In this era of rapid wireless technological advancements, wireless connectivity between humans, humans with machines, and machines with machines is gradually becoming an absolute necessity. The initial motivation for wireless connectivity was to enable voice communication between humans over a geo-graphical area. Thanks to cellular communications advancements in the past decade, cellular wireless connectivity has become a global success, starting from 1G to the present generation 5G. However, the needs of humans often evolve with time, and now the world is witnessing an ever-growing demand for the internet with high data rates besides reliable voice communication. Current cellular networks suffer from non-uniform data rates across a cell, i.e., users at the cell center and the cell edges experience significant variations in signal-to-noise ratio, making the cellular technology less reliable to meet the future data demands. Moreover, cellular networks operating as cells, i.e., an access point (AP, the term we would use instead of base station) serving the users within its geographical location, cannot leverage the network’s total capacity without cooperation among APs of the neighboring cells. One potential solution is moving away from the cell to cell-free networks wherein all the APs will serve all the users within the geographical coverage area. Thus, there is a need for a paradigm shift in how cellular networks operate. Towards the goal mentioned above to fully leverage the network capacity, the Cell-Free Massive multiple-input-multiple-output (MIMO) technology is expected to be the next potential technology beyond 5G combining the benefits of Massive MIMO and cell-free distributed architectures. 

Distributed architectures require distributed signal processing algorithms, and also energy consumption of the network is crucial. Keeping in view the practical ease in deployment, we consider a sequentially connected Cell-Free Massive MIMO network called a “radio stripe”. In the first part of the thesis, we focus on developing an optimal sequential algorithm in the sense of mean-square-error (MSE) which has the same performance as that of centralized Cell-Free Massive MIMO implementation with the minimum MSE (MMSE) receiver. We also develop an optimal sequential algorithm that decentralizes the centralized bit LLR computation. Another attractive aspect of these proposed algorithms is that the fronthaul (number of real symbols required by the central processing unit (CPU) to decode the transmitted signal) is independent of the number of APs. On the contrary, centralized implementation fronthaul is dependent on the number of APs, causing scalability problems with the increase in APs. 

In the second part of the thesis, we develop an algorithm focused on maximizing the energy efficiency of the RadioWeave network in an underlay spectrum sharing. RadioWeave is a technology envisioned to combine Cell-Free Massive MIMO and possibly large intelligent surfaces. We first present the energy efficiency problem, which is non-convex in its original form. Then, a convex lower bound on the problem is provided with an iterative algorithm to solve the problem efficiently.  

I denna tid av snabba trådlösa tekniska framsteg blir trådlös anslutning mellan människor, mellan människor och maskiner och mellan maskiner och maskiner gradvis en absolut nödvändighet. Den ursprungliga motivationen för trådlös anslutning var att möjliggöra röstkommunikation mellan människor över ett stort geografiskt område. Tack vare framsteg inom mobilkommunikation under det senaste decenniet har mobil trådlös anslutning blivit en global framgång, från 1G till den nuvarande generationen 5G. Men människors behov utvecklats med tiden, och nu bevittnar världen, förutom pålitlig röstkommunikation, en ständigt växande efterfrågan på internet med höga datahastigheter. Nuvarande cellulära nätverk lider av olikformiga datahastigheter över cellen, d.v.s. användare i cellcentret och cellkanterna upplever betydande variationer i signal-brusförhållande, vilket gör den cellulära tekniken mindre lämplig för att möta framtida databehov. Dessutom kan cellulära nätverk som fungerar som celler, d.v.s. att varje accesspunkt (AP, termen vi använder istället för basstation) betjänar användarna inom dess geografiska område, inte utnyttja nätverkets totala kapacitet utan samarbete mellan AP:er i de angränsande cellerna. En potentiell lösning är att gå från cellulära till cellfria nätverk där alla basstationer betjänar alla användare inom det geografiska täckningsområdet. Det finns alltså ett behov av ett paradigmskifte i hur cellulära nätverk fungerar. För att fullt ut utnyttja nätverkskapaciteten, förväntas Cell-Free Massive MIMO vara nästa potentiella teknik bortom 5G som kombinerar fördelarna med Massive MIMO och cellfria distribuerade arkitekturer.

