Fast converging low-rank channel estimation in mmWave Massive MIMO cellular networks

This thesis presents the development of a denoising algorithm in time domain and an optimal fast converging Low Rank algorithm for mmWave Massive MIMO channel estimation. The proposed algorithms are designed to address the challenges of noise and interference suffered in mmWave Massive MIMO communication systems. The thesis primarily investigates the unconstrained Maximum Likelihood estimate subject to Low-Rank constraint and contributes in a novel fast converging Low Rank algorithm for channel estimation purposes. To evaluate the effectiveness of the algorithms, extensive simulations were conducted using a cluster-based multipath channel model. The metrics measured were mean squared error (MSE) and uplink spectral efficiency(for single user system) and sum-rate(for multi-user systems). The simulation results demonstrate that the proposed algorithm significantly improve the performance of mmWave Massive MIMO channel estimation compared to the traditional Low-Rank Algorithm resulting in higher spectral efficiency and lower MSE.

Questa tesi presenta lo sviluppo di un algoritmo di denoising nel dominio temporale e di un algoritmo di basso rango a convergenza veloce ottimale per l'estimazione del canale mmWave Massive MIMO. Gli algoritmi proposti sono progettati per affrontare le sfide del rumore e dell'interferenza riscontrate nei sistemi di comunicazione mmWave Massive MIMO. La tesi indaga principalmente la stima di massima verosimiglianza non vincolata soggetta al vincolo di basso rango e contribuisce con un nuovo algoritmo di basso rango a convergenza veloce per scopi di stima del canale. Per valutare l'efficacia degli algoritmi, sono state condotte estese simulazioni utilizzando un modello di canale multipath basato su cluster. Le metriche misurate sono l'errore quadratico medio (MSE) e l'efficienza spettrale in uplink (per sistemi a singolo utente) e il tasso di somma (per sistemi multiutente). I risultati della simulazione dimostrano che l'algoritmo proposto migliora significativamente le prestazioni dell'estimazione del canale mmWave Massive MIMO rispetto all'algoritmo di basso rango tradizionale, risultando in una maggiore efficienza spettrale e un MSE inferiore.