Enter your email to receive a password reset link.
Optimization based hybrid beamforming for multiuser-MmWave-massive-MIMO-systems
(0) 0 Order(s) In Queue.
Full Screen
About This Proposal
Code MATLAB Optimization-based-hybrid-beamforming-for-multiuser-MmWave-massive-MIMO-systems Formation de faisceaux hybride basée sur l'optimisation pour les systèmes multi-utilisateurs-MmWave-massif-MIMO résumé Dans les systèmes multi-utilisateurs massifs à entrées multiples et sorties à ondes millimétriques, les interférences entre utilisateurs deviennent un facteur majeur limitant la capacité du système. Le principe de l'augmentation de la capacité du système est de minimiser les interférences entre utilisateurs en garantissant une puissance de réception élevée. En réponse à cette situation, ce projet propose un algorithme de formation de faisceaux hybride (HBF) basé sur l'optimisation de regroupement de faible complexité. Plus précisément, nous regroupons les utilisateurs en fonction de la corrélation des canaux utilisateur et d'un seuil de corrélation. Les utilisateurs avec une forte corrélation sont regroupés dans un groupe. Ensuite, dans le but de maximiser la capacité, l'algorithme exhaustif de faible dimension est utilisé dans chaque groupe pour sélectionner le vecteur de formation de faisceau de la station de base. De plus, un algorithme glouton est adopté, c'est-à-dire que l'influence des vecteurs de formation de faisceaux des groupes précédents est considérée. Abstract:
In massive multiuser systems with multiple millimeter wave inputs and outputs, user interference becomes a major factor limiting system capacity. The principle of increasing the capacity of the system is to minimize interference between users by ensuring high reception power. In response to this situation, this project proposes a hybrid beamforming (HBF) algorithm based on low complexity clustering optimization. Specifically, we group users based on user channel correlation and a correlation threshold. Users with a strong correlation are grouped into a group. Then, in order to maximize the capacity, the full low dimension algorithm is used in each group to select the base station beamforming vector. In addition, a greedy algorithm is adopted, i.e. the influence of the beamforming vectors of the previous groups is considered.