ANLISIS DEL DESEMPEO DE UN SISTEMA MIMO EN

ANÁLISIS DEL DESEMPEÑO DE UN SISTEMA MIMO EN UN CANAL NO LINEAL COMPLEJO DIVIDIDO EN SUBBANDA CON SERIES DE VOLTERRA AUTOR: VALERIA IMBAQUINGO DIRECTOR: ING. PAÚL BERNAL

INTRODUCCIÓN En el diseño de sistemas de comunicación la distorsión se debe al comportamiento no lineal a la salida de los equipos tales como amplificadores de potencia, amplificadores de bajo ruido y mezcladores; los cuales limitan la potencia de salida suministrada. El filtro con series de Volterra es uno de los esquemas de filtrado no lineal, ya que representan una relación no lineal entre la salida actual y las muestras más recientes de la señal de entrada, por lo que, a diferencia de otros modelos no lineales, incorporan memoria.

OBJETIVOS GENERAL • Analizar el desempeño de un sistema MIMO en un canal no lineal complejo dividido en sub-bandas con series Volterra, aplicando el método de pre-procesamiento. ESPECÍFICOS • Identificar el orden del polinomio de la serie MIMO Volterra, para el cual se obtendrá un mejor desempeño. • Analizar el desempeño de una transmisión MIMO en un canal no lineal complejo, utilizando un preprocesado digital y las series Volterra en Sub-bandas. • Medir el desempeño del sistema empleando el error cuadrático medio MSE (Mean Square Error), considerando los parámetros que pueden influir en el desempeño sobre un canal MIMO no lineal complejo.

DISTORSIÓN NO LINEAL La distorsión no lineal es aquella que genera componentes de frecuencias nuevas que no existían en la señal original. Los más principales causantes de adherir distorsiones no lineales son los mezcladores, amplificadores de potencia en el transmisor y amplificadores de bajo ruido en el receptor AMPLIFICADORES DE POTENCIA La no linealidad está presente en las características de fase, donde la fase la señal de salida se desvía de la fase de la señal de entrada por un ángulo que depende de la potencia de la señal de entrada AMPLIFICADORES BAJO RUIDO La influencia de la señal recibida con el canal de ruido por la amplificación no lineal en un LNA representa una fuente de distorsión dentro de la banda de la señal recibida. MEZCLADORES Un mezclador es no lineal en un funcionamiento normal; esta no linealidad provoca efectos desconocidos.

MODELADO DE SISTEMAS NO LINEALES MODELOS ANALÍTICOS MODELOS EMPÍRICOS WIENER SERIES DE POTENCIA TRES CAJAS VOLTERRA FRECUENCIA ÚNICA POLINOMIOS DE MEMORIA ABUELMA’ATI CASCADA EN PARALELO MODELO SIN MEMORIA WIENER-HAMMERSTEIN SALEH SERIE GENERALIZADA DE POTENCIA RAPP MÚLTIPLES ESPECTROS MODELOS LIMITADORES

DISTORSIÓN NO LINEAL DE SALEH Las características AM-AM y PM-PM están dadas por:

FILTRO ADAPTATIVO Se define como una adaptación de un sistema a algún fenómeno que ocurre en sus alrededores. FILTRO Relativo al sistema que realiza el proceso de adaptación, es decir que eliminan componentes no deseados de una señal.

FILTRO VOLTERRA Es uno de los esquemas de filtrado no lineal más importante debido a su generalidad, pudiendo ser considerado como una extensión de los filtros lineales y de la expansión de las series de Taylor. Los filtros Volterra representan una relación no lineal entre la salida actual y las muestras más recientes de la señal de entrada, por lo que, a diferencia de otros modelos no lineales, incorporan memoria.

PRIMER ORDEN SEGUNDO ORDEN TERCER ORDEN

COMPLEJIDAD COMPUTACIONAL El número de coeficientes del filtro Volterra crece exponencialmente con el aumento del tamaño de la memoria. Para el caso de orden 3 y 2 delays el número de coeficientes es:

DIAGRAMA DE BLOQUES

ESTÁNDAR LTE (LONG TERM EVOLUTION) Es una tecnología de radio móvil que está diseñado para alcanzar el objetivo de lograr comunicaciones móviles de banda ancha globales. Las metas y objetivos de este sistema son: • Velocidades de datos de acceso de radio más altas • Capacidad y cobertura de sistema mejoradas • Operaciones de ancho de banda flexibles • Eficiencia espectral significativamente mejorada • Baja latencia • Costos operativos reducidos • Soporte de múltiples antenas (MIMO) • Mejorar la eficiencia y la capacidad de las redes inalámbricas.

ALGORITMO V-LMS El algoritmo Least Mean Square (LMS), es un algoritmo de mínimo error cuadrático medio, es el más usado en aplicaciones de filtrado adaptativo. Se caracteriza porque es relativamente simple de implementar y es robusto. ALGORITMO LMS VOLTERRA

ALGORITMO V-NLMS El principal inconveniente del algoritmo Volterra LMS, es su baja velocidad de convergencia. Para solucionar este problema, se han propuesto algoritmos de filtrado adaptativos basados en el algoritmo convencional LMS. Uno de ellos es el algoritmo LMS normalizado, denotado por NLMS el cual emplea una señal de entrada normalizada VOLTERRA NLMS

ALGORITMO V-RLS Volterra RLS

OFDM (ORTHOGONAL FREQUENCY DIVISION MULTIPLEXING) La modulación OFDM (Orthogonal Frequency Division Multiplexing), es un tipo de modulación multiportadora que surgió con el propósito de conseguir altos regímenes binarios y de subsanar los problemas relacionados con la transmisión multitrayecto.

