Questo capitolo breve esamina la tecnologia degli input multipli e degli output multipli (MIMO)

comunicazione wireless, quindi discute la logica alla base di ciò MIMO evolve verso MIMO
massiccio. Massive MIMO è l'argomento di ricerca di questa tesi, e la sua struttura è delineata alla
fine di questo capitolo.
1.1 Revisione MIMO
Come abbiamo visto nei primi capitoli per potenziare le prestazioni a livello fisico per le
comunicazioni wireless, la tecnologia di MIMO è stato incorporato
negli standard wireless a banda larga, come IEEE 802.11n, IEEE
802.11ac, HSPA +, WiMAX e Long-Term Evolution (LTE). Tra
questi, l'attuale standard LTE ne consente fino a otto antenne sulle
stazioni base e sui terminali. La Figura 1.1 mostra esempi di a
stazione base cellulare e un punto di accesso WiFi, entrambi dotati di
più antenne.
Rispetto ai sistemi ad antenna singola, il miglioramento delle
prestazioni offerto da l'uso di più antenne è dovuto ai gradi di libertà
spaziali (DoF) che espandere le dimensioni disponibili per
l'elaborazione del segnale. Come lo spettro wireless ha diventare
una risorsa preziosa, la tecnologia MIMO che sfrutta il dominio
spaziale o re l'opportunità di migliorare le prestazioni del sistema
senza aumentare il spettro richiesto.
Generalmente, i sistemi MIMO sono divisi in due categorie: MIMO monoutente (SU-MIMO) e
MIMO multiutente (MU-MIMO). La figura 1.2 illustra le due categorie. In SU-MIMO, il
trasmettitore e il ricevitore sono dotati di più antenne. Aumento delle prestazioni in termini di
copertura, affidabilità del collegamento e velocità di trasmissione dati possono essere raggiunti
mediante tecniche come il beamforming, la
codifica spazio-temporale orientata alla diversità
e lo spazio multiplexing di più flussi di dati.
Queste tecniche non possono essere utilizzate
completamente allo stesso tempo, quindi
tipicamente troviamo un tra di tra di loro.
La situazione con MU-MIMO è radicalmente
diversa. Il canale wirelessè ora condiviso spazialmente da utenti diversi e gli utenti trasmettono e
ricevono senza codifica congiunta e rilevamento tra di loro. Sfruttando le differenze nelle firme
spaziali nella schiera di antenne della stazione base indotta da spazialmente disperse utenti, la
stazione base comunica simultaneamente con gli utenti. Di conseguenza, i miglioramenti delle
prestazioni in termini di somme di tutti gli utenti possono essere impressionanti. Una delle sfide
principali è, tuttavia, l'interferenza tra i co-canali utenti. L'elaborazione del segnale in MU-MIMO
spesso mira a sopprimere l'inter-utente interferenza, quindi la conoscenza del canale spaziale
diventa più cruciale rispetto a SU-MIMO.
In generale, sfruttando il dominio spaziale dei canali wireless, MIMO presenta i seguenti vantaggi
principali rispetto ai sistemi ad antenna singola:
 copertura migliore, grazie al beamforming che si traduce in un segnale ricevuto più elevato
energia;
  migliore affidabilità del collegamento, attraverso schemi di diversità che combattono il
fading nei canali di propagazione e alla fine riducono gli errori di comunicazione
probabilità;
 maggiore capacità, attraverso il multiplexing spaziale che trasmette e riceve diversi flussi di
dati nella stessa risorsa tempo-frequenza;
 diminuzione della dispersione del ritardo, a causa dell'effetto di accorciamento del canale
nel beamforming,
 migliore stima delle informazioni direzionali, a causa della capacità dell'antenna array per
risolvere il dominio spaziale.
Sia in SU-MIMO che in MU-MIMO, in teoria, maggiore è il numero di antenne del trasmettitore e /
