Antenna Selection and Hybrid Analog-Digital Beamforming

155 Pages·2017·17.14 MB·English

Low RF-Complexity Massive MIMO Systems:
Antenna Selection and Hybrid Analog-Digital
Beamforming
VonderFakulta¨tfu¨rIngenieurwissenschaften,
AbteilungElektrotechnikundInformationstechnik
derUniversita¨tDuisburg-Essen
zurErlangungdesakademischenGrades
DoktorderIngenieurwissenschaften(Dr.-Ing.)
genehmigteDissertation
von
YuanGao
aus
China
Gutachter:
Prof. Dr.-Ing. ThomasKaiser
Univ. Prof. Dr.-Ing. KlausSolbach
TagdermundlichenPru¨fung: 09.10.2017

Acknowledgments
IwouldliketoexpressmygratitudetomysupervisorProf. Dr.-Ing. ThomasKaiserwhogaveme
thechanceforthePhDstudyintheinstituteofDigitalSignalProcessing(DSV),theUniversity
of Duisburg-Essen. He gave me a large degree of freedom to select the research topic of my
interest, and his invaluable insight on wireless communications lightens and leads me on my
research. Withouthissupportandencouragement,Iamnotabletofinishthisthesis.
I am also thankfulto Univ. Prof. Dr.-Ing. KlausSolbach, theUniversity ofDuisburg-Essen,
forbeingmysecondsupervisor,andinparticularfortheinvaluablediscussionsonthemicrowave
circuitmodelingofRotmanlens.
I would like also to thank all my colleagues in DSV for the highly friendly atmosphere,
which,Ibelieve,isquiteimportantformycontinuousresearchactivities. Specialthanksgoesto
• TheoKreul whoismy groupleaderand gavemea lotofsupervision andsupportduring
the past five years. Whenever I have problems, he can always spend his precious time
to give me support. Thanks to his rich experience, he can even foresee many potential
problemsandchallenges,whichareofgreatbenefittomeontheresearchroad.
• Dr. FengZhengwhospentalotofprecioustimetoreviewandcommentmypublications,
including this thesis. He is also my lunch partner. I enjoy our lunch time very much,
especiallymanyinterestingconversationsfromresearchexperiencetolivingexperience.
• HeinzSchreiberwhosupportedmealotwhenIwasbuildingthetestbeds. Hecanalways
findeverythingthatIneed,e.g.,experimenttables,cables, electroniccomponents,etc. He
alsosupportmeonsomemechanicalworks,suchastheantennamounterfortheantenna
selection system, etc. His rich experience on the measurement equipments like vector
networkanalyzerbringmealotofconvenience.
iii
• Sabine Jankowski who is our secretary and helped me a lot on consultations, travel
arrangements,etc.
• MaherKalielfortheresearchcollaboration. Hesupportedmeonsimulatingandfabricating
Rotmanlens.
• Andallthe othercolleaguesin DSVwho gavemesupports, andshared agoodtime with
meduringthepastfiveyears.
Mylastacknowledgmentsgotothosewhoareclosetome: myparentswhoraisedmeand
always encourage me to face any problems; my close friend Macey whose smile is a strong
powerfor me;my closeclassmates, especially DonghangandZhimiao, inAachen whosharea
goodtimewithmesincewekneweachother.
iv
Abstract
Wireless data traffic has been increased dramatically in the last decades, and will continue
to increase in the future. As a consequence, the infrastructure of wireless communication
systemsneedstoadvanceonthedatacapacity. MassiveMultiple-InputMultiple-Output(MIMO)
is a promising candidate technology to meet the demand. By scaling up the conventional
MIMO byorders of magnitude numberof active antennas, a massive MIMO systemcan harvest
considerablechannel degreesof freedomto increasethe spectralefficiency. However,increasing
the number of active antennas needs to increase both the numbers of Radio Frequency (RF)
transceiversandantenna elementsatthesame rate,which willincreasetheRFcomplexity and
costdramatically. Itisknownthatthecomplexityandcostofantennaelementsareusuallymuch
lowerthanthatofRFtransceivers,whichmotivatesustoscaleupMIMObyalowerincreasing
rateofthenumberofRFtransceiversthanthatofantennaelements,resultinginso-calledlow
RF-complexitymassiveMIMOsystems. Inthisthesis,westudytwotypesoflowRF-complexity
massive MIMO systems, i.e., massive MIMO antenna selection systems and massive MIMO
hybridanalog-digitalbeamformingsystems. BothsystemsusespecificRFnetworkstobridgea
massivenumberofantennasandasmallnumberofRFtransceivers,leadingtosignaldimension
reductionfromantennastoRFtransceivers. TheRFnetworkusedinantennaselectionisreferred
toasRFswitchingnetwork;whiletheRFnetworkusedinhybridbeamformingisreferredtoas
PhaseShiftingNetwork(PSN).BothRFnetworkshavetwotypesofarchitectures,i.e.,full-array
architecture and sub-array architecture. The latter has lower insertion loss, lower complexity
and better scalability than the former, but at the price of performance degradation caused by
connectionconstraint,whichwillbestudiedforbothlowRF-complexitysystemsinthisthesis.
