Beruflich Dokumente
Kultur Dokumente
MIMO
3 de septiembre de 2017
Índice de figuras
1
Índice general
1. Introducción 3
2. Sistemas MIMO 5
2.1. Definición de Sistemas MIMO . . . . . . . . . . . . . . . . . . 5
2.2. Historia de Sistemas MIMO . . . . . . . . . . . . . . . . . . . 5
2.3. Evolución de Sistemas MIMO . . . . . . . . . . . . . . . . . . 5
2.3.1. Diversidad de Espacio en Antenas . . . . . . . . . . . . 8
2.4. Funcionamiento de Sistemas MIMO . . . . . . . . . . . . . . . 8
2
Capı́tulo 1
Introducción
3
Fixed-Complexity Sphere Decoder (FCSD).
4
Capı́tulo 2
Sistemas MIMO
5
Figura 2.1: Cronologı́a de los Sistemas MIMO
6
le conoce como diversidad en recepción.
7
2.3.1. Diversidad de Espacio en Antenas
Como los sistemas MIMO utiliza múltiples antenas tanto en transmisión
como en recepción, entonces, se define dos tipos de diversidad para cada caso:
Diversidad de transmisión y Diversidad de recepción.
Diversidad de Transmisión
El sistema MIMO en la transmisión generalmente usa la diversidad de
código, también conocida como Codificación Espacio–Tiempo (STC, Space
Time Coding), que mejora la fiabilidad de la transmisión de datos.
Su funcionamiento consiste en enviar copias redundantes de una trama
de datos codificadas, con el propósito de que al menos una de ellas llegue
sin errores al destino y ası́ alcanzar la decodificación fiable adecuada. Di-
chas copias codificadas se distribuyen a través de las antenas transmisoras
disponibles a lo largo del tiempo.
Diversidad de Recepción
Para que el receptor capte la información de manera fiable debe existir
una buena distribución espacial de estas antenas para que la señal recibida
sea tratada de manera independiente. Dependiendo del uso de las antenas se
distinguen tres subtipos:
8
Inter-Simbólica (ISI), Fading o desvanecimiento de la amplitud de la señal,
Interferencia Co-Canal (CCI), Doppler o canal variante en el tiempo y Ruido
térmico. Una de las ventajas de MIMO, es que aprovecha todos los efectos
nombrados anteriormente para mejorar la capacidad y calidad del sistema.
9
Capı́tulo 3
10
La señal Y en el receptor estará dada por la ecuación 3.1 (3):
y = Hx + n (3.1)
11
problema de ecualización de un sistema de modulación de pulso limitado de
ancho de banda. Este sistema se modeló con la ayuda de M formas de onda,
cada una de las cuales está ampliada en escala y transmitida simultánea-
mente a través de un único canal fı́sico, que tiene M salidas correspondientes
a cada forma de onda de señal. Con el fin de eliminar tanto el ISI entre el
tren de impulsos como la interferencia entre diferentes formas de onda (cross-
talk ), Shnidman formuló un criterio generalizado de Nyquist y propuso un
receptor lineal óptimo. Esta contribución histórica se inspiró esencialmente
en el problema clásico de Nyquist, que apunta a la optimización conjunta
del transmisor y receptor con el fin de combatir el ISI cuando se comunica
a través de un canal de una sola entrada de una sola salida convencional.
Desde entonces, el problema de detección de MIMO ha sido estudiado en el
contexto de diversas aplicaciones y bajo posiblemente diferentes nombres.