o ricevitore sono dotati, maggiore è la scala su cui il dominio spaziale può essere sfruttato. Questo
porta a prestazioni migliori in termini di i vantaggi MIMO sopra menzionati. Quando la tecnologia
MIMO con un massimo di otto antenne è diventato maturo, potremmo chiederci: ha il potenziale del
MIMO stato completamente sfruttato?
Il dottor Thomas L. Marzetta dei Bell Labs ha pubblicato un articolo nel 2010 “ Noncooperative
Wireless cellulare con numero illimitato di antenne per stazioni base " , su quello che può essere
visto come un tentativo di sfruttare appieno il MIMO. Lascia che il numero di antenne per stazioni
base cresca senza limiti in MU-MIMO scenari, il primo fenomeno importante è che gli effetti
dell'additivo ricevono il rumore ed il fading su piccola scala scompaiono, così come le interferenze
intracellulari tra gli utenti. L'unico impedimento rimanente è l'interferenza intercellulare da
trasmissioni associate alla stessa sequenza pilota utilizzata nel canale stimato. Il documento
conclude che il throughput per cella e il numero di terminali per cella sono indipendenti dalla
dimensione della cella, l'efficienza spettrale è indipendentemente dalla larghezza di banda del
sistema e dall'energia di trasmissione richiesta per bit svanisce. Sebbene questi risultati molto
impressionanti siano soggetti al sistema ipotesi di modello e propagazione utilizzate nel documento,
ha sottolineato il dottor Marzetta una direzione importante in cui i sistemi cellulari possono
evolversi.
L'aumento di MIMO offre molti più gradi di libertà nel dominio dello spazio di qualsiasi altro
sistema di oggi. Questo ci salva dalla situazione che o spettro wireless è diventato congestionato e
costoso, soprattutto in frequenza a bande inferiori a 6 GHz. A differenza del MU-MIMO
convenzionale con un massimo di otto antenne, chiamiamo MIMO
con un gran numero di antenne “MIMO massiccio.A titolo di
semplice illustrazione, la Figura 1.3 mostra possibili implementazioni
di massicci array di antenne MIMO. Le antenne possono essere
collocato in una struttura lineare, planare o cilindrica, oppure può
essere posizionato in una struttura modo distribuito.
In operazioni MIMO massicce, consideriamo uno scenario MU-
MIMO, in cui la stazione base dotata di un gran numero di antenne
serve molti terminali nella stessa risorsa tempo-frequenza. Gli sforzi di elaborazione possono essere
fatti principalmente sul lato della stazione base, ei terminali hanno hardware semplice ed
economico. Fino a ora, molti studi teorici e sperimentali sono stati fatti nel massiccio dimostrando
che il MIMO massiccio può migliorare notevolmente l'efficienza spettrale diminuendo la potenza di
uscita irradiata di almeno un ordine di grandezza.
L’utilizzo del Massive MIMO avrà un esplosione nei
futuri sistemi 5G (la quinta generazione).Nel prossimo
futuro, prevediamo un aumento esplosivo di dispositivi
connessi, inclusi telefoni, tablet, dispositivi indossabili,
sensori, Internet delle cose (IoT), veicoli connessi e così
via. La figura 1.4 mostra un trend in previsione del
numero di dispositivi connessi dal 2014 al 2020.
Sono necessarie velocità di trasmissione dati molto più elevate rispetto ai sistemi 4G odierni a
causa, ad esempio, dell'alta qualità streaming video e cloud computing. Come mostrato nella Figura
1.5.
Nel 2020 è prevista la quantità di traffico dati mobile dovuto allo
streaming video essere 13 volte di più rispetto al 2014. Massive MIMO
ha il potenziale per soddisfare questi requisiti futuri. Nelle bande di
frequenza inferiori a 6 GHz, il MIMO massiccio è un candidato per
un'evoluzione fluida da LTE a pre-5G o il cosiddetto 4.5G. In alto bande
