultiplexering. Eftersom en signal kan gå genom flera olika, möjligen oberoende kanaler, så utsätts den för flera olika förändringar samtidigt. Denna mångfald ökar kvaliteten på signalen vid mottagaren och förbättrar radiolänkens robusthet och tillförlitlighet. Detta gör det möjligt att uppfylla de höga kraven på servicekvalitet som fastställts för 5G-systemen. Den största begränsningen för massiva MIMO-system såväl som för alla cellulära mobilnätverk, är störningar från andra celler som påverkar användare på cellkanten väsentligt, vars prestanda redan begränsas av sträckdämpningen på radiokanalen. För att övervinna dessa begränsningar och för att kunna tillhandahålla samma utmärkta servicekvalitet till alla användare behöver vi ett mer radikalt angreppssätt: vi måste utmana cellparadigmet. I detta avseende utgör cellfri massiv-MIMO teknik ett paradigmskifte. I cellfri massive-MIMO är utgångspunkten inte att basstationen är omgiven av användare som den betjänar, utan snarare att varje användare omges av basstationer som de betjänas av. Dessa basstationer, ofta mindre och enklare, kallas accesspunkter (AP). I ett sådant system upplever varje användare att den befinner sig i centrum av systemet och ingen användare upplever några cellgränser. Därav terminologin cellfri. Som ett resultat av detta påverkas inte användarna av inter-cellstörningar och sträckdämpningen reduceras kraftigt på grund av närvaron av många accesspunkter i varje användares närhet. Detta leder till imponerande prestanda. Även om det är tilltalande ur ett prestandaperspektiv så är utformningen och implementeringen av ett sådant distribuerat massivt MIMO-system en utmanande uppgift, och det är syftet med denna avhandling att studera detta. Mer specifikt studerar vi i denna avhandling: A) den mycket stora potentialen med denna teknik i realistiska inomhus- såväl som utomhusscenarier, samt hur man hanterar praktiska implementeringsproblem, såsom klocksynkronisering bland accesspunkter och kostnadseffektiva implementeringar; B) hur man ska uppnå skalbarhet i systemet genom att föreslå lösningar relaterade till databehandling, nätverkstopologi och effektkontroll; C) hur man ökar datahastigheten i nedlänken med hjälp av två nyutvecklade distribuerade överföringsmetoder som tillhandahåller en avvägning mellan störningsundertryckning och förstärkning av önskade signaler, utan att öka mängden intern signalering till de distribuerade accesspunkterna, och som kan implementeras i accesspunkter med mycket få antenner; D) hur man kan förbättra prestandan ytterligare genom att låta användaren estimera nedlänkskanalen med hjälp av nedlänkspiloter, istället för att bara förlita sig på kunskap om kanalstatistik; E) en överföringsmetod för nedlänk som är mer lämpligt när endast kanalstatistiken är tillgänglig för användarna. Prestandan som uppnås genom detta schema jämförs med en utökad variant av den nedlänk-pilotbaserade metoden (beskrivet i föregående punkt); F) en metod för att uppskatta kanalstatistiken i upplänken, samt en åtföljande pilotsändningsmetod, som är särskilt användbart vid direktvägsutbredning (line-of-sight) och i scenarier med resursbegränsningar. Den övergripande slutsatsen är att cellfri massiv MIMO inte är en utopi, och att ett distribuerat, skalbart, samt högpresterande system kan implementeras praktiskt. Idag representerar detta ett hett forskningsämne, men snart kan det visa sig vara en viktig möjliggörare för teknik bortom dagens system, på samma sätt som centraliserad massiv MIMO har varit för de nya 5G-systemen.