[groman43]

Dawno nie było #telcozwykopem. Dzisiejszy wpis będzie poświęcony MIMO.

Pewnie nie muszę Wam mówić, że zapotrzebowanie na dane w sieciach mobilnych rośnie z roku na rok. Wszyscy przecież lubimy oglądać słitaśne kotki w 8K. Niestety, nic nie jest za darmo. Jeśli chcemy zwiększyć throughput, potrzebujemy więcej pasma. Tak stwierdził Claude Shannon w 1948 roku i niestety przez ponad 70 lat nic się nie zmieniło.

Niestety, pasmo nie zawsze jest dostępne. Stąd pomysł, aby w 5G oraz niektórych odmianach Wi–Fi (802.11ad i 802.11ay) wykorzystać fale milimetrowe. Po prostu te częstotliwości były relatywnie rzadko wykorzystywane w telekomunikacji bezprzewodowej, stąd dostępne pasmo.

No ale w przyszłości będziemy potrzebowali coraz więcej danych. Więc, skoro dzisiaj używamy fal milimetrowych, to jutro będziemy korzystać z jeszcze wyższych częstotliwości! Rzędu teraherców! Krzyknęli niektórzy, potem dodali legendarne „szybko, zanim dotrze do nas, że to bez sensu” i rzucili się w szał research & development.

Tylko, że teraźniejszość mocno zweryfikowała pomysł z wykorzystaniem fal milimetrowych. Coś, co miało być jedną z głównych nowości w 5G, nie jest obecnie super popularne. Więc jak będziemy sobie radzili z rosnącym zapotrzebowaniem na dane?

Tutaj właśnie pojawia się MIMO. Mocno upraszczając, korzystając z wielu niezależnych anten (zarówno po stronie nadajnika i odbiornika), wysyłamy dane korzystając z tego samego pasma. Ponieważ jednak korzystamy z wielu anten, dane „podróżują” niezależnymi ścieżkami, nie zakłócając się wzajemnie. Nazywamy to spatial multiplexing.

Historia MIMO sięga lat 70’. Dlatego podstawy matematyczne są bardzo dobrze znane. Sama koncepcja optymalnej (minimalizującej prawdopodobieństwo błędu) detekcji MIMO jest bardzo prosta. I jak to często bywa, niemożliwa do realizacji w praktyce. Dlatego uproszczenia, takie jak detektor ZF (zero-forcing) oraz MMSE (minimizing mean square error) są konieczne. Są to tak zwane metody liniowe. Działają one bardzo dobrze w przypadku, kiedy liczba użytkowników jest znacznie mniejsza niż liczba anten nadajnika.

Niestety, to podejście nie jest wystarczające. Prawie 20 lat pojawiła się koncepcja sphere decoding. Prosty trick pozwolił znacząco ograniczyć złożoność obliczeniową. Ale, jak łatwo zgadnąć, sphere decoding ma również wiele wad. Dlatego, naukowcy na całym świecie pracują nad dalszym rozwinięciem tego pomysłu.
Jednym z interesujących podejść jest Geosphere, zaprezentowane przez jednego z moich wykładowców na tym filmie.

#telcozwykopem – tag do obserwowania / czarnolistowania.

#technologia #telekomunikacja #radiokomunikacja #lte #5g

[groman43]

@Malkof: massive MIMO = wincyj anten!
Tak jak pisałem powyżej, w liniowych podejściach, jeśli liczba anten nadajnika jest znacznie większa niż liczba odbiorników, tym lepiej. Stąd pomysły na massive MIMO, czy najnowsze koncepcje large massive MIMO ( ͡° ͜ʖ ͡°)
Poza tym, większa liczba anten znacznie ułatwie robienie beamformingu - po prostu masz więcej stopni swobody, takich "pokręteł", którymi możesz sobie kręcić.

Tak, pisząc throughput miałem na