⚡ electrical engineering

Performance Analysis of Cell-Free Massive MIMO under Imperfect LoS Phase Tracking

تقترح هذه الورقة نموذج تلاشي رايسي مع عامل جزاء لخطأ الطور وإطار عمل تقدير المربعات الدنيا المتوسطة الخطية المقابل لتحليل واستخلاص حدود كفاءة طيفية قابلة للتتبع لشبكات الرفع في نظام MIMO الضخم الخالي من الخلايا تحت ظروف تتبع طور خط الرؤية غير المثالية الواقعية.

المؤلفون الأصليون: Noor Ul Ain, Lorenzo Miretti, Renato L. G. Cavalcante, Slawomir Stanczak

نُشر 2026-02-27

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Noor Ul Ain, Lorenzo Miretti, Renato L. G. Cavalcante, Slawomir Stanczak

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

الصورة الكبيرة: الأوركسترا "خالية الخلايا"

تخيل مستقبلاً لا يتصل فيه هاتفك ببرج اتصالات واحد فقط، بل يتصل بـ مئات من مكبرات الصوت الصغيرة والموزعة (نقاط الوصول أو APs) المنتشرة في كل مكان في المدينة، مثل أعمدة الإنارة أو أعمدة الشوارع. هذا ما يسمى بـ Massive MIMO خالي الخلايا (Cell-Free Massive MIMO).

في هذا النظام، تعمل كل هذه المكبرات معاً مثل أوركسترا ضخمة لتعزف أغنية واحدة مثالية (بياناتك) إليك. ولأنها موجودة في كل مكان، فلا توجد "مناطق ميتة" أو "حدود للخلايا". الجميع يحصل على إشارة رائعة.

المشكلة: مشكلة "الضبط"

لكي تعزف هذه الأوركسترا بشكل مثالي، يحتاج كل مكبر صوت إلى معرفة متى يعزف نوتته بالضبط وكم تبلغ شدة صوته. من الناحية التقنية، هم بحاجة لمعرفة طور (Phase) الإشارة.

السيناريو المثالي: تخيل قائد أوركسترا يمكنه سماع كل آلة موسيقية بوضوح تام ويخبرهم بالضبط متى يبدأون العزف. هذا هو "المعرفة المثالية بالطور".
السيناريو الأسوأ: تخيل أن قائد الأوركسترا معصوب العينين ولا يعرف شيئاً عما تفعله الآلات، هو فقط يخمن. هذه هي "المعرفة المجهولة تماماً للطور".

مشكلة العالم الحقيقي:
في الواقع، القائد ليس معصوب العينين، لكنه ليس مثالياً أيضاً. سمعه ليس دقيقاً تماماً بسبب:

أعطال الأجهزة (الآلات الموسيقية غير مضبوطة النغمة قليلاً).
الحركة (الموسيقيون يتحركون من أماكنهم).
أخطاء التزامن (ساعاتهم مختلفة قليلاً).

هذا يخلق تقديراً "ضبابياً". والورقة البحثية تسأل: ماذا يحدث للموسيقى إذا كان القائد صحيحاً في معظم الأحيان، ولكن ليس بنسبة 100%؟

حل الورقة البحثية: طريقة جديدة للاستماع

ركزت الأبحاث السابقة غالباً على الطرفين المتطرفين: "القائد المثالي" أو "القائد المعصوب العينين". هذه الورقة تسد الفجوة عبر دراسة "القائد الضبابي".

إليكم كيف فعلوا ذلك، مقسماً إلى ثلاث خطوات بسيطة:

1. الإشارة "المُدوّرة" (النموذج)

ابتكر المؤلفون نموذجاً رياضياً جديداً. تخيل الإشارة كسهم يدور.

في العالم المثالي، يشير السهم إلى الاتجاه الصحيح تماماً.
في هذه الورقة، هم يقرون بأن السهم مُدوّر قليلاً لأن "القائد" (النظام) قام بتخمين خاطئ بسيط.
كما أضافوا "عامل عقوبة". فكر في هذا كإشارة تصبح أخفت قليلاً أو "مكتومة" لأن النظام ليس متأكداً بنسبة 100% من الاتجاه.

2. "التخمين الذكي" (تقدير القناة)

لإصلاح الإشارة المكتومة، يحتاج النظام لتقدير شكل الإشارة الحقيقية.