Inaddition,alowRF-complexityPSNforthehybridanalog-digitalbeamformingsystemneeds
alsotobestudiedtoreplacetheconventionalhigh-complexity-and-costphase-shifter-basedPSN.
v
Intheantennaselectionsystem,theupperboundsonthechannelcapacityusingasymptotic
theory on order statistics are derived at the large-scale limit. The optimal antenna selection
algorithmsarealsodeveloped, whicharebasedonBranchAndBound(BAB)searchalgorithm.
Throughthetheoreticalandalgorithmstudies,itisfoundthatthesub-arrayantennaselectionhas
close performance to the full-array antenna selection. In the hybrid beamforming system, we
proposetouseRotmanlensasPSN,whichisoflowercomplexityandcostthantheconventional
phase-shifter-based PSN.Twobeamselection algorithms,i.e., sub-optimalgreedy searchand
optimalBABsearch,arealsoproposed. Inaddition,theRotmanlensesaredesigned,fabricated
andmeasured. Themeasurementresultstogetherwiththebeamselectionalgorithmsareusedto
performMonte Carlosimulation. Simulation resultsshow thatthe proposedRotman-lens-based
systemwiththesub-arrayarchitecturesuffersnoticeableperformancedegradationcomparedto
thesystemwiththefull-arrayarchitecturewhenidealRotmanlensesareused. Butwhenpractical
non-idealRotmanlensareused,theformeroutperformsthelatterwhenthenumberofantennas
islargeenough. Mostinterestingly,withnon-idealhardware,thesub-arrayRotman-lens-based
systemhascloseperformancetothesub-arrayphase-shifter-basedsystem,andalsoexhibitsa
wideband capability. To prove the advantage of the low RF-complexity massive MIMO, two
testbeds are built up for the antenna selection and hybrid beamforming systems, respectively.
The measurementresults show the low RF-complexity massiveMIMO systems have superior
performanceoverthesmall-scaleMIMOsystemsundertheconditionofthesamenumberofRF
transceivers.
TheresultsinthisthesisshowthatthelowRF-complexitymassiveMIMOsystemsproposed
inthisthesisarefeasibleintechnologyandpromisinginperformance,validatingitspotential
usageforthefuture5Gwirelesscommunicationsystems.
vi
Zusammenfassung
Der drahtlose Datenverkehr ist in den letzten Jahrzehnten dramatisch gestiegen und wird
auch in Zukunft weiter zunehmen. Infolgedessen muss die Datenkapazita¨t der drahtlosen
Infrastruktur erho¨ht werden. Mehrantennen Systeme mit einer sehr großen Anzahl an
Antennen (engl. Massive Multiple-Input Multiple-Output (MIMO)) sind vielversprechende
Technologiekandidaten, um diese Nachfrage zu erfu¨llen. Durch die Hochskalierung der
AntennenanzahleineskonventionellenMIMOummehrereGro¨ßenordnungenkanneinMassive
MIMO-SystemerheblicheKanalfreiheitsgradeerlangen,umdiespektraleEffizienzzuverbessern.
