Channel modeling for polarized MIMO systems

214 Pages·2011·6.28 MB·English

by  François Quitin

Universit´e Libre de Bruxelles Universit´e catholique de Louvain
Facult´edesSciencesAppliqu´ees E´colePolytechniquedeLouvain
OPERA-WirelessCommunicationsGroup ICTEAM-ElectricalEngineering
Channel modeling for polarized MIMO
systems
Dissertation originale pr´esent´ee en vue de l’obtention du Grade de
Docteur en Sciences de l’Ing´enieur
et pr´epar´ee sous la direction des Professeurs
Philippe De Doncker, Fran¸cois Horlin et Claude Oestges
par
Fran¸cois Quitin
D´efense priv´ee: le 09 mars 2011
Soutenance publique: le 06 avril 2011
Composition du Jury: blanc
Prof. Philippe Emplit (Pr´esident) blanc
Prof. Fredrik Tufvesson Prof. PhilippeDeDoncker(Promoteur)
Prof. Luc Vandendorpe Prof. Franc¸ois Horlin (co-Promoteur)
Prof. Michel Verleysen Prof. Claude Oestges (Promoteur)

Remerciements
Je tiens tout d’abord `a remercier mes deux promoteurs, Philippe De Doncker
et Claude Oestges. Le premier afin d’avoir partag´e avec moi sa passion de la
recherche. C’est lui qui, alors que j’´etais en quatri`eme ann´ee, m’a convaincu
de me lancer dans une th`ese. C’est `a lui que je dois le fait d’avoir su trouv´e un
travail qui me passionne, et qui contribue chaque jour `a mon ´epanouissement.
L’exemple qu’il m’a donn´e pendant ses quatre ann´ees a´et´e pour moi une vraie
source d’inspiration. Claude, quant `a lui, m’a toujours encourag´e par son
enthousiasme. Je ne m’appesentirai pas sur la qualit´e de son travail de pro-
moteur, je tiens surtout `a souligner ici la bonne humeur, l’enthousiasme et
l’encouragementdeClaude. Jetiens´egalement`aremerciermonco-promoteur,
Franc¸oisHorlin. Bienquen’ayantsouv´epas´et´ed’accordaveclui,ilest´evident
qu’il m’a beaucoup appris et m’a permis de beaucoup ´evoluer.
Il convient ´egalement d’avoir un remerciement pour Philippe Emplit, pour
avoirpr´esid´emonjurydeth`ese,ainsiqueMichelVerleysenetLucVandendorpe
pour leur remarques constructives qui ont r´eellement permis d’am´eliorer ce
travail. Jetiensparticuli`erement`aremercierFredrikTufvessonpourl’ensemble
de la critique de mon travail. J’esp`ere que j’aurai encore l’occasion d’avoir le
mˆemegenred’´echangesconstructifsavecluidanslefutur. Finalement,bienque
ne faisant pas partie de mon jury, je tiens `a remercier Nicolai Czink pour tout
cequ’ilapum’apprendre`atraversdesconf´erences, desexp´eriencescommunes
et les critiques sur mon travail.
Ilmefauticiremercierl’ensembledesmescoll`egesdansleserviceOPERA.
Un petit clin d’oeuil particulier `a Fabrice, pour sa constante bonne humeur, `a
Olivier,pourm’avoir´enorm´ementapprisdurantcesquatreans,et`aSt´ephane,
sansquijen’auraispasatteintlamoiti´eduquartdemesr´esultatsscientifiques
(je pense qu’il est de loin le meilleur chercheur que nous avons dans le ser-
vice). Un clin d’oeuil tout particulier pour Bellou, qui m’a ´et´e plus d’une fois
d’un soutien sans faille aux moments ou` j’en avais le plus besoin et pour nos
discussions autours d’un verre jusqu’aux petites heures.
Un homme riche est celui qui sait s’entourer d’amis. A ce titre-l`a, je dois
faire partie des hommes les plus riches sur terre. Qu’il s’aggisse de mes colocs,
de mes amis de polytech ou de la bande des foireux, chacun `a leur fa¸con m’ont
aid´e `a devenir la personne que je suis ajourd’hui, et ils ont certainement tous
leur part de m´erite dans cette th`ese.
