Enhancing User Fairness in Two-Layer RSMA: A Movable Antenna Approach

Dieser Beitrag schlägt einen neuartigen Ansatz mit beweglichen Antennen vor, der durch die gemeinsame Optimierung von Strahlformung, Benutzerclustering und Antennenposition in einem zweischichtigen RSMA-System die Benutzerfairness signifikant verbessert.

Das Wesentliche

Stellen Sie sich vor, Sie sind der Dirigent eines großen Orchesters (das ist die Basisstation), und Sie müssen eine Gruppe von Musikern (die Nutzer) mit Musikstücken versorgen. Das Ziel ist nicht nur, dass alle Musik hören, sondern dass jeder – vom Geiger im ersten Reihen bis zum Trompeter im letzten – mindestens genauso laut und klar hört wie der andere. Das nennt man „Fairness".

Das Problem ist: In einem normalen Orchester sind die Stühle fest verankert. Wenn ein Musiker weit hinten sitzt und der Schall schlecht zu ihm durchdringt, wird er leiser hören als der vorderste. In der drahtlosen Kommunikation ist das ähnlich: Wenn ein Handy weit weg ist oder durch Wände blockiert wird, ist die Verbindung schlecht.

Hier kommt die Idee dieses Papiers ins Spiel: Bewegliche Antennen.

1. Das Problem: Der „Schwächste Link"

In herkömmlichen Systemen (wie dem alten „Ein-Ebenen-System") muss die gemeinsame Nachricht so langsam gesendet werden, dass sie auch der Nutzer mit der schlechtesten Verbindung verstehen kann. Das ist wie ein Lehrer, der so langsam spricht, dass auch der Schüler mit dem schlechtesten Hörgerät alles versteht. Aber dadurch wird der Unterricht für die anderen, die es schneller verstehen könnten, unnötig langweilig und ineffizient.

2. Die Lösung: Ein schlaues Orchester mit beweglichen Stühlen

Die Autoren schlagen zwei geniale Tricks vor:

• Trick A: Zwei Ebenen (Two-Layer RSMA)
  Statt nur eine große Gruppe zu bilden, teilen sie die Musiker in kleine Gruppen (Cluster) ein.

  • Es gibt eine Hauptnachricht, die alle hören müssen (wie ein gemeinsamer Takt).
  • Aber es gibt auch Gruppen-Nachrichten für jede kleine Gruppe.
  • Das ist wie ein Lehrer, der zuerst eine kurze Anweisung an die ganze Klasse gibt, aber dann in kleinen Gruppen mit den Schülern arbeitet, die ähnliche Schwierigkeiten haben. So muss die „Gruppen-Nachricht" nicht so langsam sein wie die „Klassen-Nachricht". Das entlastet den schwächsten Link.

• Trick B: Bewegliche Antennen (Movable Antennas)
  Das ist der eigentliche Clou. Statt feststehender Lautsprecher (Antennen) haben die Sender jetzt Lautsprecher auf Schienen.

  • Stellen Sie sich vor, der Dirigent kann seine Lautsprecher genau dorthin schieben, wo der Schall am besten durchkommt.
  • Wenn ein Musiker im Hintergrund schlecht hört, schiebt der Dirigent einen Lautsprecher ein Stück nach links, damit der Schall ihn direkt trifft.
  • Durch das Verschieben können sie die „Luft" (das Funkfeld) so formen, dass die Verbindungen für alle fairer werden.

3. Der Tanz der Optimierung (Der Algorithmus)

Jetzt stellt sich die Frage: Wie finden wir die perfekten Positionen für die Lautsprecher und die besten Gruppen für die Musiker? Das ist extrem kompliziert, wie ein riesiges 3D-Puzzle.

Die Autoren haben einen zweistufigen Tanz entwickelt:

1. Der äußere Tanz (Die grobe Suche):
   Sie nutzen eine Methode namens „Schwarmintelligenz" (wie ein Schwarm Vögel, die gemeinsam nach Nahrung suchen). Viele „Vögel" (mögliche Antennen-Positionen) fliegen herum.

