Väitös signaalinkäsittelytekniikan alalta, M.Sc. Kameswara Atchutaram Kocharlakota

Väitöskirjan nimi: Resource optimization for massive MIMO systems

Väittelijä: Kameswara Atchutaram Kocharlakota
Vastaväittäjät:
Prof. Gayan Baduge, Southern Illinois University, Yhdysvallat
Prof. Angelo Coluccia, University of Salento, Lecce, Italia
Kustos: Prof. Sergiy Vorobyov, Aalto-yliopiston sähkötekniikan korkeakoulu, informaatio- ja tietoliikennetekniikan laitos

Väitöstutkimuksessa tarkastellaan keskeisiä haasteita edistyneiden langattomien viestintäjärjestelmien, kuten massiivisten moniantennijärjestelmien (MIMO) ja soluttoman massiivi-MIMO:n (CFmMIMO:n) käyttöönotossa. Nämä teknologiat ovat keskeisiä 5G:ssä ja sitä seuraavissa langattomissa tietoliikenneverkoissa. Tutkimuksessa selvitetään, kuinka ns. "pilottikontaminaatio" vaikuttaa spektritehokkuuteen massiivi-MIMO -järjestelmissä. Työssä kehitetään myös innovatiivisia analyyttisiä työkaluja ja koneoppimiseen perustuvia ratkaisuja näiden järjestelmien suorituskyvyn parantamiseksi. 

Massiivi-MIMO -järjestelmät hyödyntävät suuria antenniryhmiä saavuttaakseen ennennäkemättömän spektritehokkuuden. Pilottikontaminaatio kuitenkin alentaa järjestelmien suorituskykyä, erityisesti kun kanavaestimointiin tarkoitettuja ns. pilottisekvenssejä uudelleenkäytetään solujen välillä. Tämä tutkimus johtaa spektritehokkuudelle suljetun muodon lausekkeet, jotka ottavat huomioon epätäydellisyydet kovarianssimatriisien estimoinnissa ja havainnollistaa kompromisseja piloottisekvenssien pituuden ja kanavaestimoinnin tarkkuuden välillä. Tämä analyysi mahdollistaa parempien strategioiden omaksumisen pilottiresurssien ja järjestelmän yleisen tehokkuuden tasapainottamiseksi. 

CFmMIMO-järjestelmissä hajautettujen antennien verkko palvelee käyttäjiä yhteistyössä. Näissä järjestelmissä käyttäjien kannalta oikeudenmukaisen tietoliikennelinkin tehonsäädön saavuttaminen on laskennallisesti haastavaa johtuen ongelman ei-konveksisesta luonteesta. Väitöstyö esittelee ongelmaan uuden generatiivisiin tekoälymalleihin ja neuroverkkoihin pohjautuvan ratkaisun. Nämä ns. suunnattuun huomioon perustuvat "transformer"-arkkitehtuurit ratkaisevat tehonsäätöongelman tehokkaasti, tarjoten sekä skaalautuvuutta että robustisuutta. Ratkaisu vähentää samalla merkittävästi laskentakustannuksia perinteisiin optimointimenetelmiin verrattuna. 

Väitöstyö edistää massiivi-MIMO ja CFmMIMO-järjestelmien teoreettista ymmärrystä ja käytännön soveltamista. Tulokset ovat tärkeitä sekä spektritehokkuuden optimoinnissa, resurssien allokoinnin parantamisessa, että luotettavien ja tehokkaiden seuraavan sukupolven langattomien tietoliikenneverkkojen mahdollistamisessa. Esitetyt menetelmät ja oivallukset viitoittavat tietä 5G:n ja sitä seuraavien langattomien teknologioiden käyttöönotossa ja niissä esiintyvien haasteiden ylittämiselle.

Avainsanat: Massiivi-MIMO, soluton massiivi-MIMO, spektritehokkuus, pilottikontaminaatio, kovarianssimatriisiestimaatio, langattoman linkin tehonsäätö, neuroverkot, Generatiivinen tekoäly, resurssien allokointi, 5G ja tulevaisuuden langattomat tietoliikenneverkot

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Yhteystiedot:

Sähkötekniikan korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/53