Distribuerade arkitekturer kräver distribuerade signalbehandlingsalgoritmer, och även energiförbrukningen i nätverket är av stor vikt. Vi studerar sekventiellt anslutna Cell-Free Massive MIMO-nätverk som kallas “radio stripe”, eftersom dessa är enkla att placera ut. I den första delen av avhandlingen fokuserar vi på att utveckla en optimal, ur ett MSE perspektiv, sekventiell algoritm som har samma prestanda som den för centraliserad Cell-Free Massive MIMO-implementering med en MMSE-mottagare. Vi utvecklade också en optimal sekventiell algoritm som decentraliserar den centraliserade bit LLR. En kritisk aspekt av dessa föreslagna algoritmer är att fronthaul (antal reella symboler som krävs av CPU:n för att avkoda den sända signalen) är oberoende av antalet AP:er. Tvärtom är fronthaulen i en centraliserad implementering beroende av antalet AP:er, vilket orsakar skalbarhetsproblem med ökningen av AP:er.

I den andra delen av avhandlingen utvecklar vi en algoritm fokuserad på att maximera energieffektiviteten i RadioWeave-nätverk med en underliggande spektrumdelning. RadioWeave är en teknik som är tänkt att kombinera Cell-Free Massive MIMO och möjligen stora intelligenta ytor. Vi presenterar först energieffektivitetsproblemet, som är icke-konvext i sin ursprungliga form. Sedan förses en konvex nedre gräns för problemet med en iterativ algoritm för att lösa problemet effektivt.   

Cellular communications is one of the pioneering wireless technologies which was originally designed for voice calls, but now grapples with the growing demand for seamless data-intensive applications on the wireless devices. One of the major drawbacks of cellular networks is the large data rate variations between cell-center and cell-edge users. These non-uniform data rates make cellular services less reliable given the enormous data demands which continue to grow. One of the potential solutions is to move from cellular to cell-free networks wherein each user-equipment (UE) is surrounded and served by multiple access-points (APs) with a central processing unit (CPU) overseeing the operations. Such a network provides superior spectral efficiency (SE) and macro-diversity. For practical implementation, the distributed nature of the cell-free network poses more challenges than conventional cellular network. A few of them are: a need for distributed signal processing algorithms that can be deployed in such networks, consensus among APs when the connections links are wireless, synchronization, energy efficiency, interference management, and minimizing the data exchange in the links connecting the APs and the CPU. This necessitates for efficient solutions to these challenges before this technology becomes a practical reality. This thesis provides a few novel solutions to address the aforementioned challenges.

As a first solution, a distributed signal processing algorithm is developed for a sequential cell-free massive multiple-input multiple-output (MIMO) called optimal sequential linear processing (OSLP). The proposed OSLP algorithm is optimal in the sense of mean-square error and SE. Moreover, the proposed OSLP algorithm could serve as a benchmark for other distributed algorithms to quantify their gap to optimality and saved cost (such as computational complexity and latency). This algorithm can be easily extended to other topologies like trees and meshes. In this work, closed-form expressions for performance indicators such as mean-square-error (MSE), SE, and a few other interesting results are provided. Following this work, a distributed maximum-likelihood (ML) detector is developed for a sequential cell-free massive MIMO topology. The proposed method significantly saves fronthaul signaling load and also does not compromise performance.   

Cell-free massive MIMO technology is also poised to find numerous applications in unlicensed spectrum, for instance in the form of distributed low power internet-of-things (IoT). For such applications, energy efficiency of the network plays a crucial role. In this regard, an algorithm to compute power allocation policies is developed that maximizes the energy efficiency of cell- free massive MIMO operating as a secondary network in a spectrum sharing scenario. The proposed algorithm is shown through numerical simulations to outperform equal and other heuristic power allocation policies.   

Another essential aspect that is crucial to address in cell-free massive MIMO is the interference management, especially for interference from out- of-system (OoS) sources. Effectively suppressing OoS interference and at the same time serving the in-system users will be crucial, especially in applications where the network operates in unlicensed spectrum. To handle this challenge, distributed interference rejection combining methods are proposed and their efficacy is analyzed.   

Finally, we deal with fronthaul load and scalability aspects in cell-free massive MIMO. In the literature, the standard assumption is that fronthaul connections between the APs and the CPU are wired links. However, as the number of APs grows—an inevitable trend in future wireless networks—these wired connections become less scalable. To address this issue, we propose a wireless fronthaul signal processing framework that leverages over-the-air (OTA) computation. Our proposed approach is not only scalable but also has performance comparable to that of a wired centralized cell-free massive MIMO network.   

