융합정보논문지 (Journal of Convergence for Information Technology)

중소기업융합학회 (Convergence Society for SMB)
권호 표지
DOI QR코드

DOI QR Code

다중안테나 시스템에서 전력 최소화를 위한 안테나 선택 알고리즘

Antenna Selection Algorithm for Energy Consumption Minimization in Massive Antenna System

  • 신경섭 (상명대학교 컴퓨터과학전공)
  • 투고 : 2022.01.29
  • 심사 : 2022.03.20
  • 발행 : 2022.03.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

통신시스템에서 한정된 자원에서 최대의 용량을 얻기 위해서 안테나의 개수를 늘리는 것이 효과적이다. 주어진 주파수 자원에서 안테나 개수의 증가는 또 다른 차원의 신호의 송수신을 가능하게 하고, 추가적인 채널자원을 확보하여, 통신 용량을 증대시킬 수 있기 때문이다. 다수의 안테나가 존재하는 상황에서는 안테나를 한정된 공간에 효과적으로 집적하는 문제가 매우 중요해지게 된다. 이러한 상황에서 채널 자원과 안테나 자원을 효율적으로 분배하는 문제가 발생하여, 본 논문에서는 주어진 다수의 안테나 자원을 안테나간의 상관성을 고려하여 다수의 사용자에게 효과적으로 분배하는 문제를 해결하였다. 사용자를 선택하는 문제와 선택된 사용자에게 안테나를 할당하는 문제로 나누어 Semi-definite Relaxation 방식을 사용하여 최적해를 빠르게 구할 수 있도록 고안되었고, 시뮬레이션 결과를 통하여 편파가 사용된 상황에서는 공간 집적도가 증가함을 보였고, 안테나의 자원이 늘어남에 따라 평균적으로 34% 감소된 전력을 사용하여 전력 효율적인 전송을 하는 결과를 보였다.

In order to ensure maximum capacity at a given frequency resource, the number of antennas must be increased. The increase in antennas means that such guaranteed channel resources can be used as an increase in channel capacity by aquiring another channel resource. In order to aggregate antennas in such a situation where there are a plurality of antennas, a problem of miniaturizing and integrating antennas must be accompanied. In this situation, in order to efficiently allocate channel resources and antenna resources in limited device resources, the problem of antenna selection and user scheduling was considered and solved together. By numerical simulation results, the proposed algorithm was proven to effectively reduce 34 % power consumption in averagewith increase in antennas.

키워드

과제정보

This work was supported by the Technology development Program(1425149057) funded by the Ministry of SMEs and Startups(MSS, Korea)

참고문헌

  1. A. Alexiou & M. Haardt. (2004). Smart antenna technologies for future wireless systems: trends and challenges. IEEE Communications Magazine, 42(9), 90-97. DOI : 10.1109/MCOM.2004.1336725.
  2. J. Zhang, K. Kim, A. Glazunov, Y. Wang, L. Ding & J. Zhang. (2020). Generalized Polarization-Space Modulation. IEEE Transactions on Communications, 68(1), 258-273. DOI : 10.1109/TCOMM.2019.2947457.
  3. T. Pratt, B. Walkenhorst & S. Nguyen. (2009). Adaptive polarization transmission of OFDM signals in channels with polarization mode dispersion and polarization-dependent loss. IEEE Transactions on Wireless Communications, 8(7), 3354-3359. DOI : 10.1109/TWC.2009.080089.
  4. Y. Deng, A. Burr & G. White. (2005, May). Performance of MIMO systems with combined polarization multiplexing and transmit diversity. Vehicular Technology Conference, 2005. (pp. 869-873) Sweden: IEEE. DOI : 10.1109/VETECS.2005.1543429
  5. B. Cao, Q. Zhang & L. Jin. (2011). Polarization division multiple access with polarization modulation for LOS. EURASIP Journal on Wireless Communications and Networking, 1(77), 1-9. DOI : 10.1186/1687-1499-2011-77
  6. O. Mehanna, N. D. Sidiropoulos & G.B. Giannakis. (2012, June). Multicast beamforming with antenna selection. Signal Processing Advances in Wireless Communications (SPAWC), 2012 IEEE 13th International Workshop on. (pp.70-74). Turkey: IEEE. DOI : 10.1109/SPAWC.2012.6292982
  7. Y. Liu, X. Yang, Y. Jia, & Y. Guo. (2019). A Low Correlation and Mutual Coupling MIMO Antenna. IEEE Access, 7, 127384-127392. DOI : 10.1109/ACCESS.2019.2939270.
  8. U. Ullah, M. Al-Hasan, S. Koziel, & I. Mabrouk. (2020). Circular Polarization Diversity Implementation for Correlation Reduction in Wideband Low-Cost Multiple-Input-Multiple-Output Antenna. IEEE Access, 8, 95585-95593. DOI : 10.1109/ACCESS.2020.2995723.
  9. K. Zhang, X. Jiang, M. Wen, R. Qiu, & H. Ge. (2020). Precoding-Aided Spatial Modulation With Dual-Polarized Antennas Over Correlated Channels. IEEE Communications Letters, 24(3), 676-680. DOI : 10.1109/LCOMM.2019.2963660.
  10. J. Sturm. (1999). Using SeDuMi 1.02, a MATLAB toolbox for optimization over symmetric cones. Optimization Methods and Software, 11(1), 625-653. DOI : 10.1080/10556789908805766