• Journal of Communications and Networks
• /
• 제18권2호
• /
• pp.210-217
• /
• 2016

In this paper, we propose a low complexity multiple-input multiple-output (MIMO) detection algorithm with adaptive interference mitigation in downlink multiuser MIMO (DL MU-MIMO) systems with quantization error of the channel state information (CSI) feedback. In DL MU-MIMO systems using the imperfect precoding matrix caused by quantization error of the CSI feedback, the station receives the desired signal as well as the residual interference signal. Therefore, a complexMIMO detection algorithm with interference mitigation is required for mitigating the residual interference. To reduce the computational complexity, we propose a MIMO detection algorithm with adaptive interference mitigation. The proposed algorithm adaptively mitigates the residual interference by using the maximum likelihood detection (MLD) error criterion (MEC). We derive a theoretical MEC by using the MLD error condition and a practical MEC by approximating the theoretical MEC. In conclusion, the proposed algorithm adaptively performs interference mitigation when satisfying the practical MEC. Simulation results show that the proposed algorithm reduces the computational complexity and has the same performance, compared to the generalized sphere decoder, which always performs interference mitigation.

• 디지털융복합연구
• /
• 제12권10호
• /
• pp.317-327
• /
• 2014

IEEE 802.11ac 무선 랜에서는 무선 채널의 효율성을 높이기 위하여 공간 분할된 다중채널을 활용하여 AP로부터 다중의 단말기들을 향해 서로 다른 프레임들을 동시에 전송할 수 있는 DL MU-MIMO MAC 기술을 도입하였다. IEEE 802.11ac DL-MIMO MAC 기술은 기존 DL SU-MIMO MAC 동작의 두 단계 동작인 무선채널 획득단계와 프레임 전송단계 사이에 TXOP 기간 동안 채널별 목적지 단말기와 전송될 프레임을 선정하는 TXOP 공유단계가 있다. 따라서 IEEE 802.11ac의 MAC 성능을 향상시키기 위해서는 TXOP 공유단계의 성능이 중요하게 고려되어야 한다. 하지만 표준에서 예시적으로 제시한 우선순위 TXOP 공유방식은 버퍼와 버퍼 내 프레임에 대하여 공정하게 다루지 못하고, 많은 지연시간과 특정 버퍼에 대해서는 높은 손실률을 일으키는 문제점이 있다. 본 논문에서는 각 AC가 가지고 있는 속성의 특성을 최대한 살기기 위하여 p-AC, 유사속성 s-AC, 전체 s-AC, 순으로 TXOP를 공유하는 방안을 제시한다. 이는 기존의 EDCA 특성을 해치지 않는 범위 내에서 차별화된 서비스를 제공할 수 있는 방법이다.

• 방송공학회논문지
• /
• 제28권1호
• /
• pp.141-144
• /
• 2023

최근에 심층신경망(DNN)을 활용하여 채널 추정, 채널 양자화, 피드백, 프리코딩 과정을 통합하여 모델링하는 연구가 진행되었다. 해당연구는 기존에 이론적으로 어렵던 통합 최적화를 deep learning (DL)을 기반으로 수행하여 기존의 실제 codebook을 활용하는 프리코딩기법에 비해 높은 잠재력이 있음을 보였다. 하지만 기존의 기법은 랜덤하게 정해진 소수의 사용자만을 대상으로하며, 기존의 기법과 다르게 스케줄링이 포함된 환경에는 적응이 어렵다. 따라서 본 연구에서는 심층신경망기반의 프리코딩기법이 활용가능한 스케줄링 방식을 연구하여 기존의 결과와 비교한다.