Allerdings muss mit der Anzahl der aktiven Antennen sowohl die Anzahl der Hochfrequenz
(engl. RadioFrequency(RF))TransceiveralsauchdiederAntennenelementeimgleichenMaße
vergro¨ssertwerden,wasdieRF-Komplexita¨tundKostendramatischerho¨ht. Dabeiistbekannt,
dassdieKomplexita¨tunddieKostenvonAntennenelementeninderRegelvielniedrigersindals
dievonRF-Transceivern. Diesfu¨hrtunsdazudasswirdasMIMO-SystemumeineimVerha¨ltnis
zurAntennenzahlgeringereAnzahlvonRF-Transceivernerweiternwollen,densogenannten
MassiveMIMO-SystemenmitgeringerRF-Komplexita¨t. IndieserArbeituntersuchenwirzwei
ArtenvonMassiveMIMO-Systemenmit geringerRF-Komplexita¨t, na¨mlichMassiveMIMO-
AntennenselektionssystemeundMassiveMIMO-Hybrid-Analog-Digital-Strahlformungssysteme.
Beide Systeme verwenden spezielle RF-Netzwerke, um eine gro¨ßere Anzahl von Antennen von
einerkleinerenAnzahlvonRF-Transceivernzuversorgen,waszueinerSignalraumreduktion
vondenAntennenzudenRF-Transceivernfu¨hrt. DasbeiderAntennenselektionsverwendete
RF-Netzwerk wird als RF-Koppelfeld bezeichnet, wa¨hrend das RF-Netzwerk, das bei der
Hybrid-Strahlformungverwendetwird,alsPhasenverschiebungsnetzwerk(engl. PhaseShifting
Network,PSN) bezeichnetwird. BeideRF-Netzwerkeko¨nnenals Voll-Array-Architekturoder
als Sub-Array-Architektur realisiert werden. Letztere hat eine geringere Einfu¨geda¨mpfung,
vii
einegeringereKomplexita¨tundeinebessereSkalierbarkeitalsdieerstere,aberzumPreisder
Leistungsverschlechterung,diedurcheineeingeschra¨nkungAnzahlvonAntennen-Transceiver-
Verbindungen verursacht wird. Die vorliegende Arbeit untersucht dies fu¨r beide Systeme mit
niedriger RF-Komplexita¨t. Daru¨ber hinaus wird auch ein PSN mit niedriger RF-Komplexita¨t
fu¨r das Hybride-Analog-Digital- Strahlformungssystem untersucht, das das herko¨mmliche
hochkomplexeundkostenintensivePSNersetzensoll.
ImAntennenselektionssystemwerdendieObergrenzenderKanalkapazita¨tunterVerwen-
dung der Asymptoten Theorie der Ordnungsstatistik im Grenzverhalten abgeleitet. Die opti-
malenAntennenselektions-Algorithmen,dieaufdemBranchandBound(BAB)Suchalgorithmus
basieren, werden ebenfalls entwickelt. Die theoretischen und algorithmischen Untersuchun-
gen zeigen, dass die Leistung der Sub-Array-Antennenauswahl dicht bei der der Voll-Array-
Antennenselektionsliegt. ImHybrid-Strahlformungssystemschlagenwirvor,eineRotman-Linse
als PSN zu verwenden, die von geringerer Komplexita¨t und Kosten ist als das herko¨mmliche
auf Phasenverschiebung basierende PSN. Es werden zwei Strahlauswahlalgorithmen vorgeschla-
gen,einesuboptimaleGreedy-SucheundeineoptimaleBAB-Suche. Daru¨berhinauswirddie
Rotman-Linseentworfen,gefertigtundvermessen. DieMessergebnissewerdenzusammenmit
denStrahlselektionsalgorithmenzurDurchfu¨hrungeinerMonte-Carlo-Simulationverwendet.
Simulationsergebnisse zeigen, dass das vorgeschlagene Rotman-Linsen-basierte System mit
derSub-Array-Architektureinespu¨rbareLeistungsverschlechterungimVergleichzumSystem
mitderFull-Array-Architekturerleidet,wennidealeRotman-Linsenverwendetwerden. Aber
wenn reale nicht-ideale Rotman-Linsen verwendet werden, u¨bertrifft erstere die zweite, wen-
n die Anzahl der Antennen groß genug ist. Noch interessanter, mit nicht-idealer Hardware,
zeigt das Sub-Array Rotman-Linsen-basierte System in etwa die gleiche Leistung wie das
Sub-Array Phasenschieber-basierte System und weist auch Breitbandfa¨higkeiten auf. Um den
Vorteil der Massive MIMO-Systeme mit geringer RF-Komplexita¨t zu beweisen, werden zwei
Testumgebungenfu¨rdieAntennenauswahl-undHybrid-Strahlformungssystemeaufgebaut. Die
Messergebnissezeigen,dass,unterderBedingungeinergleichenAnzahlvonRF-Transceivern,
dieMassiveMIMO-SystememitgeringerRF-Komplexita¨tinderLeistungdennormalenMIMO-
Systemenu¨berlegensind.
