АНАЛИЗ ЛИНЕЙНЫХ И НЕЛИНЕЙНЫХ МЕТОДОВ ОБРАБОТКИ СИГНАЛОВ В МНОГОПОЛЬЗОВАТЕЛЬСКИХ
СИСТЕМАХ MIMO Чубинидзе Д.Р. Email: [email protected]
Чубинидзе Дмитрий Рамазиевич - студент магистратуры, кафедра информационных технологий и телекоммуникаций, Московский государственный технический университет им Н.Э. Баумана, г. Москва
Аннотация: в статье анализируются два метода обработки сигналов в многопользовательских системах MIMO. Проблема состоит в том, что канал беспроводного распространения к пользовательскому терминалу имеет только несколько доминирующих путей, что ограничивает возможность передавать множественные параллельные потоки данных на терминал в MIMO. Это требует сложной обработки получаемых данных в узлах, и каждый узел должен иметь возможность определять данные передаваемые от N-й антенны и уметь отличать их от данных, передаваемые антенной M. В противном случае эффективная работа MIMO будет невозможна, поэтому требуется доработка методов обработки информации.
Ключевые слова: обработка сигналов, MIMO, радиоканал.
ANALYSIS OF LINEAR AND NONLINEAR SIGNAL PROCESSING METHODS IN MIMO MULTI-USER SYSTEMS Chubinidze D.R.
Chubinidze Dmitry Ramazievich - master's student, INFORMATION SYSTEMS AND TELECOMMUNICATIONS, BAUMAN MOSCOW STATE TECHNICAL UNIVERSITY, MOSCOW
Abstract: the article analyzes two signal processing methods in multi-user MIMO systems. The problem is that the wireless distribution channel to the user terminal has only a few dominant paths, which limits the ability to transmit multiple parallel data streams to the terminal in MIMO. This requires complex processing of the received data in the nodes, and each node must be able to determine the data transmitted from the Nth antenna and be able to distinguish it from the data transmitted by antenna M. Otherwise, the effective operation of MIMO will be impossible, therefore, the processing of information processing is required. Keywords: signal proccessing, MIMO, radiochannel.
УДК 331.225.3
Каноническая многопользовательская система MIMO состоит из BS(базовых станций) с M антеннами, которая обслуживает K терминалов (пользователей) с одной антенной (см. рис. 1 для схематической иллюстрации). BS мультиплексирует один поток данных на пользователя в нисходящей линии связи и принимает один поток на пользователя в восходящей линии связи. Проще говоря, BS использует свои антенны для направления каждого сигнала на свой желаемый приемник в нисходящей линии связи и для разделения множества сигналов, принятых в восходящей линии связи. Если терминал оснащен несколькими антеннами, часто выгодно использовать эти дополнительные антенны для уменьшения помех и улучшения SNR (отношение сигнала к шуму) , а не для отправки нескольких потоков данных[1]. Для удобства описания основное внимание уделяется терминалам с одной антенной. В этом случае min(M,K) представляет максимальное количество потоков данных, которые могут одновременно передаваться в ячейке, при этом все еще разделяемые в
пространственной области. Число min(M,K) называется коэффициентом усиления мультиплексирования многопользовательской системы MIMO.
Схемы передачи с улучшенной пропускной способностью для многопользовательского MIMO основаны на нелинейной обработке сигналов; например, схема кодирования так называемой «грязной бумаги» (DPC), которая достигает пропускной способности нисходящей линии связи, и схема последовательного подавления помех (SIC), которая обеспечивает пропускную способность восходящей линии связи. Идея, лежащая в основе этих схем, заключается в том, что межпользовательские помехи должны подавляться с помощью обработки передачи с учетом помех или обработки приема с итеративными помехами для достижения оптимальной производительности. Эти нелинейные схемы, естественно, требуют обширных вычислений и точной CSI (информации о состоянии канала), потому что в противном случае попытки вычесть помехи приносят больше вреда, чем пользы.
(б)
Рис. 1. Иллюстрация передачи по нисходящей линии связи и восходящей линии связи в многопользовательской системе MIMO, где BS оборудована Mантеннами и обслуживает одновременно K пользовательских терминалов. Эта иллюстрация фокусируется на распространении в пределах прямой видимости, где сигналы нисходящей линии можно рассматривать как угловые лучи, но многопользовательский MIMO одинаково хорошо
работает в условиях отсутствия прямой видимости: а - нисходящая линия в многопользовательском MIMO, б - восходящая линия в многопользовательском MIMO
Чтобы выяснить насколько велики выгоды оптимальной нелинейной обработки (например, DPC и SIC) по сравнению с упрощенными схемами линейной обработки, где каждый пользовательский терминал обрабатывается отдельно, приведем числовой пример, где K = 10 пользовательских терминалов одновременно обслуживаются BS с M антеннами. Для простоты предполагается, что у каждого пользователя среднее значение SNR составляет 5 дБ, везде есть идеальная CSI, и каналы моделируются как некоррелированное замирание Рэлея. На рисунке 2 показана средняя сумма
SE(спектральной эффективности), как функция М, достигнутая с помощью нелинейной обработки, обеспечивающей суммарную пропускную способность, и упрощенной схемы линейной обработки, называемой форсированием нуля (ZF), которая пытается подавить все помехи. Результаты являются репрезентативными для передач как по восходящей линии связи, так и по нисходящей линии связи. Это моделирование показывает, что нелинейная обработка значительно превосходит линейную ZF, когда М ~ К. Заданная точка М = К имеет особый смысл с точки зрения мультиплексирования, поскольку усиление мультиплексирования не
улучшится, если мы увеличим М для фиксированного К. Тем не менее, рис. 2 показывает, что существуют и другие причины для рассмотрения М > К.
Рис. 2. Средняя спектральная эффективность в многопользовательской системе MIMO с K = 10 пользователями и различным количеством антенн БС. У каждого пользователя среднее значение SNR 5 дБ, в канале замирание Рэлея. Суммарная емкость нелинейной обработки сравнивается с производительностью линейной обработки ZF и с верхней границей при игнорировании всех помех. Результаты являются репрезентативными как для восходящей линии связи, так и для нисходящей линии связи
Емкость увеличивается, а производительность с линейной обработкой ZF приближается к емкости. Уже при M = 20 (то есть М / К = 2 ) существует только небольшой разрыв между оптимальной нелинейной обработкой и линейным ZF. Фактически, обе схемы также приближаются к верхней кривой на рис. 2, которая представляет верхнюю границу, где пренебрегают помехами между пользователями. Это показывает, что можно обслуживать всех пользователей K, как если бы каждый из них был один в ячейке. Нелинейные схемы сложно реализовать, но относительно легко анализировать и оптимизировать, схемы линейной обработки имеют противоположные характеристики. В частности, во многих случаях вычисление оптимального линейного предварительного кодирования нисходящей линии связи является сложной задачей , для решения которой требуются инструменты монотонной оптимизации[2]. Тем не менее, субоптимальная кривая ZF на рис. 2 была сгенерирована без какой-либо сложной оптимизации, что показывает, что оптимальная линейная обработка, может принести заметный выигрыш над простым ZF только в случае при M ~ K.
Список литературы /References
1. Bjornson E., Larsson E., Debbah, M.: Massive MIMO for maximal spectral efficiency: How many users and pilots should be allocated? IEEE Trans. Wireless Commun. 15(2), p. 1293-1308 (2016).
2. Bjornson, E., Zheng, G., Bengtsson, M., Ottersten, B.: Robust monotonic optimization frame- " work for multicell MISO systems. IEEE Trans. Signal Process. 60(5),p. 25082523 (2012).