Interference management in massive MIMO systems
Gestion des interférences dans les systèmes MIMO massifs
Résumé
This thesis made it possible to work on the efficiency of a channel of massive MIMO systems for which it is necessary to determine the throughput at the Uplink of the terminals present in their respective cells. As an assumption, the frequency band in TDD mode is reused in each cell. All symbols are propagated asynchronously by the terminals present in the cells, not effectively preventing intra- and inter-symbol interactions at the base stations. These signals encounter many obstacles on their path that lead to delays, signal losses (destructive), signal regenerations (constructive) with various types of modulation (amplitude, frequency, phase), etc. The path loss in the channel is highlighted with the different values taken by the attenuation coefficient chosen during the simulations. Faced with this situation, it was necessary to look for the best and most robust channel estimator at a given consistency time. The MMSE (Minimum Mean Square Error) method is used, compared to others. For the performance of massive MIMO systems, we have focused on antenna diversity methods (N-order diversity), coding methods, OFDMA access methods and equalization methods to show that effectively using multiple antennas at base stations improves and contributes to the desired rate gains. With massive MIMO systems, we have shown that antennar contribution is well recognized in interference management. An algorithm for calculating the flow rate at the Uplink was developed using three conventional receivers: the MRC (Maximum Ratio Combiner), the ZF (Zero-Forcing) and the MMSE (Minimum Mean Square Error). The simulations made it possible to compare the different approaches. By varying the contamination power of the pilot symbols, we observe the convergence of the ZF and MMSE curves. If the number of L cells increases, we find that the higher the contamination power of the pilot symbols (pp), the lower the capacity in the channel. After several iterations, our algorithm converges to an asymptote (stationary and linear regime) where the samples at the detector output approach the transmitted data sequence. The SINR obtained with conventional detectors allows the calculation of the respective flows in the channel with the SHANNON theorem.
Cette thèse a permis de travailler sur l'efficacité d'un canal des systèmes massifs MIMO pour lesquels il faille déterminer le débit à l'Uplink des terminaux présents dans leurs cellules respectives. Comme hypothèse, la bande de fréquence en mode TDD est réutilisée dans chaque cellule. Tous les symboles sont propagés de manière asynchrone par les terminaux présents dans les cellules, n'empêchant pas de fait des interactions intra et inter symboles au niveau des stations de base. Ces signaux rencontrent beaucoup d'obstacles sur leur trajet qui entraînent des retards, des pertes de signaux (destructifs), des régénérations de signaux (constructifs) avec divers types de modulation (amplitude, fréquentielle, phase), etc. L’affaiblissement du trajet dans le canal est mis en exergue avec les différentes valeurs prises par le coefficient d'atténuation choisi lors des simulations. Face à cette situation, il a fallu rechercher le meilleur et robuste estimateur de canal à un temps de cohérence donné. La méthode MMSE (Minimum Mean Square Error) est retenue, comparée à d'autres. Pour la performance des systèmes massifs MIMO, nous nous sommes appesantis sur les méthodes de diversité des antennes (diversité d'ordre N), les méthodes de coding, les méthodes d'accès OFDMA et les méthodes d'égalisation pour montrer qu'effectivement le fait d'utiliser de nombreuses antennes au niveau des stations de base améliore et contribue aux gains recherchés en débits. Avec les systèmes massifs MIMO, nous avons montré que l'apport antennaire est bien reconnu dans la gestion des interférences. Un algorithme de calcul de débit à l'Uplink a été réalisé avec trois récepteurs conventionnels que sont le MRC (Maximum Ratio Combiner), le ZF (Zero-Forcing) et le MMSE (Minimum Mean Square Error). Les simulations ont permis de comparer les différentes approches. En faisant varier la puissance de contamination des symboles pilotes, nous observons la convergence des courbes ZF et MMSE. Si le nombre des cellules L augmentent, nous constatons que plus la puissance de contamination des symboles pilotes (pp) est élevée, plus la capacité diminue dans le canal. Après plusieurs itérations, notre algorithme converge vers une asymptote (régime stationnaire et linéaire) où les échantillons à la sortie des détecteurs s’approchent de la séquence de données émises. Le SINR obtenu avec les détecteurs conventionnels permet le calcul des débits respectifs dans le canal avec le théorème de SHANNON.
Origine | Version validée par le jury (STAR) |
---|
Loading...