Tez Arşivi

Hakkımızda

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özete göre tezleri arayabilirsiniz.


İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektronik ve Haberleşme Mühendisliği Anabilim Dalı / Telekomünikasyon Mühendisliği Bilim Dalı

A low complexity detector for very large MIMO

Geniş MIMO sistemlerde hızlı kod çözme yöntemleri

Teze Git (tez.yok.gov.tr)

Bu tezin tam metni bu sitede bulunmamaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi tarama bölümünde 421162 tez numarasıyla arayabilirsiniz.

Özet:

Multiple input multiple output (MIMO) systems is an antenna technology which uses multiple antennas at the transmitter and the receiver MIMO systems have several advantages including high date rates and spatial diversity The capacity of these systems grows linearly with increasing number of antennas In order to achieve full capacity of MIMO system, large number of antennas should be used at the transmitter and the receiver This system is referred to as large MIMO or massive MIMO system One of the important problems in large MIMO system is the performance and complexity of the receiver Optimum decoding in the sense of minimizing the average probability of bit error is maximum likelihood (ML) decoding Bit error rate (BER) performance of ML decoding is best, but computational complexity of this decoding algorithm is exponential, i e , O(M^(n_t )), where M is cardinality of modulation alphabet and n_t is number of transmit antennas Because of the computational complexity, ML decoding algorithm is not feasible to use in large MIMO systems There are some well-known low complexity detectors like zero-forcing (ZF), matched filter (MF), and minimum mean-square error (MMSE) These decoding techniques have low computational complexity, but they achieve poor performance Therefore, these decoding algorithms cannot be used in large MIMO systems Another decoding method is likelihood ascent search (LAS) which is based on local neighborhood search, have been investigated ...

Özetin tamamını okumak için tez.yok.gov.tr adresine gidin.

Summary:

