請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/84400完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 李枝宏 | zh_TW |
| dc.contributor.advisor | Ju-Hong Lee | en |
| dc.contributor.author | 曾怡雯 | zh_TW |
| dc.contributor.author | Yi-Wen Tseng | en |
| dc.date.accessioned | 2023-03-19T22:10:26Z | - |
| dc.date.available | 2024-04-03 | - |
| dc.date.copyright | 2022-07-07 | - |
| dc.date.issued | 2021 | - |
| dc.date.submitted | 2002-01-01 | - |
| dc.identifier.citation | [1] M.-Fu. Tang, M.-Yung Lee, and B. Su,“Beamforming-based Spatial Precoding in FDD Massive MIMO systems,” in Proc. IEEE 48th Systems and Computers Asilomar Conference, Pacific Grove, CA, USA, vol.1, Nov.2014, pp.2073-2077.
[2] J. Robinson and Y. Rahmat-Samii. “Particle Swarm Optimization in Electromagnetics,” IEEE Transactions on Antennas and Propagation, vol.52, no.2, pp.397-407, Feb. 2004 [3] S. Mirjalili, S. M. Mirjalili and A. Lewis, “Grey Wolf Optimizer,” J. Advances in Engineering Software, vol69, pp.46-61, Mar. 2014 [4] 李景硯, “Beamforming-selection Precoding with Particle Swarm Optimization in Massive MIMO Systems, ” 國立台灣大學電信工程研究所碩士論文, Jul. 2016. [5] E. Emary, Hossam M. Zawbaa, Aboul Ella Hassanien, ”Binary grey wolf optimization approaches for feature selection, ” Neurocomputing, vol.172, 2016, pp.371-381, Jan. 2016 [6] X. Li and Y. Yao, “Cooperative Coevolving Particle Swarms for Large scale Optimization,” IEEE Transactions on Evolutionary Computation, vol.16, no.2, pp.210-224, Apr. 2012 [7] J. H. Lee and J. Y. Lee, “ Optimal Beamforming-selection Spatial Precoding Using Population-based Stochastic Optimization for Massive Wireless MIMO Communication Systems, ” Journal of the Franklin Institute, vol.354, no.10, pp.4247-4272, Jul. 2017 [8] D. S. Baum, J. Hansen, H. Salo, H. Del Galdo, M. Milojevic, “An Interim Channel Model for Beyond-3G Systems Extending the 3GPP Spatial Channel Model(SCM)” IEEE Vehicular Technology Conference, Dec. 2005 [9] M. Majidzadeh, A. Moilanen, N. Tervo, H. Pennanen, A. Tolli and M. Latva-aho, “Partially connected hybrid beamforming for large antenna arrays in multi-user MISO systems, “IEEE Annual International Symposium on PIMRC, Feb. 2018 [10] N. Song, T. Yang and H. Sun, “Overlapped Subarray Based Hybrid Beamforming for Millimeter Wave Multiuser Massive MIMO,“ IEEE Signal Processing Letters, vol.24, no.5, pp.550-554, May. 2017 [11] B. Martin, J. Marot and S. Bourennane, "Improved Discrete Grey Wolf Optimizer, "IEEE EUSIPCO, Dec. 2018 [12] Universal Mobile Telecommunications System (UMTS);Spacial channel model for Multiple Input Multiple Output (MIMO) simulations (3GPP TR 25.996 version 6.1.0 Release 6) [13] Z. Li, S. Han, and A. F. Molisch, “Hybrid Beamforming Design for Millimeter-wave