Universität Rostock

Zur Entwicklung von Mobilfunksystemen der 5. Generation werden derzeit mehrere Schlüsseltechnologien diskutiert. Während Mehrantennensysteme sich mittlerweile in vielen Standards etabliert haben, versprechen verschiedene Erweiterungen ein großes Potential und werden als Kandidaten zukünftiger Systeme gehandelt. Der Einsatz einer sehr großen Zahl von Antennen an der Basisstation (massive MIMO) ist ein Vorschlag um die Interferenzlimitierung in aktuellen zellularen Netzen zu beheben. Des Weiteren wird seit einiger Zeit das räumliche Modulieren (spatial modulation) intensiv diskutiert. Hier wird Information durch die Auswahl einer oder mehrerer Sendeantennen aus einer größeren Anzahl von Antennen übertragen. Befürworter dieses Ansatzes heben hervor, dass Hardware-Kosten und auch der Energieverbrauch reduziert werden können.

Im Bereich der Signalverarbeitung hat das Compressed Sensing zur Verarbeitung dünn besetzter Signale in den letzten Jahren viel Aufmerksamkeit erhalten. Ausgehend von rein theoretischen Überlegungen hat Compressed Sensing mittlerweile Einzug in viele Anwendungen gehalten. In Bezug auf Kommunikationssysteme wurde Compressed Sensing zur Detektion von Spektren in kognitiven Funksystemen oder zur Schätzung von doppelt dispersiven Kommunikationskanälen eingesetzt.

In diesem Projekt werden die Ideen von massive MIMO, verallgemeinerter räumlicher Modulation und Compressed Sensing zu einem Gesamtsystem zusammengefasst. Das Potential dieses Ansatzes soll herausgearbeitet und die Leistungsfähigkeit mit der von alternativen Ansätzen verglichen werden. Dabei stehen die erzielbare Datenrate, Robustheit, Energieeffizienz und Realisierungsaufwand im Fokus der Untersuchungen.

Die verallgemeinerte räumliche Modulation soll in der Abwärtsstrecke eines Mobilfunksystems mit sehr vielen Antennen an der Basisstation eingesetzt werden. Information wird über die Auswahl einer definierten Anzahl von Antennen aus der großen Menge verfügbarer Antennen und die modulierten Sendesignale selbst übertragen. Da nur sehr wenige Antennen ausgewählt werden, ist der Sendevektor dünn besetzt und der Einsatz von Compressed-Sensing-Techniken bietet sich an. Der Projektfokus liegt auf der Adaptation und Optimierung von Compressed-Sensing-Algorithmen an das zu untersuchende System. Basis-Pursuit- und Greedy-Algorithmen werden entsprechend erweitert, um bestimmtes Modellwissen gewinnbringend zu berücksichtigen und um Soft-Information im Rahmen einer iterativen Detektion verarbeiten zu können. Ferner wird das Systemdesign hinsichtlich wichtiger Parameter wie die Anzahl von Sende- und Empfangsantennen oder die Anzahl ausgewählter Antennen optimiert. Außerdem werden verschiedene Codierstrategien unter Berücksichtigung spezifischer Systemeigenschaften entwickelt und integriert, um die Robustheit des Systems zu erhöhen.