Desarrollo de un marco de referencia para sistemas mimo masivo que permita la optimización de la eficiencia espectral mediante la selección de antenas, para la tecnología 5g.

Abstract

MIMO Masivo, es una tecnología emergente en la comunicación inalámbrica que aumenta la Eficiencia Espectral (Spectral Efficiency, SE) en gran medida en comparación con los sistemas MIMO. MIMO Masivo considera una estación base equipada con un gran número de antenas (por ejemplo, de decenas a cientos) y que sirve a muchos usuarios de una sola antena en el mismo recurso de frecuencia y tiempo. Sin embargo, estas estaciones base requieren múltiples cadenas de radiofrecuencia (Radio-frecuency, RF), que consisten en amplificador, mezclador, conversores, filtro, etc. Por lo tanto, debido a las múltiples cadenas de RF, el costo y la complejidad del hardware del sistema aumentan. Para reducir los costos y la complejidad del hardware, se utilizan técnicas de selección de antenas que minimizan la complejidad con casi la misma capacidad de sistemas MIMO Masivos que utilizan todas sus antenas. Este trabajo analiza la optimización de la Eficiencia Espectral mediante esquemas de selección de antena como Precodificación, Beamforming y Algoritmos de Selección de Antenas y el efecto en el rendimiento de los sistemas MIMO Masivo para la futura tecnología 5G (Fifth Generation, 5G). Con la ayuda de la revisión bibliográfica y analizando matemáticamente las diferentes técnicas de Selección de Antenas, se eligió elementos de cada esquema que permitan una variedad en el estudio de la optimización. Por parte de las Precodificaciones se optó por el Estimador de error cuadrático mínimo (Minimum mean square error, MMSE), Fuerza Cero (Forcing-Zero, ZF) y Filtro Adaptado (Matched Filter, MF). Asimismo en Beamforming se estudió un esquema Híbrido en función de las Precodificaciones Kalman, MMSE y ZF. Al llegar a los Algoritmos de Selección de Antenas se procedió a estudiar los Algoritmos de Selección de Antenas: Aleatoria, Rápida y Basado en Cuantificación. MATLAB facilitó la tarea de análisis de la Eficiencia Espectral, mediante la elaboración de programas que permitieron la visualización del funcionamiento de cada una de las técnicas ya mencionadas en función de parámetros determinantes. Obtenidos los resultados se logra definir que esquema y en qué escenario pueden optimizar la Eficiencia Espectral. Al examinar las Precodificaciones, MMSE y ZF logran un alto rendimiento, pero debido al grado de complejidad computacional de la primera, se tiene como opción viable a ZF. En Beamforming, Kalman debido a su estructura matemática supera a MMSE y ZF, compensando su alto procesamiento computacional con sus altas tazas de Eficiencia Espectral. Mientras que para los Algoritmos de Selección de Antenas, presta mejores opciones de optimización el Algoritmo Basado en Cuantificación, que mediante la inclusión del error de cuantificación logra resultados superiores que el Algoritmo de Selección Aleatoria y Rápida.