di frequenza, ad esempio, nella trasmissione di onde millimetriche,
utilizzando molte antenne e ha il potenziale per superare le elevate
perdite di propagazione. Grazie al grande guadagno di array, MIMO
massiccio è anche considerato una tecnica per migliorare il wireless
copertura della rete. Da un altro punto di vista, la potenza irradiata sia
dalle stazioni base che dai terminali può essere ridimensionato, rendendo MIMO massiccio un
candidato anche per ”comunicazioni verdi”.
Il Massive MIMO
Per capire cos'è il MIMO massiccio, come nuova tecnologia per l'accesso wireless, esaminiamo per
prima cosa il concetto MIMO di massa. Generalmente, un sistema può essere chiamato “massive
MIMO "se dispone di un gran numero di antenne vengono distribuiti a una o entrambe le estremità
del collegamento di comunicazione. Il numero di antenne e schemi di comunicazione variano a
seconda dei sistemi e delle applicazioni.
È quindi difficile concordare una definizione specifica di “MIMO massiccio ".
Consideriamo MIMO massiccio una tecnologia MU-MIMO nel cellulare sistemi, in cui una
stazione base è dotata di decine o centinaia di antenne, e comunica con molti utenti
simultaneamente attraverso il multiplexing spaziale.
La Figura 2.1 illustra il modello del
sistema MU-MIMO sia in downlink
che trasmissioni uplink, per una
singola cella. MIMO con un gran
numero di antenne, tuttavia, non
dovrebbe essere limitato a scenari
multiutente. Può essere utilizzato
anche in scenari per utente singolo.
Iniziamo con scenari relativamente semplici e fare le seguenti ipotesi operative:
 Sistemi monocellulari. A causa dell'attuale capacità di condurre il canale misurazioni,
possono essere studiati solo scenari unicellulari. Le misurazioni Multicella richiedono sforzi
maggiori e più attrezzature, poiché i canali in celle diverse devono essere misurate in modo
sincronizzato.
 MIMO-OFDM. Ci avviciniamo principalmente a MIMO assumendo lo stesso tipo di
modulazione come frequentemente utilizzata in LTE e WLAN, vale a dire OFDM.
 Terminali ad antenna singola. Dal momento che l'elaborazione \ in maniera massiccia
"sfrutta il il dominio spaziale può essere realizzato sul lato della stazione base, più antenne
ai terminal diventano meno importanti.
 Perfect channel state information (CSI): Assumiamo che la stazione base conosce
perfettamente la matrice del canale istantaneo e utilizza la conoscenza per la precodifica e il
rilevamento. In pratica, però, abbiamo imperfetto CSI e questo può portare a una riduzione
delle prestazioni. Non ci concentriamo su stima del canale in questa tesi, quindi, assumiamo
una situazione ideale.
 Duplex a divisione di tempo (TDD). Nel duplex a divisione di frequenza (FDD), downlink
CSI viene stimato dagli utenti e inviato nuovamente alla stazione base. La stima e il
feedback CSI possono diventare molto complessi, quando ci sono un gran numero di
antenne per stazioni base. Il funzionamento TDD non si basa sul feedback CSI, poiché i
canali di propagazione sono reciproci per uplink e downlink. L'unica sfida è calibrare la
trasmissione e la ricezione RF catene alla stazione base
Massive MIMO, ovviamente, non è limitato agli scenari e alle ipotesi di cui sopra. Scenari con, ad
esempio, interferenza intercellulare, terminali multi-antenna, le forme d'onda non ortogonali e il
CSI imperfetto sono tutti aspetti importanti per indagare ma esulano dallo scopo di questa tesi.
Torniamo alla Figura 2.1, dove una stazione base con antenna M effettua il multiplexing K utenti ad
antenna singola nel dominio spaziale. Il modello di segnale downlink, per ogni risorsa tempo-
frequenza, è:
y= √ pdl H z +n

