URI | http://purl.tuc.gr/dl/dias/BA2AB2CA-1120-4B65-B325-30F5077C935F | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.91437 | - |
Γλώσσα | en | - |
Μέγεθος | 79 pages | en |
Μέγεθος | 3.4 megabytes | en |
Τίτλος | Estimation of sparse channels in 5G wireless systems | en |
Τίτλος | Εκτίμηση αραιών καναλιών σε ασύρματα συστήματα 5ης γενιάς | el |
Δημιουργός | Paktitis Spyridon | en |
Δημιουργός | Πακτιτης Σπυριδων | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Liavas Athanasios | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Λιαβας Αθανασιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Karystinos Georgios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Καρυστινος Γεωργιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Μπερμπερίδης, Κώστας | en |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Περίληψη | In this Diploma Thesis, we study a novel Channel State Information on the Transmitter side (CSIT) algorithm for the estimation of the CSIT in a multiuser, Frequency Division Multiplexing (FDD), massive MIMO wireless system. The main characteristic of a massive MIMO system is the large number of antennas at the Base Station (BS). This fact puts significant difficulties at the channel estimation process but offers significant benefits regarding spectral and energy efficiency, reliability, and capacity.
First, we present the concept of Compressive Sensing and the important research results of J.A. Tropp and A.C. Gilbert, including an algorithm for sparse signal recovery from random measurements via Orthogonal Matching Pursuit. In their work, Tropp and Gilbert propose a remarkably simple algorithm for tackling signal estimation when dealing with sparse channel matrices.
Then, we familiarise ourselves with the Angular Domain representation of signals, mainly based on the book by D. Tse and P. Viswanath.
Last, we present an algorithm for efficient channel estimation in Massive MIMO FDD systems proposed in a paper by X. Rao and V. K. N. Lau. We also studied the work of J. C. Shen, J. Zhang, K. C. Chen and K. B. Lataief (see also the work of M. Massod, L.H. Afify and T.Y. Al-Naffouri).
We apply and test the algorithm in various scenarios of interest, revealing that efficient massive MIMO channel estimation is possible under the hypothesis of sparsity in the angular domain.
| en |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by-nc/4.0/ | en |
Ημερομηνία | 2022-02-09 | - |
Ημερομηνία Δημοσίευσης | 2022 | - |
Θεματική Κατηγορία | Sparse channel estimation | en |
Θεματική Κατηγορία | Orthogonal Matching Pursuit (OMP) | en |
Θεματική Κατηγορία | Angular Domain representation of signals | en |
Θεματική Κατηγορία | Massive MIMO | en |
Βιβλιογραφική Αναφορά | Spyridon Paktitis, "Estimation of Sparse Channels in 5G Wireless Systems", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2022 | en |
Βιβλιογραφική Αναφορά | Σπυρίδων Πακτίτης, "Εκτίμηση αραιών καναλιών σε ασύρματα συστήματα 5ης γενιάς", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 | el |