Advanced Techniques for Channel Modeling, Estimation, and Resource Allocation Optimization in 5G/6G Wireless Communication Systems

Página do item simplificado
dc.contributor.advisorAbrão, Taufik
dc.contributor.authorGuerra, David William Marques
dc.contributor.bancaRego, Cássio Gonçalves
dc.contributor.bancaPanazio, Cristiano Magalhães
dc.contributor.bancaFilho, José Cândido Silveira Santos
dc.contributor.bancaCampos, Marcello Luiz Rodrigues
dc.coverage.extent167 p.
dc.coverage.spatialLondrina, Paraná
dc.date.accessioned2025-02-04T13:59:44Z
dc.date.available2025-02-04T13:59:44Z
dc.date.issued2024-06-12
dc.description.abstractSeveral emerging technologies have being proposed to meet the growing demand for highspeed, reliable, and high-quality communications for the next-generation (6G) mobile systems. The Extra-Large Multiple-Input Multiple-Output (XL-MIMO) system, a MIMO communication system with a very large number of antennas, is presented as a promising solution, as well as Reconfigurable Intelligent Surfaces (RIS), which are structures composed of reflecting elements capable of altering the phase and amplitude of the reflected signal, thus improving communication performance. Building on the potential of these techniques, this thesis explores the characteristics, challenges, and solutions associated with implementing these schemes in mobile communication systems. The first part proposes a double-scattering XL-MIMO channel modeling, considering specific concepts of this scenario and evaluating the impact of the spatial and temporal evolution of the dynamic environment. We observe that the birth and death processes of scatterers and clusters considerably impact system performance. In the second part, a channel estimator is proposed for RIS-assisted systems using signal compression techniques. More specifically, an efficient estimation of sparse channel gains using a modified redundant dictionary to reconstruct the BS-RIS/UE-RIS links in RIS-aided communication is proposed. This is achieved through a compressed sensing (CS) based method called Matching Pursuit with Phase Rotation (MP-PR), which uses a few active elements on the RIS panel. This procedure aims to optimize the efficiency and accuracy of channel estimation, representing one of the main challenges for effectively integrating RIS in beyond 5G (B5G) wireless networks. The third part of this work proposes an energy-efficient uplink power control for RIS-aided IoT systems. To address the battery limitations of IoT devices, the approach employs Riemannian manifolds and a convex power allocation solution to improve energy efficiency (EE) by reducing IoT transmit power in RIS-aided uplink Massive MIMO (M-MIMO) systems. Numerical results indicate significant improvements in the total power consumption of the devices compared to existing techniques. Additionally, an alternative approach using statistical channel state information (CSI) demonstrates comparable performance with reduced complexity
dc.description.abstractother1Várias tecnologias emergentes estão sendo propostas para atender à crescente demanda por comunicações de alta velocidade, confiáveis e de alta qualidade para os sistemas móveis de próxima geração (6G – sixth generation). O sistema de extra larga escala de múltiplas entradas e múltiplas saídas (XL-MIMO – Extra-Large Multiple-Input Multiple-Output), um sistema de comunicação MIMO com um número muito grande de antenas, é apresentado como uma solução promissora, bem como as superfícies inteligentes reconfiguráveis (RIS – Reconfigurable Intelligent Surfaces), que são estruturas compostas de elementos refletores capazes de alterar a fase e a amplitude do sinal refletido, melhorando assim o desempenho da comunicação. Aproveitando o potencial dessas técnicas, esta tese explora as características, os desafios e as soluções associadas à implementação desses esquemas em sistemas de comunicação móvel. A primeira parte deste trabalho apresenta e analisa um modelo de canal XL-MIMO de duplo espalhamento, considerando conceitos específicos desse cenário e avaliando o impacto da evolução espacial e temporal do ambiente dinâmico. Observa-se que os processos de nascimento e morte dos espalhadores afetam consideravelmente o desempenho do sistema. Na segunda parte, é proposto um estimador de canal para sistemas assistidos por RIS usando técnicas de compressão de sinal. Mais especificamente, propõe-se uma estimativa eficiente dos ganhos de canal esparsos usando um dicionário redundante modificado para reconstruir os links BS-RIS/UE-RIS em comunicações assistidas por RIS. Isso é alcançado por meio de um método baseado em amostragem compressiva (CS – Compressed Sensing) chamado busca correspondente com rotação de fase (MP-PR – Matching Pursuit with Phase Rotation), que utiliza poucos elementos ativos no painel RIS. Este procedimento visa otimizar a eficiência e a precisão da estimativa de canal, representando um dos principais desafios para integrar efetivamente a RIS nas redes sem fio além do 5G (B5G – Beyond 5G). A terceira parte deste trabalho propõe um controle de potência de uplink eficiente em termos de energia para sistemas IoT assistidos por RIS. Para abordar as limitações de bateria dos dispositivos IoT, a abordagem emprega variedades Riemannianas e uma solução de alocação de potência cvx para melhorar a eficiência energética (EE) ao reduzir a potência de transmissão dos dispositivos IoT em sistemas de uplink MIMO massivo (M-MIMO – Massive MIMO) assistidos por RIS. Resultados numéricos indicam melhorias significativas no consumo total de potência dos dispositivos em comparação com as técnicas existentes. Além disso, uma abordagem alternativa usando conhecimento estatístico da informação do canal estatístico demonstra um desempenho comparável com complexidade reduzida
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/18543
dc.language.isoeng
dc.relation.departamentCTU - Departamento de Engenharia Elétrica
dc.relation.institutionnameUniversidade Estadual de Londrina - UEL
dc.relation.ppgnamePrograma de Pós-Graduação em Engenharia Elétrica
dc.subjectM-MIMO
dc.subjectXL-MIMO
dc.subjectChannel Modeling
dc.subjectRIS
dc.subjectChannel Estimation
dc.subjectQoS
dc.subjectIoT
dc.subjectManifolds
dc.subjectMultiple Access
dc.subjectEnergy Efficiency
dc.subjectSpectral Efficiency
dc.subject.capesEngenharias - Engenharia Elétrica
dc.subject.cnpqEngenharias - Engenharia Elétrica
dc.subject.keywordsM-MIMO
dc.subject.keywordsXL-MIMO
dc.subject.keywordsModelagem de Canal
dc.subject.keywordsRIS
dc.subject.keywordsEstimação de Canal
dc.subject.keywordsQoS
dc.subject.keywordsIoT
dc.subject.keywordsManifolds
dc.subject.keywordsAcesso Múltiplo
dc.subject.keywordsEficiência Energética
dc.subject.keywordsEficiência Espectral
dc.titleAdvanced Techniques for Channel Modeling, Estimation, and Resource Allocation Optimization in 5G/6G Wireless Communication Systems
dc.title.alternativeT´ecnicas Avan¸cadas para Modelagem, Estimativa e Recursos de Canais Otimiza¸c˜ao de aloca¸c˜ao em sistemas de comunica¸c˜ao sem fio 5G/6G
dc.typeTese
dcterms.educationLevelDoutorado
dcterms.provenanceCentro de Tecnologia e Urbanismo

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
_David_Thesis__CE_Optz_RE_M_MIMO_RIS_.pdf
Tamanho:
2.7 MB
Formato:
Adobe Portable Document Format
Descrição:
texto completo ID: 193079
Baixar
Nenhuma Miniatura disponível
Nome:
EN_EEL_Dr_2024_Guerra_David_WM_Termo.pdf
Tamanho:
93.79 KB
Formato:
Adobe Portable Document Format
Descrição:
termo de autorização
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
555 B
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

01 - Doutorado - Engenharia Elétrica