dove H è la matrice del canale di propagazione, z è il vettore dei segnali da trasmettere precodificati
attraverso le antenne M, y è il vettore del segnale di ricezione presso gli utenti K, e n è il vettore del
rumore bianco con i.i.d. gaussiana complessa a simmetria circolare,CN (0 , σ 2n ) elementi.
2
Supponiamo che E {||z|| }=1 , quindi pdl contiene il totale della potenza trasmessa in downlink. Al
fine di studiarne al meglio le differenze supporremo di avere:
1. pdl = ρK
ρK
2. pdl=
M
Dove ρè il fattore SNR e dove nel secondo caso scaliamo con un fattore M che è il numero di
antenne in trasmissione. Assumiamo che il rumore abbia così il rumore è contenuto nel fattore pdl a
causa della reciprocità, la matrice del canale di uplink è HT e il modello di segnale diventa:

z=√ pul H T y + n

anche qui assumiamo il fattore che considera SNR una volta senza M ed una con M.
Di solito nel MIMO massiccio, si assume M ≫ K, per ottenere un buona separazione spaziale dei
segnali dell'utente.

Precodifica e rilevamento
In MU-MIMO, la precodifica e il rilevamento sono progettati per separare i flussi di dati con la
minor interferenza possibile tra gli utenti. Nel downlink, la stazione base pre-filtrata i segnali agli
utenti previsti e nell'uplink,la stazione base post-filtra i segnali ricevuti da tutti gli utenti. CSI è
richiesto alla stazione base per eseguire l'elaborazione, anche se non necessariamente necessari ai
terminali che eseguono un'elaborazione relativamente semplice, ad esempio OFDM modulazione /
demodulazione nel nostro caso.

Nel downlink, Dirty-paper coding (DPC) è ottimale nel senso che raggiunge la capacità di somma e,
in uplink, la successiva cancellazione delle interferenze Il rilevamento (SIC) raggiunge la capacità
[35]. Tuttavia, i due non lineari gli schemi sono molto complessi nella pratica. Schemi lineari, come
matched-filtraggio (MF) e forzatura zero (ZF) sono semplici ma hanno prestazioni non ottimali in
termini di somme. In MIMO massiccio, ciò che accade è lineare gli schemi diventano quasi ottimali
man mano che il numero di antenne cresce. Nel seguente, esaminiamo gli schemi di precodifica /
rilevamento usati nel lavoro di tesi, per valutazione di massicce prestazioni MIMO in canali reali
(vedere documenti I-III e VI).

Dirty-Paper Coding

Nei canali downlink MU-MIMO, la capacità di somma può essere ottenuta utilizzandoDPC.La
stazione base sceglie le parole in codice per i segnali dell'utente in modo che le interferenze tra
utenti possono essere evitate, come se non esistessero. DPC è stato originariamente proposto
occupandosi dell'interferenza additiva nel canale. Il nome deriva dall'analogia secondo cui l'invio di
informazioni tramite un canale con interferenza additiva è come scrivere un messaggio su un foglio
con macchie di terra . La Figura 2.2 illustra questo analogo, dove proviamo a scrivere “MASSIVE
MIMO "su una carta sporca.
Noi conosciamo la posizione e l'intensità delle macchie
di sporco, ma il nostro lettore non riesce a distinguere lo
sporco dai segni di inchiostro scritto da noi. Per
trasmettere il messaggio, un modo di scrivere è aggirare
il file sporco il più possibile, vedere la Figura 2.2 (c). Lo
sporco si comporterà come “un rumore additivo” al
lettore dove alcuni si sovrappongono al messaggio.
Tuttavia, questo non è la soluzione ottimale. Un modo
più intelligente è mostrato nella Figura 2.2 (d), dove noi ”codificare "il messaggio e lo rendiamo
adattivo allo sporco. Prima di scrivere, il set di possibili “parole di codice” dovrebbe essere noto
anche al lettore in modo che possa farlo nella fase di decodifica del messaggio.
Invece di tentare di combattere l'interferenza, DPC si adatta ad essa scegliendo parole in codice
nella direzione dell'interferenza. Questa tecnica è stata applicata alla trasmissione downlink MU-
MIMO Tuttavia, l'implementazione di DPC richiede una complessità aggiuntiva significativa e un
approccio pratico rimane irrisolto. In alternativa, schemi a bassa complessità ma non ottimali, come
come il filtraggio lineare, vengono utilizzati nella pratica.