Esta historia de medio siglo se puede dividir en cuatro periodos: el perı́odo
de lucha contra la diafonı́a en el contexto de los primeros sistemas FDM /
TDM de un solo usuario, el perı́odo de detección multiusuario (MUD) durante
la prevalencia de los sistemas CDMA, el perı́odo de detección de sı́mbolos
conjuntos en los sistemas de antenas múltiples de pequeña y mediana escala
y el perı́odo de detección de sı́mbolos en los sistemas de antenas múltiples
de gran escala, como se muestra en la fugura 3.3 (6) :
12
3.2. Algoritmos de Detección en Sistemas MI-
MO
Con el fin de dar solución al problema de optimización combinatoria (CO,
combinatoria optimizatión), que consiste en buscar valores para variables
discretas de tal manera de que se detecte una solución óptima con respecto a
una función objetivo seleccionada, para dar solución dicho problema existen
dos clases de algoritmo: algoritmos exactos y algoritmos aproximados.
Detectores Lineales
En la figura 3.4 (6) se muestra una ilustración conceptual de los detectores
MIMO lineales que se basan en una transformación lineal del vector de señal
de salida y. Particularmente una de las ventajas de estos detectores es su
baja complejidad y una de las desventajas es que sufren de una alta perdida
de rendimiento en comparación a otros detectores.
Estos detectores, una vez reciben la señal la filtran por un filtro lineal y
cada sı́mbolo de datos se detecta individualmente. Por lo tanto, el papel de
un filtro lineal es suprimir las señales de interferencia. El receptor tiene la
tarea de contrarrestar el efecto del canal, esto lo realiza pre-multiplicando
13
Figura 3.4: Historia en los Detectores en los Sistemas MIMO
el vector recibido por una matriz estimadora W para lograr la ecuación 3.3,
(2):
ŷ = W y (3.3)
De acuerdo con la ecuación 3.3, es posible observar que el resultado es
sin restricciones del vector transmitido x, cuyos valores están restringidos al
conjunto limitado de los puntos de la constelación. Por lo tanto, este proceso
necesita de mapear a puntos validos de la constelación cada componente del
vector ŷ, ası́ (2):
ŷ = Q(ŷ) (3.4)
Donde Q(.) es el decisor, llamado Slice.
Existen dos detectores lineales populares, el forzado cero (ZF) y el error
mı́nimo cuadrático medio (MMSE) el cual se profundizará más a fondo en el
siguiente capı́tulo.
Las principales contribuciones al desarrollo de detectores MIMO lineales
se resumen en la Tabla tal.
14
en sus estudios teóricos de la información de los canales de radiodifusión y
de los canales de interferencia, respectivamente. En el contexto de los siste-
mas CDMA y multiantena, esta clase de detectores MIMO tiene numerosas
variantes debido a la flexibilidad de diseño asociada, incluyendo: el detector
de cancelación de interferencia sucesiva (SIC), el detector de cancelación de
interferencia en paralelo (PIC), el detector de cancelación de interferencia
de múltiples etapas (MIC), y el detector de retroalimentación de decisión
(DFD), etc.
Los detectores MIMO basados en la cancelación de interferencias son
tı́picamente capaces de proporcionar una detección de interferencia de mejor
rendimiento que sus homólogos lineales a expensas de una mayor compleji-
dad, especialmente en ausencia de codificación de canal, aunque esto no es
necesariamente siempre el caso. En la práctica, un inconveniente común de
los detectores MIMO basados en la cancelación de interferencias es que a
menudo sufren de propagación de errores. Por tanto, los usuarios que inter-
fieren tienen una fuerza de señal mucho más fuerte que el usuario deseado.
Desde esta perspectiva, el usuario más débil se beneficia más del empleo del
detector de cancelación de interferencias.