Multi-user Massive MIMO downlink,” IEEE Int. Conf. Commun (ICC), pp.1-6, May. 2016 [14] O. El Ayach, S. Rajagopal, S. Abu-Surra, Z. Pi, and R. W. Heath, Jr., ”Spatially Sparse Precoding in Millimeter Wave MIMO Systems,” IEEE Trans. Wireless Commun., vol.13, no.3, pp.1499-1513, Mar. 2014 [15] 孫偉恩“Optimal Beamforming-Based Spatial Precoding under Digital and Hybrid Structures for Massive MIMO Systems,” 國立台灣大學電信工程研究所碩士論文, Jul. 2018 [16] W. Weichselberger , M. Herdin, H. Ozcelik and E. Bonek, “A stochastic MIMO channel model with joint correlation of both link ends,“ IEEE Trans. on Wireless Communications, vol.5, no.1, pp.90-100, Jan. 2006 [17] 洪子文“Hybrid Beamforming for Massive MIMO Transceiver Design Based on Beam-selection Approach,” 國立台灣大學電信工程研究所碩士論文, Jul. 2019 [18] Q. Nadeem, A. Kammoun, M. Debbah and M. Alouini, "Performance Analysis of Compact FD-MIMO Antenna Arrays in a Correlated Environment," IEEE Access, vol.5, pp.4163-4178, Mar. 2017 [19] D. H. N. Nguyen, L. B. Le, and I. Le-Ngoc, “Hybrid MMSE Precoding and Combining Designs for mmWave Multiuser System,” IEEE Access, Jul. 2017 [20] H. Jafarkhani, “A Quasi-orthogonal Space-time block code,” IEEE Trans. Commun., Vol.49, no.1, pp.1-4, Jan, 2001 | - |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/84400 | - |
| dc.description.abstract | 因應現今行動通訊與無線通訊的發展，我們針對降低硬體成本、減少耗能、提高系統容量及大規模多輸入多輸出系統等等在本實驗室先前提出的系統架構下繼續進行效能之優化。
我們延續以往所使用的波束成型選擇之空間預編碼(Beamforming-selection spatial precoding, BSSP)結合混合式預編碼(Hybrid Beamforming)方法做為架構，並以最佳化演算法調整預編碼矩陣之參數，此一作法能夠有效減少干擾，同時降低CSI回傳的overhead及硬體成本消耗。 在本篇論文中，除了先前本實驗室討論過的交互耦合(Mutual Coupling)與空間相關性(spatial correlation)影響，另外加入了Gain Phase Error跟Phase Noise兩種誤差進行模擬，讓通道更貼近真實的狀況，並調整天線擺放的位置讓理論平均錯誤率有更好的表現。在最佳化演算法的部分，我們以Grey Wolf Optimizer(GWO)取代了以往的第二代合作式共同粒子群演算法(Cooperatively Coevolving Particle Swarm Optimization, CCPSO2)，改善了原本運算時間太長及維度不夠的問題，因此能夠模擬天線數量較多的情形。 由於我們所提出的架構中每條天線都需要一條RF(Radio Frequency) chain，隨著天線數量的增加，在連接上耗損的功率也越來越多，因此我們在理論平均錯誤率表現及耗能上進行取捨，加入了部分連接(Partially Connected)架構以降低傳輸的功率耗損，並以離散型GWO進行連接方式的最佳化。為了優化整體的表現，我們除了線性陣列(Linear Array)以外，也加入了圓形陣列(Circular Array)來進行模擬，並加入半正交空時區塊碼 (Quasi-Orthogonal Space-Time Block Code, QOSTBC)技術，透過同時最佳化天線部分連接方式以及天線元件擺設位置來降低錯誤率，優化整體表現。 | zh_TW |
| dc.description.abstract | In response to the development of mobile communications and wireless communications, we continue to optimize performance under the system architecture previously proposed by our laboratory for reducing hardware costs, reducing energy consumption, increasing system capacity, and massive multiple-input-multiple-output systems.
