Kehittyneitä signaalinkäsittelytekniikoita tietoliikenteeseen

Langattoman teknologian nopea kehitys on johtanut monipuoliseen päätelaitekirjoon laajojen maantieteellisten alueiden yli. Viidennen sukupolven langaton tietoliikenneteknologia eritoten on ensimmäisenä luontaisesti tukemassa tehostettua mobiilia laajakaistakommunikaatiota (eMBB), erittäin luotettavaa pienen latenssin tietoliikennettä (URLLC) ja konetyyppisiä tietoliikennepalveluja (MTC). Tulevien standardien odotetaan jatkavan tätä trendiä. Jo olemassa olevaa verkkoinfrastruktuuria voidaan käyttää näissä skenaarioissa sisällyttämään kustannustehokkaasti sekä nykyiset että lukuisat uudet laitteet yhteyksineen. Erilaisten laitteiden ja niiden mahdollisesti ristiriitaisten vaatimusten yhdistäminen asettaa merkittäviä haasteita signaalinkäsittelytekniikoille kuten ilmaisuun, kanavan estimointiin ja dekoodausalgoritmeihin.

Samalla kun kaikki palvelut tuovat esiin uusia haasteita niin MTC:n yhdistäminen solukkoverkkoihin sisältää merkittäviä haittoja, jotka täytyy ratkaista ennen lopullista integraatiota. MTC:n odotetaan luovan erittäin paljon ylälinkin liikennettä massiivisesta määrästä konetyyppisiä laitteita (MTD), jotka käyttävät epäortogonaalisia pilottisekvenssejä ja siten kasvattavat signaalin ilmaisun kompleksisuutta. Lisäksi MTDt ovat energiarajoitteisia ja sitä kautta tyypillisesti suosivat pienen kompleksisuuden omaavia lähetysmuotoja, jolloin ne ovat myös rajoittuneita monimutkaisten signaalioperaatioiden suhteen.

Yllä lueteltujen haasteiden motivoimana tässä väitöstyössä keskitytään uusien signaalinkäsittelytekniikoiden kehittämiseen MTC:lle solukkoverkoissa. Työssä esitetään kattavasti ratkaisuja kuten uusia pilottisignaalien generointimenetelmiä mahdollistamaan MTC:n ja muiden palvelujen sujuva yhteiskäyttö. Ehdotetut pilottisekvenssit takaavat alhaisen kompleksisuuden ja hyvän energiatehokkuuden konetyyppisille laitteille. Lisäksi työssä esitetään uusia signaalin ilmaisuun ja korjaamiseen liittyviä tekniikoita, jossa erityiskohteena ovat massiiviset MTC-skenaariot, joissa MTDt esiintyvät ryppäissä. Tätä varten työssä käytetään approksimointivirhemenetelmää (AEM), vuorottelevan suunnan kertojien menetelmää ja AEM-harvan bayesilaisen oppimisen menetelmää. Yhteenvetona esitetyt tulokset kanavaestimoinnin ja laitteiden aktiivisuuden ilmaisutarkkuuden osalta osoittavat, että ehdotetuilla ratkaisuilla on huomattavaa potentiaalia lieventämään käytännön signaalinkäsittelyongelmia MTC:tä sisältävissä solukkoverkoissa.