On choisit ses amis, mais on ne choisit pas sa famille. C’est bien pour cela
quejesuisquelqu’undechanceux. Bienquen’ayantjamaisr´eellementcompris
ce que je faisais, ma famille a toujours ´et´e d’un soutien inconditionnel. Le
support permanent de mes parents m’a toujours permis d’avancer sans avoir `a
me soucier de mes arri`eres. Un petit clin d’oeuil´egalement `a Dominique, qui a
certainement su´e quelques goutes au moment de la correction de l’orthographe
de ce manuscrit.
Finalement, et bien plus que tous les autres, je tiens `a remercier Virginie.
Les mots viennent `a me manquer `a cette partie-l`a des remerciements, et de
toute fac¸on, il n’aurait pas lieu des les tenir dans un document public. Mais
plus que n’importe qui, cette th`ese est ´egalement la sienne. J’esp`ere pouvoir
un jour lui rendre tout ce qu’elle m’apporte chaque jour.
Abstract
Abstract
This thesis treats of channel models for polarized multi-antenna wireless sys-
tems. Polarized multi-antenna systems are systems that use perpendicularly
polarized, co-located antennas at the base station and at the mobile terminal,
in order to benefit from the so-called polarization diversity. Such systems ben-
efit from the advantages of MIMO systems while still maintaining a compact
equipment size. Two models will be presented in this thesis. The first one is
thePolarized-Input Polarized-Output (PIPO) channelmodel,thesecondoneis
the Polarized-Diffuse-Directional channel model.
The PIPO model is a statistical channel model for tri-polarized to tri-
polarized communication systems. A tri-polarized antenna system is a tran-
ceiverusingthreeperpendicularantennas. TheaimofthePIPOchannelmodel
is to have a model that has a simple mathematical structure, so it can be
used for solving precoding equations or capacity calculations. Although the
PIPOmodelhasaverysimplestructure,ittakesthefollowingparametersinto
account: coherent channel component, cross-polar channel power imbalance,
inter-channel correlation, short- and long-scale time variance. Experimental
measurements are used to parameterize the model. It is shown how the model
parametersareextractedfromexperimentalmeasurements,andtheresultsare
analyzed to allow further simplification of the model.
ThePDDmodel,ontheotherhand,isageometry-basedstochasticchannel
model. It models the channel as a sum of clusters, where each cluster consists
of groups of multipath components (MPCs). The PDD model includes two
novelties that will be developed in detail in this thesis.
1. The model considers polarization on a per-cluster basis. This permits to
have a more accurate description of the polar-angular spectrum.
2. The diffuse multipath component (DMC) is included by considering a
diffusecomponentforeachcluster. Thediffuseclustercomponentisthen
modeled as the sum of a set of diffuse MPCs.
Themodelisspecifiedindetail,anditisshownhowthemodelcanbegenerated.
Experimental measurements were carried out to parameterize the model. A
new extraction technique for extracting the specular-diffuse clusters from the
measurements is proposed. This technique is based on joint clustering of the
ii Abstract
specularMPCsandthebinsofthediffusecomponent. Theexperimentalresults
are analyzed, and superimposed with environment information to gain further
insight into the physical aspects of clustered propagation.
Finally, both models are validated. Several validation metrics are intro-
duced, and their pertinence in the context of polarized MIMO systems is high-
lighted. Both models are successfully validated, and the advantages and limi-
tations of each models are investigated.
Keywords
Polarization,MIMO,propagationchannel,clusters,experimentalcharacteriza-
tion, diffuse multipath component
R´esum´e en fran¸cais
Cette th`ese traite des mod`eles de canal pour syst`emes sans-fils multi-antennes
polaris´es. Dessyst`emesmulti-antennespolaris´essontdessyst`emesquiutilisent
des antennes polaris´ees perpendiculairement co-localis´ees `a la station de base
et au terminal mobile, dans le but de b´en´eficier de la diversit´e de polarisation.
