Señales de entrenamiento óptimas para estimación de canal MIMO energéticamente eficiente
Loading...
Files
Date
2012
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Explotar las ventajas de las tecnologías de múltiples antenas está fuertemente condicionado al conocimiento del canal inalámbrico que afecta cada transmisión. En la literatura se han propuesto diversos algoritmos de estimación de canal, los que típicamente han sido estudiados desde una perspectiva que no considera restricciones energéticas en su implementación. Esta tesis propone una metodología que permite evaluar el consumo energético de algoritmos de estimación de canal y encontrar las señales de entrenamiento que minimizan este consumo.
Se estudiaron en detalle los algoritmos de estimación de máxima verosimilitud (ML) y de mínimo error cuadrado medio (MMSE). Para cada uno se analizó los esquemas de estimación vectorial y matricial. Los resultados muestran que el factor dominante para alcanzar soluciones de adquisición de canal energéticamente eficientes es la complejidad de implementación de los algoritmos. Los algoritmos de estimación ML y MMSE vectorial presentaron un consumo energético similar. Sin embargo, ML tiene un menor costo energético fijo y a diferencia de MMSE no requiere conocimiento de estadísticas de canal. Por ello, es el algoritmo que se recomienda para escenarios en los que la energía es limitada. Trabajos futuros incluyen incorporar al problema de optimización los algoritmos de detección y sincronización que se ejecutan en un dispositivo real al inicializar un enlace MIMO, y extender esta metodología a la optimización energética conjunta de estimación de canal y transmisión de datos.
Se estudiaron en detalle los algoritmos de estimación de máxima verosimilitud (ML) y de mínimo error cuadrado medio (MMSE). Para cada uno se analizó los esquemas de estimación vectorial y matricial. Los resultados muestran que el factor dominante para alcanzar soluciones de adquisición de canal energéticamente eficientes es la complejidad de implementación de los algoritmos. Los algoritmos de estimación ML y MMSE vectorial presentaron un consumo energético similar. Sin embargo, ML tiene un menor costo energético fijo y a diferencia de MMSE no requiere conocimiento de estadísticas de canal. Por ello, es el algoritmo que se recomienda para escenarios en los que la energía es limitada. Trabajos futuros incluyen incorporar al problema de optimización los algoritmos de detección y sincronización que se ejecutan en un dispositivo real al inicializar un enlace MIMO, y extender esta metodología a la optimización energética conjunta de estimación de canal y transmisión de datos.
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2012