En el detector MIMO basado en SIC, utilizan las técnicas lineales pa-
ra hacer una estimación del vector sı́mbolo a sı́mbolo. Entonces se resta la
interferencia impuesta por este sı́mbolo particular sobre los otros sı́mbolos
restante después de recrear la interferencia al generar la señal modulada co-
rrespondiente a este sı́mbolo. En este esquema, es muy importante cancelar el
efecto de la señal interferente más fuerte antes de detectar las señales débi-
les. Por lo tanto, el orden de detección de sı́mbolos especı́ficos, que puede
diseñarse según diversos criterios, es muy importante para el rendimiento
del detector SIC. El método SIC funciona bien cuando hay una diferencia
sustancial en la intensidad de la señal recibida de los múltiples sı́mbolos
transmitidos simultáneamente. Sin embargo, esta condición no siempre se
cumple en aplicaciones prácticas, lo que hace que el detector SIC sea poten-
cialmente sensible a la propagación de errores de decisión. Por lo tanto, el
detector SIC es adecuado para sistemas de acceso múltiple que sufren del
problema cercano, tal como la familia de sistemas CDMA o SDMA. En el
detector SIC, existe una necesidad de reordenamiento de detección en cada
iteración del detector SIC, y el número de iteraciones de detección aumenta
linealmente con el número de sı́mbolos. Por lo tanto, para un sistema que
15
tiene un vector de sı́mbolo transmitido de alta dimensión, la técnica SIC
impone una complejidad sustancial, lo que en última instancia aumenta el
retardo de procesamiento.
El detector SIC diseñado para sistemas CDMA fue propuesto por prime-
ra vez por Viterbi. En el contexto de los sistemas SDM basados en antenas
múltiples, el esquema SIC fue estudiado por primera vez por Foschini, Wol-
niansky, Golden y Valenzuela, y posteriormente fue estudiado de forma más
exhaustiva por numerosos investigadores, Viterbi propuso un esquema SIC
para un sistema CDMA (DS-CDMA) de secuencia directa convolucionalmen-
te codificado y reveló que con la ayuda del receptor basado en SIC, la veloci-
dad de datos agregada de todos los usuarios simultáneos puede aproximarse
a la capacidad de Shannon del canal gaussiano. Cabe destacar que, aunque
teóricamente el método SIC alcanza la capacidad de Shannon en el canal
de acceso múltiple asumiendo una detección perfectamente libre de errores
(evitando ası́ la propagación de error de decisión), esto no es necesariamente
cierto en la práctica, porque el método SIC es sensible a la propagación de
errores de decisión y, por lo tanto, los detectores MIMO que son más robustos
para la propagación de errores de decisión podrı́an superar al detector SIC
en la práctica.
Otro hecho que vale la pena mencionar es que la degradación del rendi-
miento impuesta por la propagación de errores en el detector SIC puede ser
mitigada por un control de potencia preciso.
Uno de los detectores de cancelación de interferencia más popular es el
MMSE - SIC el cual se profundizará más a fondo en el siguiente capı́tulo.
16
Capı́tulo 4
17
4.1.2. Definición y Funcionamiento de los detectores
MMSE
Como se observa en la figura 3.4 la matriz W de transformación lineal
puede tener un diseño acorde al criterio MMSE (error mı́nimo cuadrático
medio), que minimizan simultáneamente el ruido y la interferencia. Por lo
tanto, en vez de cancelar los términos interferentes a costa del ruido, minimiza
el error cuadrático medio o errores esperado como se observa en la ecuación
4.1 (5), entre los datos que son transmitidos y los datos recibidos en el canal
teniendo en cuenta el ruido. Donde E(.) denota la esperanza de la variable
aleatoria.
σn2 −1 H
WM M SE = (H H + ( )I) H (4.2)
σx2
2
σn
Donde σx2
= σ 2 , es la potencia de ruido por transmisión real.
De la ecuación camilo, el vector estimado de sı́mbolos transmitidos ŷ en
la detección MMSE esta dado por la ecuación 4.1 (5):
σn2 1 H
ŷM M SE = WM M SE y = (H H + ( )I) H y (4.3)
σx2
Comparado con otros detectores lineales el detector MMSE lineal logra un
mejor equilibrio entre la eliminación de MUI (Interferencia Multi- Usuario) y
la mejora del ruido, de esta manera se minimiza conjuntamente el error total
impuesto por los anteriores fenómenos. Por lo tanto, se puede concluir que el
detector MMSE lineal logra un mejor rendimiento a bajas SNR (Relaciones
Señal a Ruido).