De tels syst`emes peuvent b´en´eficier des avantages des syst`emes MIMO tout en
diminuant l’encombrement des ´equipements. Deux mod`eles seront pr´esent´es
dans cette th`ese. Le premier est le mod`ele Polarized-Input Polarized-Output
(PIPO), le second est le mod`ele Polarized-Diffuse-Directional (PDD).
Le mod`ele PIPO est un mod`ele statistique pour des syst`emes de commu-
nication tri-polaire `a tri-polaire. Un syst`eme tri-polaire est un ´emetteur ou
un r´ecepteur qui utilise trois antennes perpendiculaires. Le but du mod`ele de
canal PIPO est d’avoir un mod`ele qui a une structure math´ematique simple,
afin qu’il puisse ˆetre utilis´e pour r´esoudre des ´equations de pr´ecodage ou des
calculsdecapacit´e. Malgr´elastructuresimpledumod`elePIPO,iltientcompte
des param`etres suivants: la composante coh´erente du canal, les diff´erences de
puissance entre canaux cross-polaires, la corr´elation entre canaux, les vari-
ations `a courte et `a longue ´echelle de temps. Des mesures exp´erimentales
ont ´et´e r´ealis´ees afin de param´etriser le mod`ele. Les techniques pour extraire
les param`etres du mod`ele des mesures exp´erimentales sont pr´esent´ees, et les
r´esultats sont analys´es afin de permettre une simplification suppl´ementaire du
mod`ele.
Abstract iii
Le mod`ele PDD, quant `a lui, est un mod`ele de canal stochasique-
g´eom´etrique. Il mod´elise le canal comme une somme de clusters, ou` chaque
clusters est compos´e d’un groupe de chemins multi-trajets. Le mod`ele PDD
inclutlesdeuxnouveaut´essuivantesquiserontd´evelopp´eesend´etaildanscette
th`ese.
1. Le mod`ele consid`ere une polarisation par cluster. Ceci permet d’avoir
une description plus exacte du spectre angulaire-polaire.
2. La composante diffuse est prise en compte en incluant une composante
diffuse pour chaque cluster. La composante diffuse d’un cluster est alors
modelis´ee comme une somme de multi-trajets diffus.
Le mod`ele est sp´ecifi´e en d´etail, et il est pr´esent´e comment le mod`ele peut
ˆetre g´en´er´e. Des mesures exp´erimentales ont ´et´e faites afin de param´etriser
le mod`ele. Une nouvelle technique d’extraction est propos´ee pour extraire
les clusters sp´eculaires-diffus. Cette technique est bas´ee sur le clustering con-
joint des multi-trajets sp´eculaires et des bins de la composante diffuse. Les
r´esultats exp´erimentaux sont analys´es, et superpos´es avec l’information de
l’environnement de mesure afin d’avoir une connaissance accrue des aspects
physiques de la propagation par clusters.
Finalement, les deux mod`eles sont valid´es. Plusieurs m´etriques de valida-
tions sont introduites, et leur pertinence dans le cadre des syst`emes MIMO
polaris´es est mis en avant. Les deux mod`eles sont valid´es avec succ`es, et les
avantages et limitations de chaque mod`ele sont investigu´es.