الطريقة القديمة: إذا لم يكن النظام يعرف الطور، فإنه يتجاهل الاتجاه ويخمن المتوسط (والذي غالباً ما يكون خاطئاً).
الطريقت الجديدة: ابتكر المؤلفون مقدِّر MMSE خطي (Linear MMSE Estimator).
- تشبيه: تخيل أنك تحاول سماع صديق في غرفة صاخبة. إذا كنت تعرف أن صوته مشوه قليلاً بسبب صدى صوت محدد، يمكنك "إلغاء" هذا الصدى في عقلك لتسمعه بوضوح.
- هذا المقدِّر الجديد يستخدم المعلومات "الضبابية" التي يمتلكها النظام بالفعل ليقوم بتخمين أفضل بكثير من مجرد تجاهل الطور تماماً. إنه يسد الفجوة بين "المثالي" و"الأعمى".

3. "الوصلة الصاعدة الافتراضية" (تكوين الشعاع - Beamforming)

بمجرد أن يخمن النظام الإشارة، فإنه يحتاج لدمج الصوت من جميع الـ 100 مكبر صوت لإرساله إليك. هذا ما يسمى بـ تكوين الشعاع (Beamforming).

حساب التركيبة المثالية أمر مستحيل رياضياً عندما تكون الإشارة "ضبابية" و"غير غاوسية" (طريقة معقدة للقول إن الرياضيات تصبح فوضوية وتكسر القواعد القياسية).
الحيلة: ابتكر المؤلفون "وصلة صاعدة افتراضية" (Virtual Uplink).
- تشبيه: تخيل أنك تحاول حل لغز (Puzzles) بقطع ناقصة. بدلاً من الاستسلام، افترض أن القطع المفقودة هي مجرد "ضجيج ساكن". قم بحل اللغز بافتراض وجود الضجيج، ثم استخدم هذا الحل على اللغز الحقيقي.
- من خلال معاملة عدم اليقين كأنه "ضجيج إضافي"، يمكنهم استخدام رياضيات قياسية وسهلة لتصميم نماذج تكوين الشعاع (استراتيجية دمج مكبرات الصوت).

النتائج: لماذا يهم هذا الأمر؟

أجرى المؤلفون عمليات محاكاة (اختبارات حاسوبية) لمعرفة مدى فعالية طريقتهم الجديدة.

النتيجة: حتى لو كان لدى النظام فكرة عامة فقط عن الطور (مثل خطأ بمقدار 15 درجة)، فإن الأداء يكون أفضل بكثير من عدم وجود أي فكرة على الإطلاق.
التشبيه: الأمر يشبه القيادة في الضباب. إذا لم يكن لديك أي فكرة عن مكان الطريق، فستصطدم. أما إذا كان لديك نظام تحديد مواقع (GPS) غير دقيق تماماً (لكنه لا يزال يشير إلى الاتجاه العام الصحيح)، فيمكنك القيادة بأمان وسرعة. لا تحتاج إلى رؤية مثالية للوصول إلى وجهتك؛ أنت فقط بحاجة إلى بعض الرؤية.
مركزي مقابل موزع:
- مركزي (Centralized): عقل واحد كبير يتحكم في جميع مكبرات الصوت. وهو يتعامل مع "الضباب" بشكل جيد جداً.
- موزع (Distributed): كل مكبر صوت لديه عقل صغير خاص به. هو يعاني قليلاً من "الضباب"، لكن الطريقة الجديدة تساعده أيضاً على الأداء بشكل جيد بشكل مفاجئ.

الخلاصة

هذه الورقة البحثية هي خارطة طريق لشبكات الجيل السادس (6G). إنها تخبر المهندسين:

"لا تنتظروا أجهزة مثالية لا ترتكب أخطاء أبداً، فهذا غير موجود. بدلاً من ذلك، ابنوا أنظمة ذكية بما يكفي لتعمل حتى عندما يكون 'القائد' خارج النغمة قليلاً. حتى القليل من المعرفة حول اتجاه الإشارة يستحق الكثير."

باستخدام رياضياتهم الجديدة، ستكون شبكات الـ Cell-free المستقبلية أكثر قوة، وكفاءة، وقدرة على تقديم إنترنت عالي السرعة حتى عندما لا تكون الأمور مثالية.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "تحليل الأداء لنظام Massive MIMO الخالي من الخلايا تحت تتبع طور خط البصر (LoS) غير المثالي".

1. بيان المشكلة

يُعد نظام Massive MIMO الخالي من الخلايا (cell-free mMIMO) مرشحاً رائداً لشبكات الجيل السادس (6G)، حيث يستخدم نقاط وصول (APs) موزعة لخدمة المستخدمين دون حدود للخلايا. وفي عمليات النشر الكثيفة، يكون انتشار خط البصر (LoS) محتملاً للغاية، مما يؤثر بشكل كبير على أداء النظام.

