Institutional Repository
Technical University of Crete
EN  |  EL

Search

Browse

My Space

5G Wireless communication systems: Channel sparsity in the time and the angular domains

Xynogala Georgia-Nefeli

Simple record


URIhttp://purl.tuc.gr/dl/dias/AA6B1F27-842D-4B34-8649-B54AA6724EA3-
Identifierhttps://doi.org/10.26233/heallink.tuc.104079-
Languageen-
Extent91 pagesen
Title5G Wireless communication systems: Channel sparsity in the time and the angular domains en
TitleΣυστήματα ασύρματης επικοινωνίας 5ης Γενιάς: Αραιότητα καναλιών στο Πεδίο του Χρόνου και της Γωνίαςel
CreatorXynogala Georgia-Nefelien
CreatorΞυνογαλα Γεωργια-Νεφεληel
Contributor [Thesis Supervisor]Liavas Athanasiosen
Contributor [Thesis Supervisor]Λιαβας Αθανασιοςel
Contributor [Committee Member]Spyropoulos Thrasyvoulosen
Contributor [Committee Member]Σπυροπουλος Θρασυβουλοςel
Contributor [Committee Member]Karystinos Georgiosen
Contributor [Committee Member]Καρυστινος Γεωργιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
DescriptionΔιπλωματική εργασία που υποβλήθηκε στη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πολυτεχνείου Κρήτης για την ολοκλήρωση των σπουδών στο πλαίσιο του Διπλώματος Ηλεκτρολόγου Μηχανικού και Μηχανικού Υπολογιστών. el
Content SummaryIn this Diploma Thesis, we examine two sparsity-driven downlink channel estimation algorithms for Frequency Division Multiplexing (FDD) massive MIMO systems in 5G networks. Although the Base Station's (BS) massive antenna arrays offer significant improvements in spectral efficiency, capacity, and reliability, they also significantly increase the overhead of downlink Channel State Information (CSI) acquisition. To address this challenge, we explore algorithms that exploit channel sparsity in both the time and angular domains to enable more efficient and accurate CSI estimation. First, we present the fundamentals of compressive sensing and block sparse modelling in the time domain, and detail the algorithm of Cirik et al. (2016), which we reformulate as a convex optimization problem solved via CVX to retain the channel's block structure with improved convergence and complexity. Using the Orthogonal Matching Pursuit-based method of Alkhateeb et al. (2016), we then revisit angular-domain sparsity in millimetre-wave and hybrid MIMO channels and present a custom matching-pursuit variant that is adapted to realistic hybrid architectures and dictionary constraints. We apply both techniques in a MATLAB simulation framework using standardized 5G channel models, assessing computational load, convergence speed, and normalized mean-squared error (NMSE) at different Signal-to-Noise Ratio (SNR) and sparsity levels. The comparative analysis demonstrates how each approach strikes a balance between computational efficiency and estimation accuracy in various deployment scenarios. We conclude by outlining future research directions on adaptive dictionary learning and pilot-matrix optimization, as well as recommendations for choosing and fine-tuning these estimators in practical systems.en
Content SummaryΣτην παρούσα Διπλωματική Εργασία, εξετάζονται δύο αλγόριθμοι εκτίμησης του downlink καναλιού βασισμένοι στην αραιότητα, για συστήματα massive MIMO με Frequency Division Duplexing (FDD) σε δίκτυα 5G. Αν και τα massive MIMO συστήματα βελτιώνουν τη φασματική αποδοτικότητα, τον ρυθμό μετάδοσης δεδομένων και την αξιοπιστία, εισάγουν επίσης προκλήσεις στην απόκτηση ακριβούς Channel State Information (CSI) για το downlink κανάλι, ιδιαίτερα σε FDD αρχιτεκτονικές, όπου απαιτείται η επιστροφή της εκτιμώμενης πληροφορίας καναλιού από τον χρήστη προς τον σταθμό βάσης, γεγονός που μπορεί να επιφέρει σημαντική επιβάρυνση στο σύστημα, τόσο σε επίπεδο δεδομένων όσο και σε υπολογιστικό κόστος. Για την αντιμετώπιση αυτής της πρόκλησης, μελετώνται αλγόριθμοι που εκμεταλλεύονται την αραιότητα του καναλιού σε διαφορετικούς τομείς. Η πρώτη μέθοδος, βασισμένη στο έργο των A. C. Cirik, N. M. Balasubramanya και L. Lampe, μοντελοποιεί το κανάλι ως block-sparse στον χρονικό τομέα και διατυπώνει το πρόβλημα εκτίμησης ως κυρτό πρόβλημα βελτιστοποίησης, το οποίο επιλύεται μέσω του εργαλείου CVX. Η δεύτερη τεχνική, η οποία αξιοποιεί την αραιότητα των κυρίαρχων διαδρομών διάδοσης σε hybrid και millimeter-wave MIMO συστήματα, εφαρμόζεται στον γωνιακό τομέα και είναι εμπνευσμένη από το έργο των A. Alkhateeb, O. E. Ayach, G. Leus και R. W. Heath. Αντί της χρήσης του OMP, η εκτίμηση υλοποιείται μέσω κυρτής βελτιστοποίησης, λόγω της δομής και των περιορισμών που παρουσιάζουν τα hybrid MIMO συστήματα. Οι δύο αλγόριθμοι υλοποιούνται και αξιολογούνται μέσω προσομοιώσεων με ρεαλιστικά μοντέλα καναλιών 5G. Η σύγκριση των επιδόσεών τους βασίζεται στην ακρίβεια εκτίμησης, στη συμπεριφορά σύγκλισης και στην υπολογιστική πολυπλοκότητα. Τα αποτελέσματα δείχνουν ότι οι τεχνικές που βασίζονται στην αραιότητα μπορούν να μειώσουν σημαντικά το πλήθος και τον όγκο των δεδομένων που απαιτούνται για την επιστροφή της πληροφορίας καναλιού από τον χρήστη προς τον σταθμό βάσης, βελτιώνοντας παράλληλα την αποδοτικότητα και την πρακτική εφαρμογή της εκτίμησης σε μελλοντικά ασύρματα δίκτυα.el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by-nc/4.0/en
Date of Item2025-07-21-
Date of Publication2025-
SubjectChannel estimationen
Subject5G Networksen
Bibliographic CitationGeorgia-Nefeli Xynogala, "5G Wireless communication systems: Channel sparsity in the time and the angular domains", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2025en
Bibliographic CitationΓεωργία-Νεφέλη Ξυνογαλά, "Συστήματα ασύρματης επικοινωνίας 5ης Γενιάς: Αραιότητα καναλιών στο Πεδίο του Χρόνου και της Γωνίας", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2025el

Available Files

Services

Statistics