Mots-cl´es
Polarisation, MIMO, canal de propagation, clusters, caract´erisation
exp´erimentale, composante diffuse

Contents
Abstract i
Contents v
List of Figures ix
List of Tables xv
Acronyms xvii
1 Introduction to wireless communication channels 1
1.1 Wireless propagation and MIMO systems . . . . . . . . . . . . 1
1.1.1 The radio channel . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 From single-antenna systems to MIMO systems . . . . . 5
1.1.3 From MIMO systems to polarized MIMO systems . . . 7
1.1.4 Singular values of the channel matrix . . . . . . . . . . 7
1.2 Wireless channel models . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Deterministic channel models . . . . . . . . . . . . . . . 9
1.2.2 Statistical channel models . . . . . . . . . . . . . . . . . 11
1.2.3 Geometry-based stochastic channel models . . . . . . . 12
1.3 Polarized MIMO systems . . . . . . . . . . . . . . . . . . . . . 15
1.3.1 Wave polarization . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Antenna polarization . . . . . . . . . . . . . . . . . . . . 18
1.3.3 Polarized channel modeling . . . . . . . . . . . . . . . . 23
1.4 Experimental channel investigation . . . . . . . . . . . . . . . . 25
1.5 Thesis contribution and outline . . . . . . . . . . . . . . . . . . 28
2 Statistical narrowband tri-polarized channel model 31
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Polarization in statistical channel models . . . . . . . . . . . . 32
2.2.1 General representation . . . . . . . . . . . . . . . . . . . 32
2.2.2 Temporal behavior . . . . . . . . . . . . . . . . . . . . . 35
2.2.3 Normalization of statistical MIMO channels . . . . . . . 38
2.3 Model structure and description. . . . . . . . . . . . . . . . . . 39
2.3.1 Spatio-polarized channel structure . . . . . . . . . . . . 40
2.3.2 Temporal dynamics of the channel . . . . . . . . . . . . 41
2.3.3 Model parameters overview . . . . . . . . . . . . . . . . 42
vi Contents
2.4 Parameter extraction and experimental investigation . . . . . . 42
2.4.1 PIPO measurement campaign . . . . . . . . . . . . . . . 42
2.4.2 Stationarity interval determination . . . . . . . . . . . . 45
2.4.3 Tools for parameter extraction . . . . . . . . . . . . . . 50
2.4.4 Experimental observation and results. . . . . . . . . . . 52
2.5 Generating the model . . . . . . . . . . . . . . . . . . . . . . . 58
2.5.1 Channel model generation . . . . . . . . . . . . . . . . . 58
2.5.2 Model parameter values . . . . . . . . . . . . . . . . . . 60
2.5.3 General considerations about the PIPO model . . . . . 64
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3 Geometry-based stochastic channel model 67
3.1 Polarization in geometry-based stochastic channel models . . . 67
3.1.1 GBSCM generalities . . . . . . . . . . . . . . . . . . . . 67
3.1.2 COST channel model . . . . . . . . . . . . . . . . . . . 72
3.1.3 WINNER II channel model . . . . . . . . . . . . . . . . 75
3.2 Specular MPC extraction . . . . . . . . . . . . . . . . . . . . . 79
3.2.1 The SAGE algorithm . . . . . . . . . . . . . . . . . . . 79
3.2.2 The SAGE algorithm from a propagation point of view 83
3.2.3 Initialization procedure for the SAGE algorithm . . . . 85
3.2.4 Measurement setup considerations when extracting
MPCs with SAGE . . . . . . . . . . . . . . . . . . . . . 86
3.2.5 SAGE for virtual polarized MIMO arrays . . . . . . . . 87
3.3 Diffuse multipath component . . . . . . . . . . . . . . . . . . . 89
3.3.1 State-of-art of DMC modeling. . . . . . . . . . . . . . . 90
3.3.2 DMC measurement campaign . . . . . . . . . . . . . . . 90
3.3.3 DMC extraction and experimental observations . . . . . 91
3.4 Model structure and description . . . . . . . . . . . . . . . . . 96
3.4.1 Model philosophy and objectives . . . . . . . . . . . . . 96
3.4.2 Cluster visibility . . . . . . . . . . . . . . . . . . . . . . 96
3.4.3 Clusters . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.4.4 Multipath components . . . . . . . . . . . . . . . . . . . 101
3.4.5 Projection on BS-MT system . . . . . . . . . . . . . . . 104
3.4.6 Overview of the PDD model . . . . . . . . . . . . . . . 105
3.5 Parameter extraction . . . . . . . . . . . . . . . . . . . . . . . . 107
3.5.1 PDD measurement campaign . . . . . . . . . . . . . . . 107
3.5.2 Specular MPC extraction . . . . . . . . . . . . . . . . . 108
3.5.3 Diffuse spatio-temporal spectrum . . . . . . . . . . . . . 109
3.5.4 Combined specular-diffuse clustering . . . . . . . . . . . 110
3.5.5 Cluster mapping in physical space . . . . . . . . . . . . 122