Çok girişli çok çıkışlı sistemler (MIMO) alıcı ve vericide birden fazla anten kullanan sistemlerdir Bu sistemler sığa kazancı, daha güvenilir bağlantı ve etkin güç kullanımı gibi avantajlar sağlar Çok antenli sistemler kablosuz iletişim ağlarının performansını arttırır MIMO sistemlerin sağlamış olduğu avantajlardan birisi de çeşitleme kazancıdır MIMO sistemler çeşitleme kazancını artırarak kanal sönümlemesini azaltmak amacıyla kullanılmaktadır Bu sistemlerin sağladığı maksimum çeşitleme kazancı n_t xn_r dir Burada n_t vericideki anten sayısını ve n_r alıcıdaki anten sayısını göstermektedir Bu sistemlerin sunmuş olduğu diğer bir avantaj ise yüksek veri hızıdır Veri hızı bilgi dizisi antenlerden paralel olarak gönderilerek artırılabilir Bir kanalda gönderilecek veri hızı kanal sığası ile sınırlıdır Kanal sığası haberleşme sistemleri için bir performans ölçütüdür ve güvenilir bir iletişim için sağlanabilecek en yüksek veri hızını belirtir Rayleigh sönümlemeli kanallar için kanal sığasının alıcı ve vericideki minimum anten sayısı ile doğrusal olarak arttığı görülmüştür Görüldüğü gibi, MIMO sistemlerin sağlamış olduğu avantajlar alıcı ve vericide kullanılan anten sayısı ile orantılı artmaktadır Dolayısıyla, MIMO sistemlerin potansiyeli kullanılan anten sayısı arttıkça artar Yüksek potansiyele ulaşmak için, MIMO Sistemlerde alıcı ve vericide çok fazla sayıda anten kullanılmalıdır Böyle sistemler literatürde çok geniş (very large) MIMO veya yoğun (massive) MIMO olarak adlandırılırlar Geniş MIMO sistemlerde en önemli problemlerden biri vericiden gönderilen bilgi dizisinin alıcıda tekrar çözülmesidir Verici antenlerden eş zamanlı olarak gönderilen işaretlerin alıcıda uzaysal girişim yaratmasından dolayı, geniş MIMO sistemlerde alıcıda alınan işaretin yeniden elde edilmesi tek girişli tek çıkışlı (SISO), tek girişli çok çıkışlı (SIMO) ya da çok girişli tek çıkışlı (MISO) sistemlere göre daha karmaşıktır Uzaysal girişim olduğunda, alıcıda işaretin yeniden elde edilmesi karışık işaret işleme teknikleri gerektirmektedir Ortalama bit hata olasılığını minimize etmede en iyi alıcı en büyük olabilirlikli (ML) alıcıdır ML alıcı karesel Öklid uzaklığını minimize etme problemini çözer Anten sayısının çok büyük olduğu durumlarda, sönümlemesiz tek girişli tek çıkışlı (SISO) toplamsal beyaz Gauss gürültülü (AWGN) kanalın performansı ML alıcının performansının üst sınırını vermektedir ML alıcının sembol hata olasılığı (SER) performansı en iyidir Buna rağmen bu alıcının hesaplama karmaşıklığı vericideki anten sayısı ile üsteldir Öyle ki, M modülasyon kümesinin eleman sayısını ve n_t vericide kullanılan anten sayısını gösterdiğinde, ML alıcının hesaplama karmaşıklığı O(M^(n_t ) ) olur Hesaplama karmaşıklığının bu kadar yüksek olmasından dolayı, ML alıcı sadece kullanılan anten sayısının küçük olduğu uygulamalarda kullanılabilir ve pratikte geniş MIMO sistemlerde kullanılmaya uygun değildir Literatürde, bazı iyi bilinen düşük hesaplama karmaşıklığına sahip alıcılar bulunmaktadır Bu alıcılara sıfır zorlama (ZF), uyumlu süzgeç (MF), minimum ortalama hata kare (MMSE) örnek olarak verilebilir Bu kod çözme teknikleri düşük hesaplama karmaşıklığına sahiptirler MMSE ve ZF alıcıların sembol başına düşen hesaplama karmaşıklığı O〖(n〗_t^2) dir MF alıcının ise sembol başına düşen hesaplama karmaşıklığı O(n_t)dir Burada n_t=n_r olarak farz edilmiş ve hesaplama karmaşıklığı ona göre verilmiştir Bu alıcıların hesaplama karmaşıklığı ML kod çözme yönteminin hesaplama karmaşıklığına göre oldukça düşüktür Buna rağmen, bu alıcıların BER performansları MIMO sistemde alıcı ve vericide kullanılan anten sayısı arttıkça düşmektedir Bu yüzden bu alıcılar geniş MIMO sistemlerde kullanılmaya uygun değildirler Literatürde SISO AWGN kanalın BER performansına yaklaşan ve düşük hesaplama karmaşıklığına sahip kod çözme yöntemleri bulunmaktadır Bunlardan biri de yerel komşuluk aramaya dayalı, olabilirlik yükselen aramadır (LAS) Bu kod çözme algoritmasının performansı, alıcı ve vericide yüksek sayıda anten kullanıldığında, SISO AWGN kanalın performansına yaklaşmaktadır LAS algoritmasının hesaplama karmaşıklığı yaklaşık olarak ZF ve MMSE gibi alıcıların hesaplama karmaşıklıkları ile aynıdır Bu da ML alıcıya göre çok daha düşük bir karmaşıklığa sahip olduğunu göstermektedir Yapay sinir ağlar çok girişli doğrusal olmayan aygıtlar olarak tanımlanabilir Bu ağlarda sinirler giriş değerlerine, her bir bağlantının sinirsel ağırlığına ve eşik değerine bağlı olarak çıkış değeri üretirler Yapay sinir ağlar uzun yıllardır optimizasyon alanında kullanılmaktadır Yapay sinir ağlarında farklı birçok model bulunmaktadır Bu modellerden biri de Hopfield sinir ağlarıdır Hopfield sinir ağlarının optimizasyon alanında kullanımı sinir ağlarının hızlı olmasından ve bu optimizasyon problemlerinin hızlı bir şekilde çözülebilmesinden kaynaklanmaktadır Hopfield sinir ağlarının optimizasyon problemlerindeki uygulamaları Lyapunov (enerji) fonksiyonuna dayanmaktadır Bu fonksiyon ağ değişirken azalmaktadır Bu yüzden ağ durağan duruma geldiği zaman enerji fonksiyonunun yerel minimum noktası bulunmuş olur Hopfield ağı ile özel bir optimizasyon problemini çözmek için Lyapunov fonksiyonunun hedef problemin maliyet fonksiyonuna göre düzenlenmesi ve buna göre ağın tasarlanması gerekmektedir Daha sonra Hopfield sinir ağı dinamik olarak optimizasyon probleminin çözümünü bulmaktadır Bu tezde, düşük hesaplama karmaşıklığına sahip, ayrık zaman Hopfield sinir ağı (DHNN) tabanlı bir alıcı önerilmektedir Bu alıcı algoritmasında her seferde tek bir sinir güncellemesi yapan asenkron (seri) DHNN kullanılmıştır Lyapunov fonksiyonu ML kod çözme probleminin maliyet fonksiyonuna göre düzenlenmiş ve Hopfield sinir ağı buna göre tasarlanmıştır Her bir sinirin başlangıç değeri ZF, MMSE ve MF gibi bilinen kod çözücüler ile ya da rastgele olarak üretilmiştir ...

For full summary, please go to tez.yok.gov.tr.