Datailmaisu 1-bittisesti kvantisoidussa massiivisessa MIMO-järjestelmässä
Väitöstilaisuuden tiedot
Väitöstilaisuuden päivämäärä ja aika
Väitöstilaisuuden paikka
Luentosali L5, Linnanmaan kampus
Väitöksen aihe
Datailmaisu 1-bittisesti kvantisoidussa massiivisessa MIMO-järjestelmässä
Väittelijä
Maisteri Amin Radbord
Tiedekunta ja yksikkö
Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Johdottoman tietoliikenteen tutkimuskeskus (CWC)
Oppiaine
Tietoliikennetekniikka
Vastaväittäjä
Professori Gonzalo Seco-Granados, Barcelonan autonominen yliopisto
Kustos
Apulaisprofessori Italo Atzeni, Oulun yliopisto
Datailmaisu 1-bittisesti kvantisoidussa massiivisessa MIMO-järjestelmässä
Korkeilla taajuusalueilla toimivat tulevaisuuden langattomat järjestelmät tukeutuvat vahvasti suuriin antenniryhmiin vastatakseen kasvaviin tiedonsiirtonopeuden ja liitettävyyden vaatimuksiin. Massiivinen moniantennitekniikka (massive MIMO) on keskeinen mahdollistaja tällaisille järjestelmille, mutta tarvittavien datamuuntimien suuri määrä lisää tehonkulutusta ja laitteiston monimutkaisuutta. Matalan resoluution datamuuntimet, erityisesti 1-bittiset analogia-digitaalimuuntimet (ADC) ja digitaali-analogiamuuntimet (DAC), tarjoavat houkuttelevan ratkaisun, vaikka niistä aiheutuva voimakas kvantisointivääristymä muuttaa signaalin tilastollisia ominaisuuksia ja vaikeuttaa datan havaitsemista.
Tässä opinnäytetyössä tarkastellaan datan havaitsemista 1-bittisesti kvantisoiduissa massiivisissa moniantennijärjestelmissä. Ensimmäisessä osassa kehitetään analyyttinen viitekehys 1-bittisillä ADC-muuntimilla varustetuille nousevan siirtotien massiivisille moniantennijärjestelmille. Lineaarisen yhdistämisen jälkeisten pehmeiden symboliarvioiden odotusarvot määritetään 1-bittisen kvantisoinnin vaikutuksen alaisena sekä kanava-arvioinnissa että nousevan siirtotien tiedonsiirrossa. Tämän analyysin pohjalta ehdotetaan lineaarista pienimmän keskihajonnan vastaanotinta (linear minimum mean dispersion, LMMD) sekä yhteistunnistusmenetelmää (joint data detection, JD), jotka parantavat datan havaitsemista ottamalla huomioon pehmeiden symboliarvioiden odotusarvot ja niiden keskinäisen riippuvuuden toisiaan häiritsevien käyttäjälaitteiden välillä. Symbolivirhesuhdetta tarkastelevat numeeriset tulokset osoittavat, että ehdotettu LMMD-vastaanotin suoriutuu huomattavasti perinteisiä vastaanottimia paremmin. Lisäksi ehdotettu JD-menetelmä ja sen matalan laskennallisen vaativuuden muunnelma parantavat suorituskykyä merkittävästi laitekohtaiseen datan havaitsemiseen verrattuna. Toisessa osassa tutkitaan datan havaitsemista pisteestä pisteeseen -tyyppisessä massiivisessa moniantennijärjestelmässä (point-to-point massive MIMO), jossa lähettimessä käytetään 1-bittisiä DAC-muuntimia ja vastaanottimessa joko täyden resoluution tai 1-bittisiä ADC-muuntimia. Lineaarisesti esikoodattu signaali sekoitetaan (ditheroidaan) ennen kvantisointia ja kehitetään pehmeään estimointiin perustuvia datan havaitsemismenetelmiä, joissa dither-kohina poistetaan symboleista riippumattomasti. Lisäksi esitellään lähetetyn signaalin symbolista riippuva linearisointi 1-bittisten DAC-muuntimien ulostulossa ja sen avulla johdetaan suurimman uskottavuuden menetelmään (maximum likelihood, ML) perustuvia datan havaitsemismenetelmiä vastaanottimille, joissa käytetään joko täyden resoluution tai 1-bittisiä ADC-muuntimia. Näille ML-pohjaisille menetelmille ehdotetaan myös matalan laskennallisen vaativuuden muunnelmia. Ehdotetut ML-pohjaiset menetelmät ja niiden matalan laskennallisen vaativuuden muunnelmat saavuttavat merkittäviä suorituskykyetuja verrattuna perusmenetelmään, joka perustuu binääriseen ML-havaitsemiseen homotopia-algotrimin avulla.
