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
GPP. (2008, November). LTE. Evolved Universal Terrestrial Radio Access (E-UTRA); Physical channels and modulation. TS 36.211. Retrieved from https://www.etsi.org/deliver/etsi_ts/136200_136299/136211/08.03.00_60/ts_136211v080300p.pdf
Dongming, W., Bing, H., Junhui, Z., Xiqi, G., & Xiaohu, Y. (2003, September). Channel estimation algorithms for broadband MIMO-OFDM sparse channel. 14th IEEE Proceedings on Personal, Indoor and Mobile Radio Communications, 2003. PIMRC 2003. (pp. 1929-1933). Beijing: IEEE. doi:10.1109/PIMRC.2003.1260454
Edfors, O., Sandell, M., van de Beek, J. J., Wilson, S. K., & Ola Borjesson, P. (1996, April 28). OFDM channel estimation by singular value decomposition. Proceedings of Vehicular Technology Conference - VTC (pp. 923-927). Atlanta, GA, USA: IEEE. doi:10.1109/VETEC.1996.501446
Khlifi, A., & Bouallegue, R. (2011, October). Performance Analysis of LS and LMMSE channel estimation techniques for LTE Downlink Systems. International Journal of Wireless & Mobile Networks (IJWMN), 3(5), 141-149. doi:10.5121/ijwmn.2011.3511
Li, Y., Seshadri, N., & Ariyavisitakul, S. (1999, March). Channel estimation for OFDM systems with transmitter diversity in mobile wireless channels. IEEE Journal on Selected Areas in Communications, 17(3), 461-471. doi:10.1109/49.753731
Masud Rana. (2010, December). Channel estimation techniques and LTE terminal implementation challenges. 2010 13th International Conference on Computer and Information Technology (ICCIT) (pp. 545-549). Dhaka: IEEE. doi:10.1109/ICCITECHN.2010.5723916
Muquet, B., Wang, Z., Giannakis, G. B., de Courville, M., & Duhamel, P. (2002). Cyclic prefixing or zero padding for wireless multicarrier transmissions? IEEE Transactions on Communications, 50(12), 2136-2148. doi:10.1109/TCOMM.2002.806518
Paulraj, A. J., Gore, D. A., Nabar, R. U., & Bolcskei, H. (2004, Feb.). An overview of MIMO communications—A key to gigabit wireless. Proceedings of the IEEE, 92(2), 198–218. doi:10.1109/JPROC.2003.821915
Rana, M. (2010, December). Channel estimation techniques and LTE terminal implementation challenges. 2010 13th International Conference on Computer and Information Technology (ICCIT), (pp. 545-549). Dhaka. doi:10.1109/ICCITECHN.2010.5723916
Shaodan, M., & Tung-Sang, N. (2006, December). Semi-Blind Time Domain Equalization for MIMO-OFDM Systems. 2006 IEEE Asia Pacific Conference on Circuits and Systems, (pp. 2219-2227). Singapore. doi:10.1109/APCCAS.2006.342329
Shaodan, M., & Tung-Sang, N. (2007, February 2007). Time domain signal detection based on second-order statistics for MIMO-OFDM Systems. IEEE Transactions on Signal Processing, 55(3), 1150-1158. doi:10.1109/TSP.2006.888063
Simko, M., Wu, D., Mehlfuerer, C., Eilert, J., & Liu, D. (2011, April). Implementation Aspects of Channel Estimation for 3GPP LTE Terminals. 17th European Wireless 2011 - Sustainable Wireless Technologies (pp. 17th European Wireless 2011 - Sustainable Wireless Technologies). Vienna: VDE. Retrieved from https://ieeexplore.ieee.org/document/5897996/
van de Beek, J. J., Edfors, O., Sandell, M., Wilson, S. K., & Borjesson, P. O. (1995, July). On channel estimation in OFDM systems. 1995 IEEE 45th Vehicular Technology Conference. Countdown to the Wireless Twenty-First Century (pp. 815-819). Chicago, IL, USA: IEEE. doi:10.1109/VETEC.1995.504981
Wang, D., Han, B., Zhao, J., Gao, X., & You, X. (2003, September). Channel estimation algorithms for broadband MIMO-OFDM sparse channel. 14th IEEE Proceedings on Personal, Indoor and Mobile Radio Communications, 2003. PIMRC 2003. 2, pp. 1929-1933. Beijing, China: IEEE. doi:10.1109/PIMRC.2003.1260454
Descargas
Derechos de autor 2022 Revista Colombiana de Computación
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
