Väitös tietoliikennetekniikan alalta, M.Sc. Parham Kazemi

Väitöskirjan nimi: Channel charting-based radio resource management

Väittelijä: Parham Kazemi
Vastaväittäjä: Dr. Zoran Utkovski, Frauhofer Heinrich-Hertz Institute, Saksa
Kustos: Prof. Olav Tirkkonen, Aalto-yliopiston sähkötekniikan korkeakoulu

5. sukupolven (eng. 5th generation 5G) matkapuhelinverkot on suunniteltu tarjoamaan ennennäkemätöntä suorituskykyä mobiiliympäristöissä kolmella lupauksella: i) lisääntynyt kapasiteetti, ii) erittäin luotettavat ja viiveettömät yhteydet sekä iii) valtava määrä yhdistettyjä laitteita. Näiden tavoitteiden saavuttaminen edellyttää uusien teknologioiden integrointia. Millimetriaaltoviestintä (eng. millimeter-wave mmWave) mahdollistaa ultrakorkeat tiedonsiirtonopeudet ja alhaisen viiveen hyödyntäen korkeilla taajuuksilla käytettävissä olevaa kaistanleveyttä. Säteilytekniikoita (eng. beamforming techniques) käytetään millimetriaaltoalueilla lieventämään radiolinkkien vaimennusta. Haasteita on, erityisesti sopivien säteiden löytämisen korkea ylikuormitus. Tämä väitöskirja käsittelee säteiden hallinnan haasteita 5G- ja mmWave-järjestelmissä käyttäen kanavakartoitusta (eng. Channel Charting CC) ja koneoppimistekniikoita (eng. Machine Learning ML). CC on itseohjautuva menetelmä, joka kartoittaa tukiasemalla (eng. Base Station BS) kerätyn korkean ulottuvuuden kanavatilan tiedon (eng. Channel State Information CSI) matalan ulottuvuuden tilaan, joka edustaa käyttäjälaitteiden (eng. User Equipment UEs) pseudopositioita. Matalan ulottuvuuden tila säilyttää käyttäjälaitteiden paikallisen geometrian. Offline-koulutusvaiheessa CC:t rakennetaan ja merkitään naapurisolujen/säteiden signaali-kohinasuhteilla (eng. Signal-to-Noise Ratio SNR). ML-algoritmeja käytetään ennustamaan käyttäjän SNR naapurisolujen/säteiden kohdalla massiivisessa monen tulon ja lähdön (eng. Multiple Input Multiple Output mMIMO) järjestelmässä. Ennustamalla signaalin laatua ilman käyttäjälaitteen apua voidaan vähentää protokollan ylikuormitusta luovutuspäätöksissä. Sekä itsenäiset että ei-itsenäiset 5G-järjestelmäasennukset otetaan huomioon ja paras säteen ennustus tutkitaan. CC-pohjainen säteen seuranta osoittaa, että alhaisella säteenhakuylikuormituksella voidaan hyödyntää CC-SNR-kartoitusta vahvojen säteiden seuraamiseksi. CC:n parannukset mahdollistavat monipuoliset sovellukset eri skenaarioissa. CSI-ominaisuus lieventää pienimittakaavaisen haalistumisen vaikutusta, tuottaen vankkoja ennusteita alhaisella tilanäytteenottotiheydellä. Matala monimutkaisuuden ulkopuolinen näytealgoritmi (eng. Out-of-Sample OOS) vähentää laskentavaatimuksia, tehden siitä tehokkaan käytännön toteutuksissa.

Avainsanat: Kanavakartoitus, Säteiden hallinta, Signaali-kohinasuhteen ennustus

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): Aaltodoc 

Yhteystiedot:
email: parham.kazemi@aalto.fi 
phone number: +358504760455 
linkedin: https://www.linkedin.com/in/parham-kazemi-780742121/