Cell-Free Massive MIMO: Distributed Signal Processing and Energy Efficiency

• In this era of rapid wireless technological advancements, wireless connectivity between humans, humans with machines, and machines with machines is gradually becoming an absolute necessity. The initial motivation for wireless connectivity was to enable voice communication between humans over a geo-graphical area. Thanks to cellular communications advancements in the past decade, cellular wireless connectivity has become a global success, starting from 1G to the present generation 5G. However, the needs of humans often evolve with time, and now the world is witnessing an ever-growing demand for the internet with high data rates besides reliable voice communication. Current cellular networks suffer from non-uniform data rates across a cell, i.e., users at the cell center and the cell edges experience significant variations in signal-to-noise ratio, making the cellular technology less reliable to meet the future data demands. Moreover, cellular networks operating as cells, i.e., an access point (AP, the term we would use instead of base station) serving the users within its geographical location, cannot leverage the network’s total capacity without cooperation among APs of the neighboring cells. One potential solution is moving away from the cell to cell-free networks wherein all the APs will serve all the users within the geographical coverage area. Thus, there is a need for a paradigm shift in how cellular networks operate. Towards the goal mentioned above to fully leverage the network capacity, the Cell-Free Massive multiple-input-multiple-output (MIMO) technology is expected to be the next potential technology beyond 5G combining the benefits of Massive MIMO and cell-free distributed architectures. Distributed architectures require distributed signal processing algorithms, and also energy consumption of the network is crucial. Keeping in view the practical ease in deployment, we consider a sequentially connected Cell-Free Massive MIMO network called a “radio stripe”. In the first part of the thesis, we focus on developing an optimal sequential algorithm in the sense of mean-square-error (MSE) which has the same performance as that of centralized Cell-Free Massive MIMO implementation with the minimum MSE (MMSE) receiver. We also develop an optimal sequential algorithm that decentralizes the centralized bit LLR computation. Another attractive aspect of these proposed algorithms is that the fronthaul (number of real symbols required by the central processing unit (CPU) to decode the transmitted signal) is independent of the number of APs. On the contrary, centralized implementation fronthaul is dependent on the number of APs, causing scalability problems with the increase in APs. In the second part of the thesis, we develop an algorithm focused on maximizing the energy efficiency of the RadioWeave network in an underlay spectrum sharing. RadioWeave is a technology envisioned to combine Cell-Free Massive MIMO and possibly large intelligent surfaces. We first present the energy efficiency problem, which is non-convex in its original form. Then, a convex lower bound on the problem is provided with an iterative algorithm to solve the problem efficiently.  

• I denna tid av snabba trådlösa tekniska framsteg blir trådlös anslutning mellan människor, mellan människor och maskiner och mellan maskiner och maskiner gradvis en absolut nödvändighet. Den ursprungliga motivationen för trådlös anslutning var att möjliggöra röstkommunikation mellan människor över ett stort geografiskt område. Tack vare framsteg inom mobilkommunikation under det senaste decenniet har mobil trådlös anslutning blivit en global framgång, från 1G till den nuvarande generationen 5G. Men människors behov utvecklats med tiden, och nu bevittnar världen, förutom pålitlig röstkommunikation, en ständigt växande efterfrågan på internet med höga datahastigheter. Nuvarande cellulära nätverk lider av olikformiga datahastigheter över cellen, d.v.s. användare i cellcentret och cellkanterna upplever betydande variationer i signal-brusförhållande, vilket gör den cellulära tekniken mindre lämplig för att möta framtida databehov. Dessutom kan cellulära nätverk som fungerar som celler, d.v.s. att varje accesspunkt (AP, termen vi använder istället för basstation) betjänar användarna inom dess geografiska område, inte utnyttja nätverkets totala kapacitet utan samarbete mellan AP:er i de angränsande cellerna. En potentiell lösning är att gå från cellulära till cellfria nätverk där alla basstationer betjänar alla användare inom det geografiska täckningsområdet. Det finns alltså ett behov av ett paradigmskifte i hur cellulära nätverk fungerar. För att fullt ut utnyttja nätverkskapaciteten, förväntas Cell-Free Massive MIMO vara nästa potentiella teknik bortom 5G som kombinerar fördelarna med Massive MIMO och cellfria distribuerade arkitekturer.Distribuerade arkitekturer kräver distribuerade signalbehandlingsalgoritmer, och även energiförbrukningen i nätverket är av stor vikt. Vi studerar sekventiellt anslutna Cell-Free Massive MIMO-nätverk som kallas “radio stripe”, eftersom dessa är enkla att placera ut. I den första delen av avhandlingen fokuserar vi på att utveckla en optimal, ur ett MSE perspektiv, sekventiell algoritm som har samma prestanda som den för centraliserad Cell-Free Massive MIMO-implementering med en MMSE-mottagare. Vi utvecklade också en optimal sekventiell algoritm som decentraliserar den centraliserade bit LLR. En kritisk aspekt av dessa föreslagna algoritmer är att fronthaul (antal reella symboler som krävs av CPU:n för att avkoda den sända signalen) är oberoende av antalet AP:er. Tvärtom är fronthaulen i en centraliserad implementering beroende av antalet AP:er, vilket orsakar skalbarhetsproblem med ökningen av AP:er.I den andra delen av avhandlingen utvecklar vi en algoritm fokuserad på att maximera energieffektiviteten i RadioWeave-nätverk med en underliggande spektrumdelning. RadioWeave är en teknik som är tänkt att kombinera Cell-Free Massive MIMO och möjligen stora intelligenta ytor. Vi presenterar först energieffektivitetsproblemet, som är icke-konvext i sin ursprungliga form. Sedan förses en konvex nedre gräns för problemet med en iterativ algoritm för att lösa problemet effektivt.   

Ämnesord

TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik -- Kommunikationssystem (hsv//swe)

ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering -- Communication Systems (hsv//eng)

Publikations- och innehållstyp

vet (ämneskategori)

lic (ämneskategori)