Beamforming de arreglos planos MIMO Masivo usando optimización metaheurística

En el presente trabajo se realizaron tres experimentos numéricos usando una colección definida de cinco Algoritmos Metaheurísticos (AM), y se establecieron métricas que permitieron evaluar la Formación de haz de una onda electromagnética en un arreglo plano de antenas MIMO Masivo. Ahora bien, revisa...

Full description

Autores:
Polanco Velasco, Jan
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Pontificia Universidad Javeriana Cali
Repositorio:
Vitela
Idioma:
spa
OAI Identifier:
oai:vitela.javerianacali.edu.co:11522/2636
Acceso en línea:
https://vitela.javerianacali.edu.co/handle/11522/2636
Palabra clave:
Masive MIMO
Beamforming
Plannar array
Metaheuristic algorithms
Telecomunication networks
PCA
MATLAB
R.
Rights
License
https://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:En el presente trabajo se realizaron tres experimentos numéricos usando una colección definida de cinco Algoritmos Metaheurísticos (AM), y se establecieron métricas que permitieron evaluar la Formación de haz de una onda electromagnética en un arreglo plano de antenas MIMO Masivo. Ahora bien, revisando los antecedentes se encuentra que los AM se usan para dar respuesta al problema de la Formación de haz adaptativa; también se definió cuáles son las métricas, gráficas y experimentos más adecuados, detallando aspectos iniciales como el factor de arreglo, Potencia suministrada a los usuarios, directividad, etc. Además, se establecieron las funciones prueba para validar y comparar el desempeño de los AM y se establecieron métricas como promedio de iteraciones, tiempo de ejecución, etc. La implementación de los algoritmos sobre las distintas funciones prueba se realizó en el programa MATLAB y la comparación se realizó con el Software R haciendo un Análisis de componentes principales (PCA). Para los experimentos, se diseñó el patrón de Radiación de referencia que sirvió de insumo para construir la función multiobjetivo en el problema de optimización. Se consideraron las limitaciones y alcances planteados en el anteproyecto para construir los experimentos; además, se tuvo en cuenta la cantidad y ubicación de los usuarios, los objetivos de la función objetivo, caminatas aleatorias, métricas como tiempo de ejecución y potencia en cada usuario respecto a la isotrópica en decibeles, etc. De nuevo se realizó PCA y se determinaron cuáles algoritmos tienen el mejor desempeño en el problema de la Formación de haz de un arreglo plano de antenas 8×8. Al final se realiza una validación entre la matriz de pesos y software especializado de antenas. Finalmente, se encontró que los experimentos planteados son adecuados para determinar el desempeño de los AM en el problema de la Formación de haz y se pudo determinar que Cuckoo Search by Levy Flights (CKLF) y Particle Swarm Optimization (PSO) son los AM que mejor se ajustan a cada uno de los experimentos planteados. Con lo anterior es posible concluir que estos algoritmos presentan los diagramas de radiación más parecidos a la función objetivo dentro del problema de optimización.