ومع ذلك، يبرز تحدٍ حرج في الحصول على معلومات حالة القناة (CSI) الموثوقة عندما تتقلب أطوار خط البصر (LoS phases) بسبب انحراف المذبذب، أو حركة المستخدمين، أو أخطاء التزامن. عادةً ما تحلل الأدبيات الحالية هذه الأنظمة تحت افتراضين متطرفين وغير واقعيين:

معرفة الطور المثالية: تفترض أن أطوار خط البصر معروفة بدقة، متجاهلة أخطاء التقدير.
الأطوار المجهولة تماماً: تفترض عدم توفر أي معلومات عن الطور، مما يؤدي إلى إهمال معلومات خط البصر الحتمية القيمة.

الفجوة: تعمل الأنظمة الواقعية في نظام وسيط حيث يتم تتبع أطوار خط البوصر ولكن مع وجود عدم يقين متبقٍ. وتفشل الأطر الحالية في نمذجة سيناريو "التتبع غير المثالي" هذا، لا سيما فيما يتعلق بكيفية تأثير المعرفة الجزئية بالطور على تقدير القناة وتشكيل الشعاع (beamforming) في البيئات غير الغاوسية (non-Gaussian).

2. المنهجية

يقترح المؤلفون إطار عمل شاملاً لسد الفجوة بين الافتراضات المثالية والقيود العملية.

أ. نموذج النظام والقناة

البنية: شبكة cell-free mMIMO متمحورة حول المستخدم، تتكون من $L$ من نقاط الوصول (كل منها يحتوي على $N$ من الهوائيات) لخدمة $K$ من المستخدمين ذوي الهوائي الواحد.
تلاشي رايس (Rician Fading) مع تتبع غير مثالي: يتم نمذجة القناة $h_{k,l}$ كالتالي:
$h_{k,l} = \bar{h}_{k,l}e^{j\theta_{k,l}} + \tilde{h}_{k,l}$
حيث $\bar{h}_{k,l}$ هو توقيع خط البصر الحتمي، و $\tilde{h}_{k,l}$ هو مكون عدم وجود خط بصر (NLoS)، و $\theta_{k,l}$ هو طور خط البصر.
التقدير غير المثالي: يلاحظ النظام تقديراً للطور $\hat{\theta}_{k,l} = \theta_{k,l} - \varepsilon_{k,l}$ ، حيث يتم نمذجة الخطأ $\varepsilon_{k,l}$ كمتغير عشوائي منتظم $\varepsilon_{k,l} \sim U[-\delta, \delta]$ .
عامل عقوبة الطور: يشتق المؤلفون عاملاً حتمياً $\rho_{error} = \text{sinc}(\delta)$ (لـ $\delta > 0$ ) يعمل على إضعاف مقدار مكون خط البصر المُقدر بناءً على دقة التتبع.

ب. تقدير القناة

المقدر الخطي لـ MMSE المشروط (CL-MMSE): نظراً لأن القناة وإشارات الاختبار ليست غاوسية مشتركة في ظل معرفة الطور غير المثالية، فإن مقدر Bayesian MMSE القياسي يصبح غير قابل للحل حسابياً. لذا، اشتق المؤلفون مقدراً خطيًا لـ MMSE المشروط (CL-MMSE).
التوحيد: يعمل هذا المقدر كإطار توحيدي:
- عندما $\delta \to 0$ (التتبع المثالي)، فإنه يتقلص إلى مقدر Bayesian MMSE القياسي.
- عندما $\delta \to \pi$ (الأطوار المجهولة)، فإنه يتقلص إلى مقدر النموذج ذو المتوسط الصفري.
توصيف الخطأ: يأخذ المقدر في الاعسب حساب تباين خطأ التقدير، والذي يعتمد على عدم يقين الطور $\delta$ .

ج. تصميم تشكيل الشعاع عبر الوصلة الصاعدة الافتراضية (Virtual Uplink)

للتعامل مع الطبيعة غير الغاوسية للقناة في عملية تحسين تشكيل الشعاع، قدم المؤلفون نموذج الوصلة الصاعدة الافتراضية:

المفهوم: يتم استبدال القناة الحقيقية بتقديرها $\hat{h}_{k,l}$ ، ويتم دمج تباين خطأ التقدير في حد الضوضاء.
الفائدة: يحول هذا المشكلة إلى إطار عمل غاوسي قابل للحل، مما يسمح باشتقاق حلول مغلقة لـ:
1. تشفير MMSE المركزي: حيث تمتلك وحدة المعالجة المركزية (CPU) وصولاً إلى التقديرات العالمية.
2. تشفير MMSE الموزع: حيث تستخدم كل نقطة وصول تقديرات محلية وإحصائيات الطور العالمية.
التقييم: تُطبق هذه الأشعة الافتراضية على نموذج القناة الفيزيائية الفعلي لحساب حدود الكفاءة الطيفية (SE) الدقيقة.

