21277

21277

مديريت تداخل عمدي در سيستم هاي مايمو انبوه

دكتري تخصصي

مخابرات سيستم

1398

1398/08/01

دكتر سيد محمد رضوي زاده

دكتر اميل بيرسون

برق

‌سيستمِ مايمو انبوه‌ سرويس‌هاي داده‌اي با سرعتِ بالا فراهم مي‌نمايد، از اينرو بعنوان فناوري كليدي براي تامين ترافيك داده‌اي در شبكه‌هاي سلولي نسل آينده محسوب مي‌گردد. بدليل تخريبِ عملكردِ ارتباطات توسط سيگنال‌هاي تداخلي‌، در تحقيقات جديد، مقاوم‌سازيِ ارتباطاتِ مايمو انبوه در برابر تداخلات مورد توجه قرار گرفته است. برخي سيگنال‌هاي تداخلي بصورت ناخواسته و بدليل خاصيت پخشِ فراگيرِ‌ امواجِ راديويي ايجاد شده و برخي ديگر نيز بطور عمدي به سيستم اعمال مي‌شوند. تداخل عمدي‌ مي‌تواند بخاطر محدوديتِ منابعِ سيستمِ مايمو انبوه رخ دهد كه اصطلاحاً تداخل عمدي قانوني‌ ناميده شده و يا توسط اخلال‌گري‌ با هدفِ كاهشِ كاراييِ طيفيِ‌ سيستمِ قانوني انتشار گردد كه اصطلاحاً به آن تداخل عمدي غير قانوني‌ گفته مي‌شود. در اين پروژه، مديريت تداخل عمدي در ارتباطِ فراسوي‌ سيستمِ مايمو انبوه در هر دو دسته‌ي قانوني و غير قانوني بررسي مي‌گردد. به تداخلِ عمديِ موجود در فاز تخمينِ كانال "آلودگي پايلوت‌`` گفته مي‌شود. در سيستمِ مايمو انبوه، آلودگي پايلوت موجب اشباعِ كاراييِ طيفيِ سيستمِ قانوني شده و عملكردِ سيستم را بطور قابل توجهي كاهش مي‌دهد. در اين رساله، مديريت تداخلِ عمديِ غير قانوني در دو مرحله‌ي آشكارسازيِ حضورِ اخلال‌گر و مقاوم‌سازيِ سيستمِ قانوني در برابر حملاتِ آن بررسي مي‌گردد. براي آشكارسازيِ حضور اخلال‌گر، روشِ جديدي بر اساسِ پايلوت‌هاي استفاده نشده‌ي‌ عمديِ موجود در شبكه و بر پايه‌ي آزمون نسبت درست‌نمايي تعميم‌يافته‌ ارائه مي‌گردد. عملكرد اين آشكارساز با افزايش تعداد آنتن‌ها در ايستگاه مركزي و همچنين افزايش تعداد بلوك‌هاي همدوسي و پايلوت‌هاي استفاده نشده در شبكه بهبود مي‌يابد. شبيه‌سازي‌ها نشان مي‌دهند كه آشكارسازِ ايده‌آل با افزايش تعداد آنتن‌هاي ايستگاه مركزي دسترس‌پذير مي‌باشد. در ادامه، براي محافظتِ سيستمِ مايمو انبوه در برابر حملاتِ اخلال‌گر چارچوبِ مقابله‌ي جديدي پيشنهاد مي‌گردد. چارچوبِ پيشنهادي شامل تخمينگرِ جديدِ حداقل ميانگين مربعات خطا بر اساس سركوب اخلال‌ (MMSE-JS) در فاز پايلوت و آشكارسازِ صفر كننده به منظور سركوب اخلال‌ (ZFJS) در فاز ارسال داده‌ي فراسو مي‌باشد. تخمينگرِ‌MMSE-JS از پايلوت‌هاي استفاده نشده‌ي عمدي براي كاهش آلودگي پايلوتِ ايجاد شده توسط اخلال‌گر استفاده مي‌كند. آشكارسازِ ZFJS نيز سيگنالِ اخلال را در طول آشكارسازيِ داده‌ي كاربران سركوب مي‌كند. آناليز‌ها و شبيه‌سازي‌ها نشان مي‌دهند كه سيستمِ مايمو انبوهِ مجهز شده به چارچوب پيشنهادي در برابر حملاتِ اخلال‌گر مقاوم مي‌باشد، بطوريكه عملكردِ چارچوبِ مقاوم‌سازيِ معرفي شده در مراجع قبلي را تقريباً 42% بهبود مي‌بخشد. روش‌هاي فوق براي سيستم‌هاي مايمو انبوه با كانال‌هاي غير همبسته پيشنهاد شده‌اند. به موجبِ احتمالِ وجودِ همبستگي بين كانال‌ها، كارِ بيش‌تري كه در اين رساله به آن پرداخته شده است، بررسيِ سركوبِ اخلال در سيستمِ مايمو انبوه با كانال‌هاي همبسته‌ي فضايي‌ است. براي اين منظور چارچوبِ مقاوم در برابرِ اخلال‌ شاملِ تخمينگرِ كانالِ بهينه و اكولايزر خطيِ دو سويه‌ پيشنهاد مي‌گردد. تخمينگرِ كانال به نحوي طراحي شده است كه كاراييِ طيفيِ سيستمِ قانوني را در حضورِ اخلال‌گر بيشينه مي‌كند. نشان داده مي‌شود كه تخصيصِ توانِ كاربرانِ قانوني مي‌تواند عملكردِ چارچوبِ پيشنهادي را بهبود بخشد حتي زمانيكه اخلال‌گر توانِ خود را بصورت بهينه تنظيم نمايد. چارچوبِ پيشنهادي براي سركوبِ اخلال در شرايطِ سخت‌افزارِ غير ايده‌آلِ كاربرانِ قانوني و اخلال‌گر نيز قابل استفاده است. در شبيه‌سازي‌ها عملكرد چارچوبِ پيشنهادي به ازاي سخت‌افزارِ ايده‌آل و همچنين غير ايده‌آل ارزيابي شده و نشان داده مي‌شود كه عملكردِ آن نسبت به عملكردِ چارچوبِ مرسومِ‌MMSE-ZF (چارچوبِ متشكل از تخمينگرِ‌ حداقل ميانگينِ مربعاتِ خطا‌‌ (MMSE) و آشكارسازِ صفر كننده‌ (ZF)) تقريباً 6 برابر بهتر مي‌باشد. همچنين، در اين پروژه، براي مقاوم‌سازيِ سيستمِ مايمو انبوه در برابر آلودگي پايلوتِ قانوني دو الگوريتمِ وفقيِ حداقل ميانگينِ مربعاتِ نرماليزه‌ (NLMS) و حداقل مربعاتِ بازگشتي‌ (RLS) براي تخمين كانال‌هاي غير همبسته پيشنهاد مي‌گردد. پياده‌سازيِ الگوريتم‌هاي پيشنهادي نياز به رشته پايلوت‌هاي متعامد ندارد. در حاليكه الگوريتمِ‌NLMS پيچيدگيِ كمتري داشته و در كانال‌هاي با تلفاتِ پايين عملكرد مناسبي دارد، الگوريتمِ‌RLS پيچيده‌تر بوده و كاراييِ طيفيِ مطلوب‌تري را فراهم مي‌نمايد. در شبيه‌سازي‌ها، عملكردِ دو روشِ پيشنهادي ارزيابي شده و با تخمينگرِ‌MMSE مقايسه مي‌گردد. در حضورِ آلودگي پايلوتِ قانوني، اگرچه كاراييِ طيفيِ سيستمِ مايمو انبوهِ مجهز شده به تخمينگرِ‌MMSE با افزايش تعداد آنتن‌هاي ايستگاه مركزي به حالت اشباع مي‌رود، وليكن براي دو الگوريتمِ پيشنهادي اين اتفاق رخ نداده و كاراييِ طيفي روندِ صعودي خود را حفظ مي‌كند.