La característica principal de OFDM que diferencia de otros procedimientos de multiplexación en frecuencia es la ortogonalidad, es el “espaciamiento adecuado” entre portadoras. Este espaciamiento consiste en que la separación espectral entre portadoras consecutivas es siempre la misma, e igual al inverso del periodo de símbolo. La ortogonalidad de las subportadoras puede ponerse en peligro cuando la señal se pasa a través de un canal de múltiples trayectorias causando ISI (Interferencia Intersimbólica). Se agrega un prefijo cíclico (CP)

SISTEMA MIMO Las técnicas MIMO llevan las ventajas de usar múltiples antenas para cumplir con los requisitos del estándar LTE en términos de tasas de datos pico y rendimiento. Sistema MIMO 4 x 4

APLICACIÓN DE ALGORITMOS FILTRO VOLTERRA LMS Pasos de adaptación Media error: 0. 2612

APLICACIÓN DE ALGORITMOS FILTRO VOLTERRA NLMS Pasos de adaptación Media error: 0. 3612

APLICACIÓN DE ALGORITMOS FILTRO VOLTERRA RLS Parámetro Media error: 0. 2435

APLICACIÓN DE ALGORITMOS FILTRO VOLTERRA CONJUGADO GRADIENTE Parámetros Media error: 0. 2541

ANÁLISIS DE V-CG ORDEN 3 2 4 3 3 4 2 DELAY 2 5 5 3 4 2 6 CANAL 1 0. 2649 0. 2694 0. 3091 0. 2725 0. 2786 0. 2727 0. 2709 CANAL 2 0. 2694 0. 2762 0. 3197 0. 2770 0. 2809 0. 2780 0. 2784 MSE 0. 5 0. 2649 0. 51 0. 2649 0. 52 0. 2649 0. 53 0. 2649 0. 54 0. 2649 0. 55 0. 2649 0. 9998 0. 9997 0. 9996 0. 999 0. 998 0. 996 0. 995 0. 99 0. 95 0. 92 CANAL 3 0. 2332 0. 2365 0. 2768 0. 2367 0. 2405 0. 2396 0. 2381 MSE 0. 2649 0. 2654 0. 2647 0. 2546 0. 2658 0. 2690 0. 2748 0. 2775 0. 2907 0. 3962 0. 4765 CANAL 4 0. 2350 0. 2432 0. 2848 0. 2449 0. 2491 0. 2441 0. 2450

COMPARACIÓN DE ALGORITMOS Comparación V-LMS y V-NLMS Comparación V-RLS y V-CG

COMPARACIÓN DE ALGORITMOS

RESULTADOS DE LA MEDIA DEL ERROR ALGORITMO MEDIA ERROR LMS 0. 2612 RLS 0. 2435 NLMS 0. 3236 CONJUGADO GRADIENTE 0. 2541 FQR_POS 0. 2435 FQR_PRI 0. 2435

OBTENCIÓN DE RESULTADOS Para observar los resultados del procedimiento antes mencionado, se realizaron gráficas de mérito, como por ejemplo el rendimiento del BER en función de SNR; que permitió obtener la eficiencia del sistema implementado. En la Figura, se presenta la gráfica del BER vs SNR del sistema en condiciones iniciales Rendimiento del BER en función SNR del sistema inicial

OBTENCIÓN DE RESULTADOS Rendimiento del BER en función SNR aplicando filtro V-LMS Rendimiento del BER en función SNR aplicando filtro V-NLMS

OBTENCIÓN DE RESULTADOS Rendimiento del BER en función SNR aplicando filtro V-CG

OBTENCIÓN DE RESULTADOS Rendimiento del BER en función SNR aplicando Algoritmo RLS Rendimiento del BER en función SNR del sistema Inicial y del sistema aplicando filtro RLS

OBTENCIÓN DE RESULTADOS Los coeficientes de segundo grado poseen mayor relevancia que los de tercer grado; además, que los coeficientes de primer grado que corresponde a los tres primeros, compensan exitosamente las distorsiones lineales ya que tienen mayor valor numérico. Por lo tanto; es posible decir que entre la señal de entrada y la señal deseada existe una correlación.

CONCLUSIONES • Se concluye que el algoritmo RLS, presenta una ventaja evidente sobre los algoritmos LMS, NLMS, Conjugado Gradiente, debido a que no requiere de muchas muestras para converger; y como se observó en los resultados, el BER disminuye significativamente obteniendo un error mínimo en los datos a la salida. Se logró evidenciar que utilizando un polinomio de tercer orden con dos retardos el error cuadrático medio fue bajo, ya que si se aumentaba el orden o los retardos los valores de MSE no variaban; por lo que el orden máximo del polinomio para la implementación de dichos filtros adaptativos es de tercer orden. La desventaja del algoritmo LMS, es que requiere de mayor número de muestras para poder converger, lo que implica un aumento del tiempo de procesamiento computacional; por lo que no es un modelo eficiente de implementar.

RECOMENDACIONES Se recomienda realizar un estudio detallado del Algoritmo Conjugado Gradiente, en el plano complejo ya que es posible que el algoritmo implementado no sea el idóneo para este caso; y se espera obtener mejores resultados. REFERENCIA [1] E. Zenteno y D. Ronnow, «MIMO Subband Volterra Digital Predistortion for Concurrent Aggregated Carrier Communications, » IEEE TRANSACTIONS ON MICROWAVE THEORY AND TECHNIQUES, vol. 65, nº 3, Marzo 2017.