18
4.1.3. Modelo Matemático de los Detectores MMSE
A partir de la ecuación 4.2, como se puede observar el receptor MM-
SE requiere de la información estadı́stica del ruido σ 2 . El vector de la fila
Wi,M M SE de la matriz de la ecuación 4.2 se obtiene por la solución de la
siguiente ecuación de optimización (? ):
ŷM M SE = WM M SE y (4.4)
= (H H H + σ 2 I)−1 H H y (4.5)
= y + (H H H + σ 2 I)−1 H H z (4.6)
= y + z M M SE (4.7)
Donde ZM M SE = (H H + σ 2 I)−1 H H z, la potencia de ruido post-detección
se expresa como:
X X− X −
X
H − H
||zM M SE ||22
= ||( H
V + σ2 2 2
V ) U z|| = ||V ( 2
+ σz ))− U H z||2
(4.11)
Por el hecho de que la multiplicación con una matriz unitaria no cambia
la norma vectorial, es decir,||VX ||2 = ||x||2 , el valor esperado de la ecuación
4.9 se da como:
19
Para la mejora del ruido, la etapa del filtrado lineal es significativa cuando
el número de condición del canal es grande y el valor mı́nimo singular es
pequeño. Haciendo referencia a la anterior ecuación, los efectos de realce del
ruido debido al valor singular para el detector lineal MMSE se da como:
N
X
E||zM M M SE ||22 ] = σz2 σi2 /(σi2 + σz2 )2 = σz2 σmin
2 2
/(σmin + σz2 )2 (4.12)
i=1
20
4.2.2. Definición y Funcionamiento de los Detectores
MMSE-SIC
Realiza la anulación de sı́mbolos mediante el criterio MMSE con cance-
lación, tiene en cuenta tanto el ruido como las interferencias y es el mejor de
los algoritmos clásicos.
Los pasos por seguir para aplicar MMSE-SIC son:
1) Se detecta en primer lugar el sı́mbolo recibido con mayor fiabilidad
2) Se extrae del resto de señales recibidas
3) Se elimina la columna del canal correspondiente a ese sı́mbolo
4) Se vuelve al paso 1 con el sistema restante, con una columna menos
Se ejecutan todos los pasos anteriores hasta detectar todos los sı́mbolos.
Esquema A
Define una matriz de canal extendida como:
p
Hex = [H T N0 /Es I]T (4.13)
Se definen y y n como:
yex = [y T 0T ]T (4.14)
21
p
nex = [nT − N0 /Es I]T (4.15)
Usando la factorización QR (Low Complexity MIMO Receivers) se tiene:
Esquema B
Este sistema se lleva a cabo adoptando el estimador MMSE, donde el
estimador MMSE para sı́mbolo x1 es dado por:
Tenga en cuenta que hˆ1 denota la primera columna del vector HH. La
siguiente operación de decisión se realiza para detectar x1 de:
22
en las primeras etapas. Para mejorar dicho rendimiento se considera una
estrategia sencilla seleccionando el primer sı́mbolo a detectar que tenga el
MMSE más pequeño (es decir, de manera equivalente la mayor relación señal-
interferencia-ruido más alta (SINR)) como:
23
Bibliografı́a
[2] Bashir, S., Khan, A. A., Naeem, M., and Shah, S. I. (2007). An appli-
cation of ga for symbol detection in mimo communication systems. In
Natural Computation, 2007. ICNC 2007. Third International Conference
on, volume 2, pages 404–410. IEEE.
[6] Yang, S. and Hanzo, L. (2015). Fifty years of mimo detection: The
road to large-scale mimos. IEEE Communications Surveys & Tutorials,
17(4):1941–1988.
24