We continue to use Beamforming-selection spatial precoding (BSSP) combined with Hybrid Beamforming (Hybrid Beamforming) as the architecture used in the past, and use the optimized algorithm to adjust the parameters of the precoding matrix. This approach can effectively reduce interference, while reducing the hardware cost and the overhead of CSI feedback. In this paper, in addition to the effects of Mutual Coupling and Spatial Correlation discussed earlier in this laboratory, gain phase error and phase noise are also added for simulation to make the channel closer to reality. Moreover, we adjust the position of the antenna to make the theoretical average error rate have a better performance. In the optimization algorithm part, we replaced the previous second-generation Cooperatively Coevolving Particle Swarm Optimization (CCPSO2) with Grey Wolf Optimizer (GWO), which improved the original calculation time and dimensionality. Thus, it can simulate the scenario of a large number of antennas. Since each antenna in our proposed architecture requires an RF (Radio Frequency) chain, when the number of antennas increases, more and more power is consumed in the connection. Therefore, we make a trade-off between theoretical average error rate performance and energy consumption. A Partially Connected architecture was added to reduce the power loss of transmission, and the discrete GWO was used to optimize the connection mode. In order to optimize the overall performance, not only the linear array (Linear Array) has been employed, we also added a circular array (Circular Array) for simulation, and added a semi-orthogonal space-time block code (Quasi-Orthogonal Space-Time Block Code, QOSTBC) technology, which reduces the error rate and optimizes the overall performance by optimizing the connection method of the antenna part and the placement of the antenna element at the same time. | en |
| dc.description.provenance | Made available in DSpace on 2023-03-19T22:10:26Z (GMT). No. of bitstreams: 1 U0001-1002202222561800.pdf: 6041798 bytes, checksum: 2b7dc2c9889afe4efadf8ae853685148 (MD5) Previous issue date: 2022 | en |
| dc.description.tableofcontents | CONTENTS
口試委員會審定書 i 誌謝 ii 中文摘要 iii ABSTRACT iv CONTENTS vi LIST OF FIGURES x LIST OF TABLES xiii Chapter 1 Introduction 1 1.1 研究背景 1 1.2 研究動機 1 1.3 論文貢獻 2 1.4 論文組織架構 2 Chapter 2 基於波束成型之空間預編碼 4 2.1 FDD MIMO系統架構 4 2.2 Beamforming-Based Spatial Precoding 8 2.2.1 Downlink Training of BBSP 8 2.2.2 CSI Feedback of BBSP 9 Chapter 3 灰狼最佳化演算法與基於波束成型選擇之空間預編碼 12 3.1 基於波束成型選擇之空間預編碼(BSSP) 12 3.2 粒子群最佳化演算法 13 3.2.1 PSO演算法流程 13 3.3 第二代合作式共同粒子群最佳化演算法 15 3.3.1 CCPSO2演算法流程 15 3.4 灰狼最佳化演算法 17 3.4.1 GWO演算法流程 18 3.5 3GPP通道環境下的平均理論位元錯誤率 19 3.5.1 以平均理論位元錯誤率做為適應方程式 20 3.5.2 實驗3.1：BSSP-CCPSO2與BSSP-GWO比較 21 3.6 考慮空間相關性與交互耦合影響之通道 22 3.6.1 空間相關性通道模型 23 3.6.2 交互耦合通道模型 24 3.6.3 Kronecker通道模型 25 3.6.4 空間相關性與交互耦合共同影響之矩陣模型 26 3.6.5 實驗3.2：空間相關性與交互耦合共同影響之ULA及UCA 26 3.7 