Schemi lineari
Gli schemi lineari comunemente usati includono matched-ltering (MF), zero-forcing (ZF) e
filtraggio dell'errore quadratico medio minimo (MMSE). Ci concentriamo sul lineare precodifica
nel collegamento verso valle e corrispondente rilevamento lineare nel collegamento verso monte
può essere derivato in modo simile. Con la pre-codifica lineare, abbiamo il vettore di trasmissione:
z=W √ P x
dove W denota la matrice di precodifica, P la matrice di allocazione di potenza per utenti diversi,
con Pi,i=1,2,…,K, sulla sua diagonale, e x è il vettore dei simboli trasmessi per gli utenti K e ogni
voce ha energia unitaria. I segnali trasmessi per gli utenti sono s= √ P x e W mappa s sulle M
antenne. Possiamo progettare W con obiettivi diversi, come la massimizzazione dell'SNR e
2
cancellazione dell'interferenza, soggetta al vincolo somma-potenza E {||z|| }=1. Il vincolo può essere
scritto come:

Tr { PW H W } =1
dove Tr() rappresenta la traccia di una matrice. Nel modello di segnale downlink, la potenza di
trasmissione totale è pdl.

Matched-Filtering
Iniziamo con la più semplice precodifica lineare. Precodifica MF, nota anche come trasmissione del
rapporto massimo (MRT), mira a massimizzare l'SNR di ricezione per ogni utente. Può essere
ottenuto risolvendo la seguente ottimizzazione del problema

E {|s H y|}
W MF =arg max 2
s . t . Tr { P MF W H W }=1
W σn

La soluzione è la trasposizione Hermitiana della matrice del canale:

W MF =H H

per un arbitrario P MF.Il modello effettivo del segnale per un iesimo utente diventa:
K
y i= √ pdl [ H H H ]i ,i s i + √ p dl ∑ [ H H H ]i , j s j+ ni
j =1 , j ≠i

dove vediamo un segnale di ricezione massimizzato per questo utente ma esiste il cross-talk. A
causa della massimizzazione dell'SNR di ricezione per ogni utente, MF è adatto per scenari a bassa
rumorosità. Ad alti SNR, le prestazioni MF saranno limitate da interferenza tra utenti, nel qual caso
la precodifica ZF è migliore di quella MF.
La precodifica ZF annulla l'interferenza tra utenti. Può essere ottenuto attraverso l'ottimizzazione :
2
W ZF =arg min E {∨|Ws|∨¿ }s . t . H W =I ¿
W

Cerchiamo W che rimuova completamente l'interferenza con il minimo che trasmette energia. La
soluzione è la pseudoinversa di Moore del canale,cioè:
−1
W ZF =H ϯ =H H ( H H H )

L’effettivo modello del segnale diventa:

y= √ pdl s +n

dove ogni utente riceve il suo segnale senza cross-talk. Utilizzando ZF, annulliamo perfettamente le
interferenze tra utenti. Tuttavia ZF può subire una penalità di potenza a causa dell’annullamento.
Esaminiamo il vincolo somma-potenza, che sarà pari:
K
−1
∑ P ZF ,i [ ( H H H ) ]i .i =1
i=1

