Probabilistic Analysis of Generalised Statistic Model for Multipath Channel of Simo Sistems with Fading and Correlated Shadowing

封面

如何引用文章

全文:

详细

The paper considers the problem of analysis of the information transmission process by multi-element communication systems in presence of a multipath signal propagation channel. To generalize the propagation effects, the model of the κ–μ fading channel with correlated shadowing was assumed, and the technology used for organizing a multi-element system was the SIMO system, equipped with the maximum-ration combiner of the signal on the receiving side. To describe the characteristics of the information transfer process, an approach based on the higher-order statistics of the ergodic capacity was used. Closed-form analytical expressions for arbitrary-order capacity higher-order statistics were obtained for the channel model under consideration. The behavior of the first four statistics (ergodic capacity, its reliability, skewness and kurtosis coefficients) is analyzed depending on the channel parameters (the number of multipath propagation clusters, the ratio of power of the dominant components to the total power of multipath waves, the degree of shadowing of the dominant components, and the shadowing correlation coefficient). Within the framework of the study, 4 distinct situations of the assumed channel model behavior were considered, which significantly differ in their properties. It is noted that, in contrast to the capacity, its higher-order statistics are significantly more sensitive to the channel parameters and, as a result, are more significant indicators of fluctuations in the information transfer rate within the communication channel. The existence of a pronounced extremum (minimum) of the reliability ergodic capacity dependence from the signal-to-noise ratio was established. It should be accounted for in practical applications, when the requirements of the signal-to-noise ratio that guarantees the desired communication link quality are set.

作者简介

A. Gvozdarev

P.G. Demidov Yaroslavl State University

Email: a.gvozdarev@uniyar.ac.ru
Sovetskaya St. 14

P. Patralov

Yaroslavl State University

Email: p.patralov1@stud.uniyar.ac.ru
Sovetskaya str. 14

参考

  1. Massive MIMO White Paper, V. 01, Global TD-LTE Initiative, 2017-02-06. http://www.lte-tdd.org/d/file/Resources/rep/2017-03-01/fef7f17a192f762ed7049b.pdf.
  2. 3GPP. NR; Physical layer; General description. TS 36.211 (V 16.0.0). December 2019. https://www.3gpp.org/DynaReport/38201.html
  3. IEEE 802.22, “Part 22: Cognitive Radio Wireless Regional Area Networks (WRAN) Medium Access Control (MAC) and Physical Layer (PHY) Specifications” October 2019. https://standards.ieee.org/standard/802_22-2019.html.
  4. Probability distributions relevant to radio wave propagation modelling // Recommendations ITU-R P.1057-6 (08/2019). Available at: https://www.itu.int/dms_pubrec/itu- r/rec/p/R-REC-P.1057-6-201908-I!!PDF-E.pdf.
  5. Heath Jr R. W., Lozano A. Foundations of MIMO communication. Cambridge University Press, 2018.
  6. Kumbhani B., Kshetrimayum R. S. MIMO wireless communications over generalized fading channels. CRC Press, 2017.
  7. Khatib M. Advanced Trends in Wireless Communications. In-Tech, 2011. doi: 10.5772/655.
  8. Yacoub M.D. The α-μ distribution: A physical fading model for the stacy distribution // IEEE Transactions on Vehicular Technology. 2007. vol. 56 № 1. pp. 27-34. doi: 10.1109/TVT.2006.883753.
  9. Yacoub M.D. The κ-µ distribution and the η-µ distribution // IEEE Antennas and Propagation Magazine 2007. doi: 10.1109/MAP.2007.370983.
  10. Rasethuntsa T.R., Kumar S. An integrated performance evaluation of ED‐based spectrum sensing over α-k-μ and α-k-μ -Extreme fading channels // Transactions on Emerging Telecommunications Technologies. vol. 30 №. 5. p. e3569. doi: 10.1002/ett.3569.
  11. Paris J. F. Statistical Characterization of κ − μ Shadowed Fading // IEEE Transactions on Vehicular Technology. 2014. vol. 63. № 2. pp. 518–526. DOI: 10.1109/ TVT.2013.2281213.
  12. Fadnis C., Katiyar B. Review of Higher Order Statistics for Selection Combining Scheme in Weibull Fading Channel // 2017 International Conference on Current Trends in Computer, Electrical, Electronics and Communication (CTCEEC). IEEE, pp.648-651. doi: 10.1109/CTCEEC.2017.8455182. 2017.
  13. Peppas K.P. et al. High-order statistics for the channel capacity of EGC receivers over generalized fading channels // IEEE Communications Letters. Т. 22. №. 8. pp. 1740–1743. doi: 10.1109/LCOMM.2018.2846229. 2018.
  14. Zhang J. et al. On High-Order Capacity Statistics of Spectrum Aggregation Systems Over κ-µ and κ-µ Shadowed Fading Channels // IEEE Transactions on Communications. Т. 65. №. 2. C. 935–944. doi: 10.1109/TCOMM.2016.2637926. 2017.
  15. Sagias N.C., Lazarakis F.I., Alexandridis A.A., Dangakis K.P., Tombras G.S. Higher order capacity statistics of diversity receivers // Wireless Personal Communications. vol. 56, № 4. pp. 649–668. doi: 10.1007/s11277-009-9837-6.
  16. Yilmaz F., Tabassum H., Alouini M. S. On the Computation of the Higher Order Statistics of the Channel Capacity for Amplify-and-Forward Multihop Transmission // IEEE Transactions on Vehicular Technology. 2014. C. 489-494. doi: 10.1109/TVT.2013.2272705.
  17. Lopez-Fernandez J., Lopez-Martinez F. J. Statistical Characterization of Second-Order Scattering Fading Channels //IEEE Transactions on Vehicular Technology. Т. 67. №12. c. 11345–11353. doi: 10.1109/TVT.2018.2877941. 2018.
  18. Gvozdarev A. S., Patralov P. E., Kanaev I. V. An Analysis of Ergodic Capacity Higher-Order Statistics for Multiantenna Communication System in Presence of Generalized Shadowed Fading Channel //2019 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO). IEEE, C. 1-4.
  19. doi: 10.1109/SYNCHROINFO.2019.8814127.
  20. Olver F. W. J. et al. NIST digital library of mathematical functions, release 1.0. 22. http://dlmf.nist.gov/. 2019.
  21. Bhatnagar M. R. On the Sum of Correlated Squared κ − μ Shadowed Random Variables and its Application to Performance Analysis of MRC // IEEE Transactions on Vehicular Technology. vol. 64, № 6. pp. 2674–2684. 2015. doi: 10.1109/TVT.2014.2343453.
  22. Marzetta T. L. Fundamentals of massive MIMO. Cambridge University Press, 2016.
  23. H. Bateman and A. Erd’elyi, Tables of integral transforms. McGraw-Hill, 1954. https://authors.library.caltech.edu/43489/1/Volume%201.pdf.
  24. Abdi A., Kaveh M. A space-time correlation model for multielement antenna systems in mobile fading channels // IEEE Journal on Selected Areas in Communications. vol. 20, № 3. pp. 550-560. 2002. doi: 10.1109/49.995514.

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».