Cellulära nätverk är en banbrytande teknik inom mobilkommunikation som ursprungligen designades för röstsamtal, men som nu står inför en växande efterfrågan på sömlösa och dataintensiva applikationer på trädlösa enheter. En av de stora nackdelarna med cellulära nätverk är de betydande variationerna i datahastighet mellan användare i cellens centrum och vid dess kanter. Dessa oenhetliga datahastigheter gör cellulära mobiltjänster mindre tillförlitliga med tanke på de enorma och ständigt ökande databehoven. En potentiell lösning är att gå från cellulära till cellfria nätverk, där varje användarenhet, UE (eng: user-equipment) omges och betjänas av flera åtkomstpunkter med en central processor, CPU (eng: central processing unit) som samordnar driften. Ett sådant nätverk ger överlägsen spektraleffektivitet, SE (eng: spectral efficiency) och makrodiversitet. För praktisk implementering innebär den distribuerade naturen hos det cellfria nätverket fler utmaningar än konventionella cellulära nätverk. Några av dessa utmaningar är behovet av distribuerade signalbehandlingsalgoritmer, konsensus mellan åtkomstpunkter, AP:er (eng: access-points) när anslutningslänkarna är trådlösa, synkronisering, energieffektivitet, störningshantering, samt minimering av datautbytet i länkarna som förbinder AP:er och CPU:n. Effektiva lösningar krävs för dessa utmaningar innan denna teknik kan bli en praktisk verklighet. Denna avhandling presenterar några nya lösningar för att hantera de nämnda utmaningarna.

Som en första lösning utvecklas en distribuerad signalbehandlingsalgoritm för sekventiell cellfri massiv MIMO (eng: multiple-input multiple-output), kallad optimal sekventiell linjär behandling, OSLP (eng: optimal sequential linear processing). Den föreslagna OSLP-algoritmen är optimal i termer av medelkvadratfel och SE. Dessutom kan den fungera som ett riktmärke för andra distribuerade algoritmer för att kvantifiera deras skillnad gentemot optimala algoritmer och deras besparingar i beräkningskomplexitet och latens. Denna algoritm kan enkelt utökas till andra topologier såsom träd- och mesh-nätverk. I detta arbete tillhandahålls slutna uttryck för prestationsindikatorer såsom medelkvadratfel (eng: mean-square-error (MSE)), SE, och några andra intressanta resultat.

Efter detta utvecklas en distribuerad maximiestimator, ML (eng: maximum-likelihood) för en sekventiell cellfri massiv MIMO-topologi. Denna metod minskar avsevärt fronthaul-signalbelastningen utan att kompromissa med prestandan.

Cellfri massiv MIMO-teknik har också potential att tillämpas i olicensierade spektrum, till exempel för distribuerade lågeffektlösningar inom IoT (eng: internet-of-things). I sådana applikationer spelar nätverkets energieffektivitet en avgörande roll. Därför utvecklas en algoritm för att beräkna effekttilldelningspolicys som maximerar energieffektiviteten för cellfri massiv MIMO i ett spektrumdelningsscenario. Genom numeriska simuleringar visas det att den föreslagna algoritmen överträffar likformig och andra heuristiska effekttilldelningsstrategier.

En annan viktig aspekt i cellfri massiv MIMO är störningshantering, särskilt när det gäller störningar från källor utanför systemet, OoS (eng: out-of-system). Att effektivt undertrycka OoS-störningar och samtidigt betjäna användare inom systemet kommer att vara avgörande, särskilt i applikationer där nätverket använder olicensierat spektrum. För att hantera denna utmaning föreslås metoder för distribuerad interferensundertryckning, och deras effektivitet analyseras.

Slutligen behandlar avhandlingen fronthaul-belastning och skalbarhetsaspekter i cellfri massiv MIMO. I litteraturen antas ofta att fronthaul-anslutningar mellan AP:er och CPU:n är trådbundna länkar. Men när antalet AP:er ökar – en oundviklig trend i framtida trådlösa nätverk –blir dessa trådbundna anslutningar mindre skalbara. För att lösa detta problem föreslår vi ett ramverk för trådlös fronthaul-signalbehandling som utnyttjar beräkningar i luften, OTA (eng: over-the-air). Vårt föreslagna tillvägagångssätt är inte bara skalbart, utan det uppnår också prestanda jämförbar med ett centraliserat, trådbundet cellfritt massivt MIMO-nätverk.