Die Ergebnisse meiner Arbeit zeigen, dass die von mir vorgeschlagenen Massive
MIMO-Systeme mit geringer RF-Komplexita¨t technisch machbar und vielversprechend in
der Leistung sind und besta¨tigen damit deren potentielle Nutzung fu¨r die zuku¨nftigen 5G-
Funkkommunikationssysteme.
viii
Contents
1 Introduction 1
1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Whydoweneedmassivenumberofantennas? . . . . . . . . . . . . . 2
1.1.2 WhydoweneedlowRF-complexitymassiveMIMO? . . . . . . . . . 4
1.2 OutlineandContributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 SystemModel 9
2.1 Multi-userMassiveMIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 LowRF-ComplexityMassiveMIMOSystems . . . . . . . . . . . . . . . . . . 11
2.3 ArrayArchitectures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 MassiveMIMOWithAntennaSelection 17
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 SystemModelandProblemStatement . . . . . . . . . . . . . . . . . . . . . . 19
3.3 UpperCapacityBounds . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 Preliminaries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.2 UppercapacityboundoftheSASsystem . . . . . . . . . . . . . . . . 25
3.3.3 UppercapacityboundoftheFASsystem . . . . . . . . . . . . . . . . 27
3.3.4 AchievablespectralefficiencyconsideringCSIacquisition . . . . . . . 30
3.4 OptimalAntennaSelectionAlgorithm . . . . . . . . . . . . . . . . . . . . . . 32
3.4.1 Sub-optimalantennaselectionbasedongreedysearch[29] . . . . . . . 32
ix
3.4.2 OptimalantennaselectionbasedonBABsearch . . . . . . . . . . . . 35
3.4.3 ComparisonbetweengreedysearchandBABsearch . . . . . . . . . . 40
3.5 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.6 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.7 Appendix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.7.1 Derivationofq andc . . . . . . . . . . . . . . . . . . . . . . . . . 45
l l,i,n
4 HybridAnalog-DigitalBeamformingMassiveMIMOBasedonRotmanLens 49
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2 SystemModelandProblemStatement . . . . . . . . . . . . . . . . . . . . . . 52
4.2.1 Abriefreviewontheanalogbeamformingnetworksandarrayarchitectures 52
4.2.2 Rotman-lens-basedhybridbeamforming . . . . . . . . . . . . . . . . . 55
4.2.3 BasicconceptsofRotmanlens . . . . . . . . . . . . . . . . . . . . . . 55
4.2.4 Noisemodel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2.5 Systemmodelwithequivalentchannel . . . . . . . . . . . . . . . . . . 59
4.2.6 Problemstatement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3 BeamSelectionAlgorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3.1 Sub-optimalbeamselectionbasedongreedysearch . . . . . . . . . . . 61
4.3.2 OptimalbeamselectionbasedonBAB . . . . . . . . . . . . . . . . . 63
4.3.3 Comparisonsamonggreedy,BABandexhaustivesearch . . . . . . . . 67
4.4 RotmanLensDesignandMeasurementResults . . . . . . . . . . . . . . . . . 67
4.4.1 Rotmanlensdesignparametersandinsertionloss . . . . . . . . . . . . 68
4.4.2 Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.4.3 Measurementresults . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.5 SimulationResults . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.5.1 ComparisonstudywithidealRFhardware . . . . . . . . . . . . . . . . 77
4.5.2 Comparisonstudywithnon-idealRFhardware . . . . . . . . . . . . . 79
4.5.3 Data rate comparison between full-array and sub-array considering
insertionloss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.5.4 Computationalcomplexitycomparison . . . . . . . . . . . . . . . . . 83
x