dove PZF , i è l'i-esimo elemento diagonale nella matrice di allocazione di potenza PZF. La quantità
di potenza che può essere assegnata ai segnali utente dipende dalla condizione del canale. Non c'è
penalità di potenza se H ha il rango pieno e la matrice Gram è diagonale, cioè i canali dalla stazione
base a diversi utenti sono ortogonali. In questo caso, la potenza di trasmissione pdl può essere
completamente utilizzata dall'utente segnali. Tuttavia, la penalità di potenza aumenta, man mano
che la matrice Gram diventa mal condizionata, cioè, alcuni canali utente sono allineati tra loro. In
questo situazione, la matrice di Gram diventa grande, quindi PZF; deve essere piccolo. Da qui deve
essere spesa più energia per l'annullamento e meno allocato ai segnali dell’utente, risultando per
alcuni utenti con una potenza più bassa. Un effetto simile si verifica in ZF rilevamento, noto come
miglioramento del rumore. Pensando ai canali di propagazione, possiamo avere una migliore
comprensione delle precodifiche MF e ZF. La Figura 2.3 illustra la propagazione meccanismi dei
due schemi, in canali con 100 antenne di stazione base e cinque utenti. Sintonizzando la potenza e
la fase dei segnali di trasmissione attraverso tutte le antenne, MF e ZF fanno i segnali attraverso il
canale multipath, ad esempio dopo riflessione, difrazione e scattering, arrivano agli utenti in modi
diversi.
Con MF, i segnali multipath si sommano in modo costruttivo e prevedono la posizione dell'utente,
ma causa interferenze agli altri utenti, vedere la Figura 2.3 (a). Con ZF, i segnali multipath per
l'utente previsto si sommano
distruttivamente a zero con un predizione
della posizione degli altri utenti, ma con
una conseguente riduzione della potenza
del segnale di ricezione per l'utente
previsto, vedere la Figura 2.3 (b).
Confrontando i due, vediamo che
l'energia si diffonde su un'area più ampia
con ZF, che è la penalità di potenza
causata dall'annullamento.
Minimo errore quadratico medio
Come accennato in precedenza, ZF è adatto per scenari con SNR elevato, mentre MF sovraperforma
con SNR bassi. Ma se invece avessimo un SNR intermedio? Ci rivolgiamo a schemi che trovano un
trade off tra il segnale e la riduzione delle interferenze. La precodifica MMSE è un esempio. L'idea
è che se la covarianza del rumore è stimata al ricevitore e rimandata al trasmettitore, possiamo
progettare un precodificatore migliore per l'intera gamma di SNR.
MMSE si ottiene attraverso l’ottimizzazione:
2
2 n H
W MMSE=argmin E {∨¿ y−¿ √ pdl s∨¿ }=arg min E {∨¿ ( HW −I ) s +¿ ∨¿ }s . t . Tr { PMMSE W W }=1 ¿ ¿
W W p
√ dl
dove cerchiamo di minimizzare l'errore medio quadrato (MSE) tra la ricezione ed il segnale
trasmesso Una possibile soluzione è ZF dove HW = I, se la potenza di trasmissione pdl può essere
arbitrariamente alta. Con una potenza di trasmissione limitata,è necessario considerare la covarianza
del rumore, σ 2n I.La soluzione MMSE è
−1
W MMSE=H H ( H H H + α I )

K σ 2n
dove α = e K sono il numero di utentiLa forma generale nella (2.13) è noto anche come ZF
p dl
regolarizzato (RZF), per via del parametro di regolarizzazione. Di fatto MMSE è un caso speciale di
K σ 2n
RZF, dove α = è il risultato della riduzione al minimo con MSE.
p dl

MMSE è progettato in base alla potenza di trasmissione disponibile alla stazione base e la potenza
del rumore misurata presso gli utenti. Diventa ZF quando α =0 cioè a SNR molto alti, e converge a
MF quando α → ∞, cioè a SNR molto bassi. Tra i due estremi, MMSE supera ZF e MF in termini di
tasso di somma, poiché il suo MSE è inferiore agli altri due. Osservando la precedente figura il
meccanismo di propagazione dell'MMSE funziona tra quello dell'MF e ZF. La penalità di potenza
dovuta alla soppressione delle interferenze è minore in MMSE rispetto a ZF.