In this thesis, we engage in a research and implementation of different combining schemes under MIMO systems. Although MIMO antenna systems can enhance wireless link and system performance (area coverage, data rate and user capacity), conventional algorithms such as maximal-ratio combining (MRC) or maximum average signal-to-noise-ratio, i.e., statistical beamforming (BF) yields the high gains that justify the increased physical-layer complexity only for extreme antenna correlations.Practically, small arrays and fluctuating azimuth spread (AS) produce intermediary correlations. BF and MRC principles were therefore integrated to forge maximal-ratio eigencombining (MREC), which can more effectively provide both high average SNR for narrow AS, i.e., high fading correlation, as well as high diversity gain in wide AS, i.e., low correlation. MREC using a single channel eigenvector actually represents BF. On the other hand, MREC with perfect knowledge of all the eigenvectors is performance-equivalent to MRC.The performance and complexity of MREC vs. BF and MRC were previously studied assuming or by employing complex subspace tracking algorithms. Herein, Yang’s low-complexity deflation-based rojection approximation subspace tracking (PASTd) algorithm is adopted for channel eigenstructure estimation. Fading is estimated using transmitter pilot-symbol-aided modulation (PSAM) and pilot-sample interpolation at the receiver. Numerical results are presented for the uplink in typical-urban scenarios with Laplacian base-station power azimuth spectrum and log-normally distributed AS with exponential time correlation. The performance and complexity comparisons between indicate that adaptive or nonadaptive MREC can yield lower complexity than MRC as well as better bit error rate performance than BF.
이 논문에서, 우리는 MINO 시스템 상에서 서로 다른 기법의 조합에 대한 연구와 수행을 시작한다. 비록 MIMO 안테나 시스템이 무선링크와 시스템 성능을 향상 시킬 수 있을 지라도, maximal-ratio combining (MRC), maximum average signal-to-noise-ratio, 즉, statistical beamforming (BF) 등의 일반적인 알고리즘으로 인해 얻는 높은 이득은 안테나 상관도에서 물리적 계층의 큰 복잡도를 수반한다.실질적으로, 작은 배열과 변하는 방위각 폭은 서로간의 상관도를 만든다. BF 와 MRC 이론은 maximal-ratio eigencombining (MREC)로 통합된다. 그리고 이것은 좁은 AS, 즉, 높은 페이딩 상관도에서 더욱 효율적으로 높은 평균 SNR 을 제공한다. 또한, 넓은 AS, 즉, 낮은 상관도에서 높은 다이버시티 이득을 제공한다. 반면에, 모든 고유벡터의 완벽한 지식을 가진 MREC 는 MRC 와 동일한 성능을 가진다.MREC 와 BF, MRC 에 대한 성능과 복잡도는 이미 연구가 되어있고 복잡한 부분공간 추적 알고리즘에 쓰여지고 있다. 이런 연구에서 MRC 보다 더 낮은 복잡도를 가지고 채널 고유구조 추정에서 사용된 BF.Yang’s low-complexity deflation-based rojection approximation subspace tracking (PASTd) 알고리즘 보다 더 좋은 성능을 가진다. 페이딩은 송신기에서 pilot-symbol-aided modulation (PSAM)을, 수신기에서 pilot-sample 보간법을 사용함으로써 추정되어진다. 업링크 상에서 Laplacian base-station power 방위각 확산이 적용된 일반적인 도시환경과 지수의 시간상관도를 가진 로그정규분포의 AS 는 계산 상의 결과로 나타난다. 성능과 복잡도 사이에서, 적응적이거나 비적응적인 MREC 는 MRC 보다 더 낮은 복잡도와 BF 보다 더 좋은 성능으로 나타날 수 있다.