1398/08/18

Intentional Interference Management in Massive MIMO Systems

10/22/2020 12:00:00 AM

Massive multiple-input multiple-output (mMIMO) systems are considered as the key technology for high data traffic management in the next generation of cellular networks. Since mMIMO communications are destroyed or interrupted by the interference signals, in recent studies, more attention has been paid to fortify these communications against interferers. Some interference signals are unintentionally generated due to broadcast nature of the radio waves and the others are intentionally created in the MIMO systems. Intentional interference is generated either through the limitation of the resources, known as ``legitimate intentional interference'', or by a jammer reducing the spectral efficiency (SE) which is known as ``illegitimate intentional interference''. This work studies the management of intentional interference in mMIMO systems for both legitimate and illegitimate forms. Intentional interference at the pilot phase is known as ``pilot contamination''. The SE of mMIMO system is saturated when the pilot contamination exists in the system. In this thesis, the management of the illegitimate intentional interference is considered in two steps: Jamming detection and jamming suppression. For jamming detection, a new method is proposed based on a generalized likelihood ratio test (GLRT), exploiting intentionally unused pilot sequences in the network over some coherence blocks. The performance of the proposed detector improves by increasing the number of antennas at the base station, the number of unused pilots and also by the number of the coherence blocks that are utilized. Simulation results confirm our analyses and show that in the mMIMO regime, perfect detection is achievable even with small number of the unused pilots. For jamming suppression, a new framework is proposed including a novel minimum mean-squared error based jamming suppression (MMSE-JS) estimator for channel training and a linear zero-forcing jamming suppression (ZFJS) detector for uplink combining. The MMSE-JS exploits some intentionally unused pilots to reduce the pilot contamination caused by the jammer. The ZFJS suppresses the jamming interference during the detection of the legitimate users' data symbols. The analysis shows that the proposed framework is robust against jamming attacks, so that its SE is about 42% rather than the SE of the framework presented in the literature. The former works are proposed for uncorrelated mMIMO systems. Since the channels might be correlated, in this thesis, jamming suppression is also considered for spatially correlated mMIMO systems. To this end, a novel framework is proposed including a new optimal linear estimator in the training phase and a bilinear equalizer in the data phase. The proposed estimator is optimal in the sense of the SE of the legitimate system attacked by a jammer. It is demonstrated that optimized power allocation at the legitimate users can improve the performance of the proposed framework, and the gain remains even if the jammer optimally adjusts its power. The proposed framework can be exploited to combat jamming in scenarios with either ideal or non-ideal hardware at the legitimate users and the jammer. It is shown that the proposed framework performs 6 times better than the conventional MMSE-ZF framework. Furthermore, in this work, two adaptive algorithms based on the normalized least mean square (NLMS) and the recursive least square (RLS) are suggested for channel estimation, with the goal of legitimate intentional interference management in uncorrelated mMIMO system. The implementations of the proposed algorithms do not require orthogonal pilot sequences. While the NLMS has lower complexity and also gives an acceptable SE in channels with low attenuation, the RLS is more complex and provides the desirable SE in mMIMO system. In simulations, the performances of the proposed algorithms are evaluated and compared with the performance of the conventional MMSE estimation. Although the SE of the system equipped with the MMSE estimator is saturated in the presence of the legitimate pilot contamination, the SEs of the proposed algorithms unlimitedly grow.