最佳化天線擺設之非均勻線性陣列 27 3.7.1 平均互消息 27 3.7.2 實驗3.3：空間相關性與交互耦合共同影響之非均勻擺設陣列 28 Chapter 4 混合式架構之BSSP-GWO(Hybrid-BSSP-GWO) 31 4.1 混合式架構下之BBSP-GWO 31 4.1.1 混合式系統架構模型 31 4.1.2 混合式架構結合BSSP-GWO之方法(Hybrid-BSSP-GWO) 34 4.2 混合式架構下考慮空間相關性與交互耦合影響之最佳化天線擺設位置非均勻線性陣列 35 4.2.1 實驗4.1：混合式架構下考慮空間相關性與交互耦合之均勻天線擺設位置平均理論位元錯誤率模擬 35 Chapter 5 受到空間相關性及交互耦合影響與最佳化天線擺設位置之平均理論位元錯誤率模擬考慮傳送端部分連接架構最佳化設計 37 5.1 部分連接架構之BSSP-GWO概念 37 5.1.1 實驗5.1：部分連接架構Hybrid-BSSP-GWO模擬 38 5.2 離散問題的最佳化方法 41 5.2.1 二進位制灰狼最佳化演算法 42 5.2.2 離散灰狼最佳化演算法 43 5.2.3 實驗5.2：最佳化部分連接架構在受到空間相關性與交互耦合影響之Kronecker Model下之平均理論位元錯誤率模擬 45 5.2.4 實驗5.3：最佳化天線擺設位置與部分連接架構在受到空間相關性與交互耦合影響之Kronecker Model下非均勻天線擺設位置之平均理論位元錯誤率模擬 48 Chapter 6 NB=128、NU=2在三種3GPP通道考慮四重誤差與半正交空時區塊碼之模擬 50 6.1 半正交空時區塊碼 50 6.1.1 實驗6.1：NB=128、NU=2在三種3GPP通道加入QOCTBC之平均理論位元錯誤率模擬 51 6.1.2 實驗6.2：NB=128、NU=2在三種3GPP通道非均勻天線擺設位置之平均理論位元錯誤率模擬加入QOSTBC 53 6.2 增量向量誤差與相位雜訊 56 6.2.1 考慮增量向量誤差之通道模型 56 6.2.2 考慮相位雜訊之通道模型 56 6.2.3 實驗6.3：NB=128、NU=2在三種3GPP通道最佳化部分連接架構之平均理論位元錯誤率模擬 57 6.2.4 實驗6.4：NB=128、NU=2在三種3GPP通道最佳化部分連接架構加入QOSTBC之平均理論位元錯誤率模擬 61 6.2.5 實驗6.5：NB=128、NU=2在三種3GPP通道最佳化部分連接架構加入QOSTBC之非均勻天線陣列平均理論位元錯誤率模擬 65 REFERENCE 75 LIST OF FIGURES Fig. 2.1 多輸入多輸出系統架構圖 出自[4] 4 Fig. 2.2 ULA示意圖 出自[15] 5 Fig. 2.3 UCA示意圖 出自[15] 6 Fig. 2.4 FDD MIMO Downlink運作流程圖 參考[4] 7 Fig. 3.1 PSO演算法之pseudocode 出自[4] 15 Fig. 3.2 CCPSO2演算法之pseudocode 出自[4] 17 Fig. 3.3 GWO演算法的虛擬碼(pseudocode) 出自[3] 19 Fig. 3.4 實驗3.1：BSSP-CCPSO2與BSSP-GWO比較 22 Fig. 3.5 實驗3.2：空間相關性與交互耦合共同影響之ULA及UCA 27 Fig. 3.6 實驗3.3：空間相關性與交互耦合共同影響之非均勻擺設陣列 29 Fig. 3.7 實驗3.3中非均勻擺放之 (a)線性陣列 (b)圓形陣列 天線分布位置圖 29 Fig. 4.1 混合式波束成型(Hybrid Beamforming)之系統架構圖 參考[17] 31 Fig. 4.2 混合式波束成型之傳送端系統架構圖 參考[17] 33 Fig. 4.3 加入功率分配混合式波束成形之系統架構圖 34 Fig. 4.4 實驗4.1：混合式架構下考慮空間相關性與交互耦合之均勻天線擺設位置平均理論位元錯誤率模擬與實驗3.2之比較 36 Fig. 5.1 (a) Fully Connected (b) NOSA (c) OSA 示意圖 37 Fig. 5.2 φB=0o之部分連接架構Hybrid-BSSP-GWO模擬 40 Fig. 5.3 φB=45o之部分連接架構Hybrid-BSSP-GWO模擬 40 Fig. 5.4 φB=90o之部分連接架構Hybrid-BSSP-GWO模擬 41 Fig. 5.5 Improved DGWO的虛擬碼(pseudo code) 出自[11] 45 Fig. 5.6 φB=0o之最佳化部分連接架構Hybrid-BSSP-GWO模擬 46 Fig. 5.7 φB=45o之最佳化部分連接架構Hybrid-BSSP-GWO模擬 47 Fig. 5.8 φB=90o之最佳化部分連接架構Hybrid-BSSP-GWO模擬 47 Fig. 5.9 Non-uniform之OSA連接架構Hybrid-BSSP-GWO模擬 49 Fig. 5.10 Non-uniform之NOSA連接架構Hybrid-BSSP-GWO模擬 49 Fig. 6.1 NB=128、NU=2 Urban Macro 52 Fig. 6.2 NB=128、NU=2 Urban Micro 52 Fig. 6.3 NB=128、NU=2 Suburban Macro 53 Fig. 6.4 NB=128、NU=2 Urban Macro (non-uniform array) 54 Fig. 6.5 NB=128、NU=2 Urban Micro (non-uniform array) 55 Fig. 6.6 NB=128、NU=2 Suburban Macro (non-uniform array) 55 Fig. 6.7 NB=128、NU=2 Urban Macro之最佳化部分連接架構模擬(LA) 58 Fig. 6.8 NB=128、NU=2 Urban Macro之最佳化部分連接架構模擬(CA) 59 Fig. 6.9 NB=128、NU=2 Urban Micro之最佳化部分連接架構模擬(LA) 59 Fig. 6.10 NB=128、NU=2 Urban Micro之最佳化部分連接架構模擬(CA) 60 Fig. 6.11 NB=128、NU=2 Suburban Macro之最佳化部分連接架構模擬(LA) 60 Fig. 6.12 