Tässä opinnäytetyössä tarkastellaan datan havaitsemista 1-bittisesti kvantisoiduissa massiivisissa moniantennijärjestelmissä. Ensimmäisessä osassa kehitetään analyyttinen viitekehys 1-bittisillä ADC-muuntimilla varustetuille nousevan siirtotien massiivisille moniantennijärjestelmille. Lineaarisen yhdistämisen jälkeisten pehmeiden symboliarvioiden odotusarvot määritetään 1-bittisen kvantisoinnin vaikutuksen alaisena sekä kanava-arvioinnissa että nousevan siirtotien tiedonsiirrossa. Tämän analyysin pohjalta ehdotetaan lineaarista pienimmän keskihajonnan vastaanotinta (linear minimum mean dispersion, LMMD) sekä yhteistunnistusmenetelmää (joint data detection, JD), jotka parantavat datan havaitsemista ottamalla huomioon pehmeiden symboliarvioiden odotusarvot ja niiden keskinäisen riippuvuuden toisiaan häiritsevien käyttäjälaitteiden välillä. Symbolivirhesuhdetta tarkastelevat numeeriset tulokset osoittavat, että ehdotettu LMMD-vastaanotin suoriutuu huomattavasti perinteisiä vastaanottimia paremmin. Lisäksi ehdotettu JD-menetelmä ja sen matalan laskennallisen vaativuuden muunnelma parantavat suorituskykyä merkittävästi laitekohtaiseen datan havaitsemiseen verrattuna. Toisessa osassa tutkitaan datan havaitsemista pisteestä pisteeseen -tyyppisessä massiivisessa moniantennijärjestelmässä (point-to-point massive MIMO), jossa lähettimessä käytetään 1-bittisiä DAC-muuntimia ja vastaanottimessa joko täyden resoluution tai 1-bittisiä ADC-muuntimia. Lineaarisesti esikoodattu signaali sekoitetaan (ditheroidaan) ennen kvantisointia ja kehitetään pehmeään estimointiin perustuvia datan havaitsemismenetelmiä, joissa dither-kohina poistetaan symboleista riippumattomasti. Lisäksi esitellään lähetetyn signaalin symbolista riippuva linearisointi 1-bittisten DAC-muuntimien ulostulossa ja sen avulla johdetaan suurimman uskottavuuden menetelmään (maximum likelihood, ML) perustuvia datan havaitsemismenetelmiä vastaanottimille, joissa käytetään joko täyden resoluution tai 1-bittisiä ADC-muuntimia. Näille ML-pohjaisille menetelmille ehdotetaan myös matalan laskennallisen vaativuuden muunnelmia. Ehdotetut ML-pohjaiset menetelmät ja niiden matalan laskennallisen vaativuuden muunnelmat saavuttavat merkittäviä suorituskykyetuja verrattuna perusmenetelmään, joka perustuu binääriseen ML-havaitsemiseen homotopia-algotrimin avulla.
Luotu 9.11.2026 | Muokattu 9.11.2026