Digital communications, either voice, messaging, video or other media content, have become an essential part of the modern society. As a consequence, the demand for advanced digital communication systems is increasing. Currently, mobile networks have a total of 7.3 billion subscriptions worldwide, from which 1.4 billion belong to the latest fourth generation (4G) network. In 2022, 8.9 billion subscriptions are expected, being 4.3 billion for 4G. Moreover, applications that require a high throughput such as virtual reality (VR) are also foreseen. The communication systems should also fit increasing demands of machine to machine communications, including Internet of things (IoT) and vehicular ad hoc networks (VANETs), such as vehicle to vehicle (V2V) and vehicle to infrastructure (V2I) communications. To support this demand, a 100 fold increase in data rate is being considered as a requirement for future fifth generation (5G) standards, whose deployment starts as early as 2020. One of the key technologies to allow for a better exploitation of the scarce spectrum is the incorporation of antenna arrays into communication devices. In particular, this work focus on beamforming techniques that can virtually adapt the irradiation pattern of the antenna array based device in order to amplify the signals from a desired direction and to cancel out the interference from other angles. Therefore, beamforming provides the spatial separation of multiple sources sharing the same spectrum band, and can also be applied to mitigate jamming and radio interference. In this work beamforming techniques and frameworks to deal with colored noise scenarios, uniform rectangular arrays (URA) and broadband scenarios are developed. For colored noise scenarios, prewhitening techniques, rank reduction techniques and a transformation are used. For the URA and the broadband scenarios, a tensor notation is adopted and the parallel factor analysis (PARAFAC) tensor decomposition is used along with frequency invariant beamformers (FIBs). Finally, a low computational cost evaluation method that uses the unscented transformation is developed.
Die digitale Kommunikation ist in ihren verschiedenen Formen zu einem wesentlichen Teil des Alltags unserer Gesellschaft geworden. Dies hat die zunehmende Nachfrage nach digitalen Nachrichtensystemen zur Folge. Mobilfunknetze haben derzeitig insgesamt 7,3 Milliarden Abonnenten weltweit, wovon 1,4 Milliarden zur aktuellsten Mobilfunktechnologie der vierten Generation (4G) gehören. Bis 2022 soll die Gesamtmenge der Abonnenten auf etwa 8,9 Milliarden und für 4G auf 4,3 Milliarden anwachsen. Ferner werden Anwendungen, die einen hohen Datendurchsatz benötigen, wie z.B. virtuelle Realitätssoftware, vorausgesehen. Die Kommunikationssysteme sollten die ebenfalls ansteigende Nachfrage nach machine to machine communications abdecken. Darunter sind Internet der Dinge (IoT) und vehicular ad hoc networks (VANETs). Um eine derartige Nachfrage unterstützen zu können, wird ein Wachstum der Datenübertragungsrate in der Größenordnung von 100 derzeit als Anforderung für die Standards der fünfte Generation (5G), die bereits 2020 im Einsatz sein sollten, betrachtet. Um eine bessere Ausnutzung des knappen Spektrums zu ermöglichen, bietet sich der Einbau von Mehrantennensystemen in Kommunikationsgeräte als Schlüsseltechnologie an. Die vorliegende Arbeit legt den Schwerpunkt besonders auf Beamforming-Techniken, die das Strahlungsmuster des in Mehrantennensystemen angeordneten Geräte virtuell anpassen können, um das Signal aus einer erwünschten Richtung zu verstärken beziehungsweise die Störung aus weiteren Winkeln zu neutralisieren. Beamforming ermöglicht somit die räumliche Trennung von mehreren Quellen, die dasselbe Spektrum teilen, und kann ebenso verwendet werden, um elektronische Störer und Interferenzquellen abzuschwächen. In der vorliegenden Arbeit wurden Beamforming-Verfahren und Frameworks entwickelt, um unterschiedliche Fälle des farbigen Rauschens, zweidimensionalen Mehrantennensystemen (URA) und breitbandigen Signalen zu untersuchen. Für Systemen mit farbigen Rauschen wurden Prewhitening, Rank Reduction und eine Transformation verwendet. Für URA und breitbandige Systemen wurde die Tensordarstellung benutzt und dabei ist die Tensorzerlegung anhand der Parallel Factor Analysis (PARAFAC) zusammen mit frequency invariant beamformers (FIBs) verwendet worden. Zuletzt wurde mittels der Unscented Transformation mit geringem Rechenaufwand eine Evaluationsmethode entwickelt.