تعداد نشریات | 43 |
تعداد شمارهها | 1,275 |
تعداد مقالات | 15,735 |
تعداد مشاهده مقاله | 51,835,984 |
تعداد دریافت فایل اصل مقاله | 14,672,378 |
دو الگوریتم جدید برای تخمین کانال MIMO انبوه موجمیلیمتری با آرایه آنتن لنز | ||
پردازش سیگنال پیشرفته | ||
مقاله 10، دوره 3، شماره 2 - شماره پیاپی 4، آذر 1398، صفحه 201-212 اصل مقاله (1.56 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jasp.2019.10494 | ||
نویسندگان | ||
الهام شریفی باغ؛ محمود محصل فقهی* ؛ توحید یوسفی رضایی | ||
دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران | ||
چکیده | ||
استفاده از سامانههای چندورودی - چندخروجی علاوه بر افزایش ظرفیت، کاهش تأثیرات مخرب ناشی از پدیده چندمسیری، کاهش تداخل با سایر کاربران و نیز دستیابی به نرخ اطلاعاتی بالاتر را به دنبال خواهد داشت. از طرفی استفاده از فناوری امواج میلیمتری و کار در باندهای فرکانسی بالا میتواند از مسائلی همچون ترافیک و تداخل جلوگیری کرده و موجب افزایش قابل ملاحظه نرخ داده، بازده طیفی و پهنای باند وسیعی شود. MIMO انبوه موج میلیمتری با آرایه آنتن لنز میتواند بهطور قابل توجهی تعداد زنجیرههای رادیو فرکانسی را کاهش دهد. در این مقاله، دو الگوریتم جدید برای تخمین کانال MIMO انبوه موج میلیمتری ارائه خواهد شد. در این راستا با استفاده از حسگری فشرده الگوریتمی بر پایه بهینهسازی محدب ارائه میشود تا بتواند در باند فرکانسی موج میلیمتری، تخمین کانال را با دقت مناسب و پیچیدگی کم اجرا کند. سپس الگوریتم تخمین دیگری بر پایه روشهای حریصانه ارائه میشود. از مزایای این روش کاهش پیچیدگی و حجم محاسباتی پایین و سرعت بازیابی بالای آن است. در نهایت هر دو الگوریتم پیشنهادی با سایر الگوریتمهای موجود مقایسه میشوند. نتایج شبیهسازی نشاندهنده عملکرد بهتر الگوریتمهای پیشنهادی در مقایسه با سایر الگوریتمها است. | ||
کلیدواژهها | ||
موج میلیمتری؛ چندورودی - چندخروجی؛ تخمین کانال؛ حسگری فشرده؛ آرایه آنتن لنز | ||
مراجع | ||
[1] S. Han, C.-L. I, Z. Xu, and C. Rowell, “Large-scale antenna systems with hybrid precoding analog and digital beamforming for millimeter wave 5G,” IEEE Commun. Mag., vol. 53, no. 1, pp. 186–194, Jan. 2015. [2] L. Wei, R. Q. Hu, Y. Qian, and G. Wu, “Key elements to enable millimeter wave communications for 5G wireless systems,” IEEE Wireless Commun., vol. 21, no. 6, pp. 136–143, Dec. 2014. [3] S. Kutty and D. Sen, “Beamforming for Millimeter Wave Communications: An Inclusive Survey,” IEEE Commun. Surv. Tutorials, vol. 18, no. 2, pp. 949–973, 2016. [4] F. Rusek, D. Persson, B. K. Lau, E. G. Larsson, T. L. Marzetta, O. Edfors, and F. Tufvesson, “Scaling up MIMO: Opportunities and challenges with very large arrays,” IEEE Signal Process. Mag., vol. 30, no. 1, pp. 40–60, Jan. 2013. [5] S. Mumtaz, J. Rodriguez, and L. Dai, mmWave Massive MIMO: A Paradigm for 5G, Academic Press, 1st Edition. 2016. [6] R. Cao, T. F. Wong, H. Gao, D. Wang, and Y. Lu, “Blind Channel Direction Separation Against Pilot Spoofing Attack in Massive MIMO System,” 26th Eur. Signal Process. Conf., pp. 2577–2581, 2018. [7] P. Pasangi, M. Atashbar, and M. Mohassel Feghhi, “Blind downlink channel estimation for TDD‐based multiuser massive MIMO in the presence of nonlinear HPA,” ETRI Journal, vol. 41, pp. 426–436, Mar. 2019. [8] Y. Zeng and R. Zhang, “Millimeter wave MIMO with lens antenna array: A new path division multiplexing paradigm,” IEEE Trans. Commun., vol. 64, no. 4, pp. 1557–1571, Apr. 