@phdthesis{Kuerbis2017,
  type      = {Master Thesis},
  author    = {Martin K{\"u}rbis},
  title     = {On Aspects of Massive MIMO Under Realisitc Propagation Conditions and in Internet of Things Scenarios},
  year      = {2017},
  abstract  = {Massive multiple-input multiple-output (MIMO), eine Technik bei der die Basisstation einer Mobilfunkzelle mit einer gro{\"s}en Anzahl an Antennen ausgestattet ist, wird derzeit als eine vielversprechende Schl{\"u}sseltechnologie zur Erf{\"u}llung der Anforderungen zuk{\"u}nftiger drahtloser Kommunikationsnetze der f{\"u}nften Generation betrachtet. Die zuversichtlichen Angaben {\"u}ber die Leistung solcher Systeme beruht allerdings auf einer theoretischen, bisher kaum praktisch veri€zierten Annahme, dass die drahtlosen {\"U}bertragungskan{\"a}le verschiedener Nutzer aufgrund der hohen Anzahl an Antennen voneinander unabh{\"a}ngig sind. Das hei{\"s}t, dass sogenannte g{\"u}nstige {\"U}bertragungsbedingungen herrschen. Die vorliegende Masterarbeit untersucht diese neuartigen Systeme unter zwei verschiedenen Perspektiven. Im ersten Teil dieser Arbeit wird der Einfluss von realistischen {\"U}bertragungsbedingungen auf die Performance von massive MIMO Systemen evaluiert. Dazu werden entsprechende numerische Systemsimulationen durchgef{\"u}hrt und mit den Ergebnissen von praktischen massive MIMO Messkampagnen verglichen. Die Untersuchungen ergeben, dass die sogenannten g{\"u}nstigen {\"U}bertragungsbedingungen in realistischen Umgebungen nur bedingt beobachtet werden k{\"o}nnen. Daher f{\"u}hren traditionelle Kanalmodelle zu einer ungenauen Absch{\"a}tzung der Leistung von praktischen massive MIMO Systemen. Um diesem Problem zu begegnen, wird deshalb eine neuartige Parametrisierung des traditionellen Kronecker-Modells vorgeschlagen, sodass relevante Kenngr{\"o}{\"s}en realistischer Kan{\"a}le mit diesem Modell pr{\"a}zise widergespiegelt werden. Anschlie{\"s}end folgt eine Untersuchung verschiedener Methoden zur Kanalsch{\"a}tzung in massive MIMO Systemen unter den verschiedenen Kanalmodellen mittels numerischer Simulationen. Die Experimente zeigen auf, dass Sch{\"a}tzmethoden, welche speziell f{\"u}r massive MIMO unter der Annahme von g{\"u}nstigen {\"U}bertragungsbedinungen hergeleitet wurden, eine signifi€kante Leistungsminderung unter realistischen Kanalmodellen erfahren. Im zweiten Teil dieser Arbeit liegt der Fokus auf der Anwendung von massive MIMO Systemen in sogenannten Internet of Things (IoT) Netzwerken. Die typischerweise hohe Anzahl an aktiven IoT-Ger{\"a}ten macht die Anwendung von effizienten Scheduling-Algorithmen notwendig. Daher wird ein Downlink-Scheduling-Algorithmus pr{\"a}sentiert, welcher sich die Eigenschaften von massive MIMO Systemen und die typischen Anforderungen an die Datenraten von IoT-Ger{\"a}ten zunutze macht. Im Speziellen wird vorgeschlagen, die IoT-Nutzer in Gruppen aufzuteilen und die verschiedenen Gruppen nacheinander zu versorgen. Die Gruppengr{\"o}{\"s}e wird dabei mit Hilfe asymptotischer Eigenschaften von massive MIMO Systemen hergeleitet. Um die Gruppenmitglieder zu selektieren, wird eine modifi€zierte Version des popul{\"a}ren Semi-Orthogonal-User-Selection (SUS) Algorithmus vorgeschlagen. Die anschlie{\"s}end durchgef{\"u}hrten numerischen Simulationen best{\"a}tigen, dass die modifi€zierte Version von SUS die Nachteile des originalen Algorithmus eliminiert, was wiederum zu verbesserten Datenraten in dem betrachteten System f{\"u}hrt.},
  language  = {en}
}