Investigación sobre el algoritmo de inteligencia computacional en la estimación de canales LTE
Resumen
Debido a que el tráfico de datos está creciendo a un ritmo rápido gracias a los avances en el Internet de las Cosas, el modelado preciso y la anticipación exacta del Long-Term Evolution (LTE) es fundamental para una variedad de aplicaciones como el streaming de vídeo, el consumo efectivo de ancho de banda, y la gestión de la energía. En esta investigación, proponemos un modelo basado en un Algoritmo de Inteligencia Computacional (IC) que puede mejorar la Estimación del Canal basado en la señal recibida. Se consideran dos algoritmos. A diferencia de los trabajos anteriores que se centraban únicamente en el diseño de modelos para estimar el canal utilizando los algoritmos tradicionales de Error Cuadrático Medio (MMSE) y de Mínimos Cuadrados (LS), nosotros utilizamos 1) GA (Algoritmo Genético) y 2) PSO (Algoritmo de Optimización de Enjambre de Partículas) para trabajar con datos de prueba de conducción discreta y continua de Long-Term Evolution (LTE). Nos fijamos en LTE en la banda de 5,8 GHz en particular. Al reducir el error cuadrático medio de LS y la complejidad de MMSE, el modelo de diseño intenta mejorar la estimación del canal. Los pilotos se colocan al azar y se envían con los datos para recopilar información sobre el canal, lo que ayuda al receptor a descodificar y estimar el canal mediante LS, MMSE, Taguchi GA y PSO. Se ha estimado la tasa de error de bits (BER), la relación señal/ruido y el error cuadrático medio de un modelo basado en IC. En comparación con los algoritmos MMSE y LS, el modelo BER propuesto alcanza la ganancia objetivo de 2,4 dB y 5,4 dB.
Referencias bibliográficas
A. J. Paulraj, D. A. Gore, R. U. Nabar, and H. Bolcskei, “An overview of MIMO communications—A key to gigabit wireless,” Proc. IEEE, vol. 92, no. 2, pp. 198–218, Feb. 2004.
B. Muquet, Z. Wang, G. B. Giannakis, M. de Courville, and P. Duhamel, “Cyclic prefixing or zero padding for wireless multicarrier transmissions?” IEEE Trans. Commun., vol. 50, no. 12, pp. 2136–2148, Dec.2002.
Y. Li, N. Seshadri, and S. Ariyavisitakul, “Channel estimation for OFDM systems with transmitter diversity in mobile wireless channels,” IEEE J. Sel. Areas Commun., vol. 17, no. 3, pp. 461–471, March 1999.
D. Wan, B. Han, J. Zhao, X. Gao, and X. You, “Channel estimation algorithms for broadband MIMO-OFDM sparse channel,” Proc.14th IEEE Int. Symp. on Personal, Indoor and Mobile Radio Communications, pp.1929–1933, Beijing, China, Sept. 2003. International Journal of Computer Networks & Communications (IJCNC) Vol. 4, No. 4, July 2012, 233.
3GPP, “Evolved Universal Terrestrial Radio Access (E-UTRA); Physical channels and modulation,” TS 36.211, 3rd Generation Partnership Project (3GPP), Sept. 2008.
J.-J. van de Beek, O. Edfors, M. Sandell, S. K. Wilson, and P. O. Borjesson, “On channel estimation in OFDM systems,” in Proc. IEEE 45th Vehicular Technology Conf., Chicago, IL, Jul. 1995, pp. 815-819.
O. Edfors, M. Sandell, J.-J. van de Beek, S. K. Wilson and P. O. Borjesson, “OFDM channel estimation by singular value decomposition,”in Proc. IEEE 46th Vehicular Technology Conference, Atlanta, GA, USA,Apr. 1996, pp. 923-927.
S. D. Ma and T. S. Ng, “Time domain signal detection based on second-order statistics for MIMO-OFDM systems,” IEEE Trans.Signal Process. vol. 55, no. 3, pp. 1150–1158, Mar. 2007.
S.D. Ma and T.S. Ng, “Semi-blind time-domain equalization for MIMO-OFDM systems”, IEEE Transactions on Vehicular Technology, 57(4), 2219-2227, July, 2008.
MM Rana “Channel estimation techniques and LTE Terminal implementation challenges” in Proc. International Conference on Computer and Information Technology pp. 545-549 December 2010.
M. Simko, D. Wu, C. Mehlführer, J. Eilert, D. Liu “Implementation Aspects of Channel Estimation for 3GPP LTE Terminals” in Proc. Proc. European Wireless 2011, Vienna, April, 2011.
A. Khlifi and R. Bouallegue, “Performance Analysis of LS and LMMSE channel estimation techniques for LTE Downlink Systems” International Journal of Wireless & Mobile Networks (IJWMN) Vol. 3, No. 5, October 2011.
A. J. Paulraj, D. A. Gore, R. U. Nabar, and H. Bolcskei, “An overview ofMIMO communications—A key to gigabit wireless,” Proc. IEEE, vol. 92, no. 2, pp. 198–218, Feb. 2004.
B. Muquet, Z. Wang, G. B. Giannakis, M. de Courville, andP. Duhamel, “Cyclic prefixing or zero padding for wireless multicarrier transmissions?” IEEE Trans. Commun., vol. 50, no. 12, pp. 2136–2148, Dec. 2002.
Y. Li, N. Seshadri, and S. Ariyavisitakul, “Channel estimation for OFDM systems with transmitter diversity in mobile wireless channels,” IEEE J. Sel. Areas Commun., vol. 17, no. 3, pp. 461–471, March 1999.
D. Wan, B. Han, J. Zhao, X. Gao, and X. You, “Channel estimation algorithms for broadband MIMO-OFDM sparse channel,” Proc.14th IEEE Int. Symp. on Personal, Indoor and Mobile Radio Communications, pp. 1929–1933, Beijing, China, Sept. 2003.
3GPP, “Evolved Universal Terrestrial Radio Access (E-UTRA); Physical channels and modulation,” TS 36.211, 3rd Generation Partnership Project (3GPP), Sept. 2008.
J.-J. van de Beek, O. Edfors, M. Sandell, S. K. Wilson, and P. O. Borjesson, “On channel estimation in OFDM systems,” in Proc. IEEE45th Vehicular Technology Conf., Chicago, IL, Jul. 1995, pp. 815-819.
O. Edfors, M. Sandell, J.-J. van de Beek, S. K. Wilson and P. O. Borjesson, “OFDM channel estimation by singular value decomposition,” in Proc. IEEE 46th Vehicular Technology Conference, Atlanta, GA, USA,Apr. 1996, pp. 923-927.
Descargas
Derechos de autor 2022 Revista Colombiana de Computación
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