د. مقاييس الأداء

يقيم البحث الأداء باستخدام حدين قياسيين للكفاءة الطيفية المحققة:

الاستخدام ثم النسيان (Use-and-Then-Forget - UatF): حد أدنى يفترض أن وحدة فك التشفير تستخدم إحصائيات القناة المتوسطة.
المعدل الإرغودي المتفائل (Optimistic Ergodic Rate - OER): حد أعلى (بمساعدة "الجني" - genie-aided) يفترض أن وحدة فك التشفيد تعرف القناة الفعالة اللحظية.

3. المساهمات الرئيسية

نمذجة قناة واقعية: تقديم نموذج تلاشي رايس يدمج صراحةً تتبع طور خط البصر غير المثالي عبر توزيع خطأ منتظم محدود وعامل عقوبة طور حتمي.
مُقدر موحد: اشتقاق مقدر قناة خطي (LMMSE) يتنقل باستمرار بين طرفي "المعرفة المثالية" و"المتوسط الصفري"، مما يوفر حلاً دقيقاً رياضياً لسيناريوهات التتبع المتوسطة.
إطار الوصلة الصاعدة الافتراضية: تطوير نموذج وصلة صاعدة افتراضية يتيح اشتقاق أشكال شعاع (beamformers) مركزية وموزعة لـ MMSE في البيئات غير الغاوسية، من خلال دمج أخطاء التقدير في تباين الضوضاء.
تحليل شامل: تقديم أول معايير أداء صارمة لشبكات cell-free mMIMO تحت معرفة جزئية لطور خط البصر، مما يسد الفجوة بين النماذج المثالية والقيود العتادية.

4. النتائج العددية

أُجريت المحاكاة باستخدام 100 نقطة وصول، و40 مستخدماً، وعامل رايس $\kappa = 5$ .

تأثير عدم يقين الطور ( $\delta$ ):
- حتى التتبع الخشن للطور (مثل $\delta = 15^\circ$ ) يحقق مكاسب كبيرة في الأداء مقارنة بسيناريو "عدم معرفة الطور".
- يتدهور الأداء تدريجياً مع زيادة $\delta$ . تؤدي الأخطاء المتوسطة إلى توزيعات قريبة من الحالة المثالية.
- يحدث التدهور الكبير فقط عند مستويات عالية من عدم يقين الطور (مثل $\delta = 90^\circ$ أو $180^\circ$ ).
المركزي مقابل الموزع:
- تشكيل الشعاع المركزي أكثر صموداً أمام أخطاء الطور الشديدة.
- ومع ذلك، يستفيد تشكيل الشعاع الموزع بشكل كبير من المعرفة الجزئية بالطور.
- عند عوامل رايس العالية ( $\kappa = 100$ ) مع تتبع دقيق، يقترب تشكيل الشعاع الموزع من أداء التشكيل المركزي.
إحكام الحدود: الفجوة بين حدود UatF (الحد الأدنى) وOER (الحد الأعلى) صغيرة، خاصة عندما يتم تتبع أطوار خط البصر جيداً، مما يشير إلى أن نقص معلومات CSI اللحظية عند وحدة فك التشفير يسبب خسارة ضئيلة في أنظمة خط البصر العالية.

5. الأهمية

هذا العمل مهم لتصميم شبكات الجيل السادس (6G) الخالية من الخلايا لعدة أسباب:

الواقعية: يتجاوز الافتراضات المثالية، ويقدم رؤى تصميمية للأنظمة التي تمنع فيها العيوب العتادية والحركة تحقيق التزامن المثالي للطور.
إرشادات التصميم: يثبت أن الاستثمار في آليات تتبع الطور (حتى لو كانت غير مثالية) مفيد للغاية. يجب على الأنظمة عدم التخلي عن معلومات طور خط البصر حتى لو كانت مشوبة بالضجيج.
فائدة إطار العمل: يوفر نهج "الوصلة الصاعدة الافتراضية" المقترح أداة قابلة للتعميم لتصميم أشكال الشعاع في سيناريوهات أخرى لتقدير القناة غير الغاوسية.
وضع المعايير: يضع خطوط أساس أداء صارمة لأبحاث المستقبل، مما يوضح المقايضات بين دقة التتبع وتعقيد النظام.

في الختام، تثبت هذه الورقة أن المعرفة الجزئية بأطوار خط البصر هي أصل قيم في أنظمة Massive MIMO الخالية من الخلايا، وأن إطار العمل المقترح يسمح لمصممي الشبكات بتحسين استراتيجيات تشكيل الشعاع تحت قيود التتبع الواقعية.