2016. [9] Y. Zeng, R. Zhang, and Z. N. Chen, “Electromagnetic lens-focusing antenna enabled massive MIMO: Performance improvement and cost reduction,” IEEE J. Sel. Areas Commun., vol. 32, no. 6, pp. 1194–1206, Jun. 2014. [10] X. Gao, L. Dai, Z. Chen, Z. Wang, and Z. Zhang, “Near-optimal beam selection for beamspace mmWave massive MIMO systems,” IEEE Commun. Lett., vol. 20, no. 5, pp. 1054–1057, May 2016. [11] A. Alkhateeb, G. Leus, and R. W. Heath, “Compressed sensing based multi-user millimeter wave systems: How many measurements are needed?” in Proc. IEEE ICASSP, Apr. 2015, pp. 2909–2913. [12] W. U. Bajwa, J. Haupt, A. Sayeed, and R. Nowak, “Compressed channel sensing: A new approach to estimating sparse multipath channels,” Proc. IEEE, vol. 98, no. 6, pp. 1058–1076, Jun. 2010. [13] X. Gao, L. Dai, S. Han, I. Chih-Lin, and X. Wang, “Reliable Beamspace Channel Estimation for Millimeter-Wave Massive MIMO Systems with Lens Antenna Array,” IEEE Trans. Wirel. Commun., vol. 16, no. 9, pp. 6010–6021, 2017. [14] B. Wang, L. Dai, Z. Wang, N. Ge and S. Zhou, "Spectrum and Energy-Efficient Beamspace MIMO-NOMA for Millimeter-Wave Communications Using Lens Antenna Array," IEEE Journal on Selected Areas in Communications, vol. 35, no. 10, pp. 2370-2382, Oct. 2017. [15] A. Alkhateeb, O. El Ayach, G. Leus, and R. W. Heath, “Channel estimation and hybrid precoding for millimeter wave cellular systems,” IEEE J. Sel. Top. Signal Process., vol. 8, no. 5, pp. 831–846, Oct. 2014. [16] J. A. Tropp and A. C. Gilbert, “Signal recovery from random measurements via orthogonal matching pursuit,” IEEE Trans. Inf. Theory, vol. 53, no. 12, pp. 4655–4666, Dec. 2007. [17] J. A. T. Needell, Deanna, “CoSaMP: Iterative signal recovery from incomplete and inaccurate samples,” Appl. Comput. Harmon. Anal., vol. 26, no.3, pp. 301–321, 2009. [18] J. Choi, V. Va, N. González-Prelcic, R. Daniels, C. R. Bhat, and R. W. Heath, “Millimeter-Wave Vehicular Communication to Support Massive Automotive Sensing,” IEEE Commun. Mag., vol. 54, no. 12, pp. 160–167, 2016. [19] L. Yang, Y. Zeng, and R. Zhang, “Efficient channel estimation for millimeter wave MIMO with limited RF chains,” in Proc. IEEE ICC, May 2016, pp. 1–6. [20] Y. Zeng, S. Member, R. Zhang, and Z. N. Chen, “Electromagnetic Lens-Focusing Antenna Enabled Massive MIMO : Performance Improvement and Cost Reduction,” IEEE Journal on Selected Areas in Communications, vol. 32, no. 6, pp. 1194–1206, 2014. [21] J. A. Tropp, A. C. Gilbert, and M. J. Strauss, “Algorithms for simultaneous sparse approximation. Part I: Greedy pursuit,” Signal Processing, vol. 86, no. 3, pp. 572–588, 2006. [22] M. Grant and S. Boyd. CVX: Matlab software for disciplined convex programming, version 2.0 beta. http://cvxr.com/cvx, Sep. 2013. [23] N. B. Karahanoglu and H. Erdogan, Compressed Sensing Signal Recovery via Forward-Backward Pursuit, 2012. [24] T. T. Do, L. Gan, N. Nguyen, and T. D. Tran, “Sparsity adaptive matching pursuit algorithm for practical compressed sensing”, pp. 581–587, 2008. [25] Y. Wang, J. Chen, and W. Fang, “TST-MUSIC for Joint DOA-Delay Estimation,” vol. 49, no. 4, pp. 721–729, 2001. | ||
آمار تعداد مشاهده مقاله: 552 تعداد دریافت فایل اصل مقاله: 493 |