Naslov (srp)

Modeli digitalne predistorzije za hibridne masivne višeantenske predajnike sa formiranjem snopa primenom neuralnih mreža : doktorska disertacija

Autor

Muškatirović-Zekić, Tamara, 1982-

Doprinosi

Ilić, Milan, 1970-
Nešković, Aleksandar, 1968-
Tomašević, Nikola M., 1983-
Budimir, Đurađ
Nešković, Nataša, 1969-

Opis (eng)

The intensive and rapid development of new generation wireless systems is closely related tothe development and application of Multiple-Input Multiple-Output (MIMO) techniques, whichincrease the throughput and the spectral efficiency, as well as the reliability of a system. On theother hand, there are new challenges when designing massive MIMO (mMIMO) transmitters due tononlinear signal distortion. In order to reduce the nonlinear signal distortion and achieve the bestpossible performance of a MIMO system, it is necessary to pay special attention to the digitalpredistortion (DPD) of amplifiers in mMIMO transmitters.Within this doctoral dissertation, different DPD models for mMIMO transmitters with hybridbeamforming using neural networks are implemented and analyzed, with the aim of developing themost efficient and sophisticated DPD model. Neural networks (NN) were primarily chosen becauseof their ability to approximate nonlinear functions very well, as well as because of theiradaptability. An efficient Real-Valued Time-Delay Neural Network with 2 hidden Layers(RVTDNN2L) DPD model is proposed, as well as an extended RVTDNN2L DPD model where, inorder to increase the accuracy of the model, an additional signal containing information about thebeamforming coefficients is used. The proposed models are implemented in the Matlab softwarepackage and after comprehensive simulations, the analysis and verification of the effectiveness ofthe nonlinear distortion compensation is performed. Simulations were performed for a single-userand multi-user 64x64 HBF mMIMO system, based on measurement data from an actual amplifier.The obtained results are presented graphically and numerically using relevant metrics: normalizedmean square error (NMSE) and error vector amplitude (EVM).As a result of the research work, it is shown that the proposed RVTDNN2L DPD model andthe extended RVTDNN2L DPD model compensate for nonlinear distortion significantly better incomparison to polynomial models, as well as in relation to other considered NN DPD models ofsimilar complexity, by which fundamental improvement in the efficiency of compensation ofnonlinear distortion signals in new generation wireless systems has been achieved.

Opis (srp)

Intenzivan i brz razvoj bežičnih sistema nove generacije usko je povezan sa razvojem iprimenom Multiple-Input Multiple-Output (MIMO) tehnika koje omogućavaju povećanje protoka ispektralne efikasnosti, kao i pouzdanosti sistema. Sa druge strane, javljaju se novi izazovi pridizajniranju masivnih višeantenskih (massive MIMO – mMIMO) predajnika zbog pojave nelinearnedistorzije signala. Kako bi se smanjila nelinearna distorzija signala i postigle što bolje performanseMIMO sistema, neophodno je posebnu pažnju posvetiti digitalnoj predistorziji (DPD) pojačavačakod mMIMO predajnika.U okviru ove doktorske disertacije realizovani su i analizirani različiti DPD modeli zamMIMO predajnike sa hibridnim formiranjem snopa (hybrid beamforming) primenom neuralnihmreža, sa ciljem razvijanja što efikasnijeg i sofisticiranijeg DPD modela. Neuralne mreže (NN) suprvenstveno izabrane zbog svoje sposobnosti da veoma dobro aproksimiraju nelinearne funkcije,kao i zbog svoje prilagodljivosti. Predložen je efikasan Real‐Valued Time‐Delay Neural Networkwith 2 hidden Layers (RVTDNN2L) DPD model, kao i proširen RVTDNN2L DPD model kod kogase u cilju povećanja tačnosti modela koristi dodatni signal koji sadrži informacije o koeficijentimabeamforming-a. Predloženi modeli su implementirani u programskom paketu Matlab i nakonsprovedenih sveobuhvatnih simulacija, izvršena je analiza i verifikacija efikasnosti kompenzacijenelinearne distorzije. Simulacije su izvršene za 64x64 HBF mMIMO sistem sa jednim korisnikom isa više korisnika, pri čemu su korišćene izmerene vrednosti pojačavača. Dobijeni rezultati prikazanisu korišćenjem grafika i numerički korišćenjem relevantnih metrika: normalizovane srednjekvadratne greške (NMSE) i amplitude vektora greške (EVM).Kao rezultat sprovedenog istraživačkog rada, pokazano je da predloženi RVTDNN2L DPDmodel i prošireni RVTDNN2L DPD model znatno bolje kompenzuju nelinearnu distorziju u odnosuna polinomijalne modele, kao i u odnosu na ostale razmatrane NN DPD modele sličnekompleksnosti, čime je izvršeno fundamentalno unapređenje efikasnosti kompenzacije nelinearnedistorzije signala u bežičnim sistemima nove generacije.

Opis (srp)

:tehničke nauke, elektrotehnika - telekomunikacije / technical sciences, electrical engineering - telecommunications Datum odbrane: 08.09.2023.

Jezik

srpski

Datum

2023

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Telekomunikacije. Telegrafija. Telefonija

OSNO - Opšta sistematizacija naučnih oblasti, Računarske komunikacije. Računarske mreže

digital predistortion (DPD), neural networks (NN), massive MIMO, hybrid beamforming (HBF), power amplifiers (PA)

OSNO - Opšta sistematizacija naučnih oblasti, Telekomunikacije. Telegrafija. Telefonija

OSNO - Opšta sistematizacija naučnih oblasti, Računarske komunikacije. Računarske mreže

digitalna predistorzija (DPD), neuralne mreže (NN), massive MIMO, hybrid beamforming (HBF), pojačavači snage (PA)