NB=128、NU=2 Suburban Macro之最佳化部分連接架構模擬(CA) 61 Fig. 6.13 Urban Macro之最佳化部分連接架構加入QOSTBC模擬(LA) 62 Fig. 6.14 Urban Macro之最佳化部分連接架構加入QOSTBC模擬(CA) 63 Fig. 6.15 Urban Micro之最佳化部分連接架構加入QOSTBC模擬(LA) 63 Fig. 6.16 Urban Micro之最佳化部分連接架構加入QOSTBC模擬(CA) 64 Fig. 6.17 Suburban Macro之最佳化部分連接架構加入QOSTBC模擬(LA) 64 Fig. 6.18 Suburban Macro之最佳化部分連接架構加入QOSTBC模擬(CA) 65 Fig. 6.19 Urban Macro之非均勻天線擺設位置最佳化部分連接架構(LA) 66 Fig. 6.20 Urban Macro之非均勻天線擺設位置最佳化部分連接架構加入QOSTBC(LA) 67 Fig. 6.21 Urban Macro之非均勻天線擺設位置最佳化部分連接架構(CA) 67 Fig. 6.22 Urban Macro之非均勻天線擺設位置最佳化部分連接架構加入QOSTBC(CA) 68 Fig. 6.23 Urban Micro之非均勻天線擺設位置最佳化部分連接架構(LA) 68 Fig. 6.24 Urban Micro之非均勻天線擺設位置最佳化部分連接架構加入QOSTBC(LA) 69 Fig. 6.25 Urban Micro之非均勻天線擺設位置最佳化部分連接架構(CA) 69 Fig. 6.26 Urban Micro之非均勻天線擺設位置最佳化部分連接架構加入QOSTBC(CA) 70 Fig. 6.27 Suburban Macro之非均勻天線擺設位置最佳化部分連接架構 (LA) 70 Fig. 6.28 Suburban Macro之非均勻天線擺設位置最佳化部分連接架構加入QOSTBC(LA) 71 Fig. 6.29 Suburban Macro之非均勻天線擺設位置最佳化部分連接架構 (CA) 71 Fig. 6.30 Suburban Macro之非均勻天線擺設位置最佳化部分連接架構加入QOSTBC(CA) 72 LIST OF TABLES Table 1 Urban Macro天線與RF chain總連接數量及BER表現 72 Table 2 Urban Micro天線與RF chain總連接數量及BER表現 73 Table 3 Suburban Macro天線與RF chain總連接數量及BER表現 73 | - |
| dc.language.iso | zh_TW | - |
| dc.subject | 離散型GWO | zh_TW |
| dc.subject | GWO | zh_TW |
| dc.subject | 波束成型 | zh_TW |
| dc.subject | 部分連接架構 | zh_TW |
| dc.subject | 空間預編碼 | zh_TW |
| dc.subject | 大規模多輸入多輸出 | zh_TW |
| dc.subject | massive multiple-input-multiple-output systems | en |
| dc.subject | beamforming | en |
| dc.subject | GWO | en |
| dc.subject | discrete GWO | en |
| dc.subject | partially connected architecture | en |
| dc.subject | spatial precoding | en |
| dc.title | 大規模多輸入多輸出系統在部分連接混合式架構下基於波束選擇方法之最佳化空間預編碼 | zh_TW |
| dc.title | Optimal Spatial Precoding Based on Beamforming-Selection Under Partially Connected Hybrid Architecture Massive MIMO System | en |
| dc.type | Thesis | - |
| dc.date.schoolyear | 110-2 | - |
| dc.description.degree | 碩士 | - |
| dc.contributor.oralexamcommittee | 劉俊麟;謝宏昀 | zh_TW |
| dc.contributor.oralexamcommittee | Chun-Lin Liu;Hung-Yun Hsieh | en |
| dc.subject.keyword | 大規模多輸入多輸出,空間預編碼,波束成型,部分連接架構,GWO,離散型GWO, | zh_TW |
| dc.subject.keyword | massive multiple-input-multiple-output systems,spatial precoding,beamforming,GWO,discrete GWO,partially connected architecture, | en |
| dc.relation.page | 77 | - |
| dc.identifier.doi | 10.6342/NTU202200550 | - |
| dc.rights.note | 同意授權(限校園內公開) | - |
| dc.date.accepted | 2022-02-23 | - |
| dc.contributor.author-college | 電機資訊學院 | - |
| dc.contributor.author-dept | 電信工程學研究所 | - |
| dc.date.embargo-lift | 2025-07-31 | - |
| 顯示於系所單位： | 電信工程學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-110-2.pdf 授權僅限NTU校內IP使用（校園外請利用VPN校外連線服務） | 5.9 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。