   • Ein cleverer Trick: Wenn ein Vogel fast am besten Punkt ist, aber nicht viel besser wird als sein Nachbar, wird er „geputzt" (ausgesortiert), damit die Rechenleistung nicht verschwendet wird. Das nennt man „Dynamisches Beschneiden".
   • Ziel: Finde die beste Position für die Antennen.

2. Der innere Tanz (Die Feinabstimmung):
   Sobald die Antennen an einer guten Position stehen, wird gerechnet:

   • Welche Musiker gehören in welche Gruppe? (Die, die sich ähnlich hören, werden zusammengefasst).
   • Wie viel Musik (Daten) bekommt jeder?
   • Wie stark muss der Dirigent drücken (Leistung)?
   • Hier nutzen sie mathematische Tricks, um die beste Verteilung zu finden.

4. Das Ergebnis: Ein faires Konzert

Die Simulationen zeigen, dass dieses System fantastisch funktioniert:

• Fairness: Der Nutzer mit dem schlechtesten Signal bekommt deutlich mehr „Lautstärke" als in alten Systemen. Niemand wird mehr zurückgelassen.
• Effizienz: Man braucht weniger Antennen oder weniger Energie, um das gleiche Ergebnis zu erzielen.
• Vergleich: Herkömmliche Systeme (wo die Stühle fest sind) oder einfachere Methoden schaffen es nicht, so viele Leute gleichzeitig zufrieden zu stellen.

Zusammenfassend:
Stellen Sie sich vor, Sie haben einen Raum voller Menschen, die alle ein Radio hören wollen. Statt die Lautstärke für alle auf das Minimum zu drehen (weil jemand eine schlechte Verbindung hat), schieben Sie die Lautsprecher geschickt hin und her und bilden kleine Gesprächskreise. So kann jeder in seiner Gruppe lauter und klarer hören, und am Ende hört jeder deutlich besser als vorher. Das ist die Magie der beweglichen Antennen in Kombination mit einer intelligenten Gruppenbildung.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papiers auf Deutsch:

Titel: Verbesserung der Nutzerfairness in Zwei-Schicht-RSMA: Ein Ansatz mit beweglichen Antennen

1. Problemstellung

Die Arbeit adressiert die Herausforderung, die Fairness zwischen Nutzern in fortschrittlichen Mehrnutzersystemen zu verbessern, speziell im Kontext von Zwei-Schicht-Rate-Splitting Multiple Access (RSMA) für 6G-Netze.

• Hintergrund: RSMA ist ein vielversprechendes Übertragungsframework, das Interferenzen flexibel verwaltet. Die herkömmliche einlagige RSMA leidet jedoch unter einem Fairness-Engpass: Die gemeinsame Datenrate wird durch den Nutzer mit dem schwächsten Kanal bestimmt.
• Zwei-Schicht-RSMA: Zwar mildert die Zwei-Schicht-Architektur dieses Problem durch hierarchische Strukturen (inter- und intrakluster-gemeinsame Streams), doch bleibt die Leistungsfähigkeit durch statische drahtlose Kanäle begrenzt.
• Lücke: Bisherige Forschung zu beweglichen Antennen (Movable Antennas, MA) konzentrierte sich entweder auf einlagige RSMA oder auf die Maximierung der Summenrate. Die Nutzung von MAs zur Verbesserung der Nutzerfairness in einem Zwei-Schicht-RSMA-System wurde noch nicht ausreichend untersucht.

2. Methodik und Systemmodell

Das vorgeschlagene System besteht aus einer Basisstation (BS) mit $N_T$ beweglichen Antennen, die $K$ Single-Antenna-Nutzer bedient.

• Systemarchitektur:

  • Die Nutzer werden in $Q$ disjunkte Cluster gruppiert.
  • Der Übertragungsfluss umfasst drei Stream-Typen: einen inter-cluster gemeinsamen Stream ($s_{c2}$), $Q$ intra-cluster gemeinsame Streams ($s_{c1,q}$) und $K$ private Streams ($s_{p,k}$).
  • Die Decodierung erfolgt mittels Successive Interference Cancellation (SIC).

• Optimierungsproblem:

  • Ziel ist die Maximierung der minimalen Nutzerdatenrate (Max-Min-Fairness).
  • Dies erfordert die gemeinsame Optimierung von:
    1. Beamforming-Matrizen.
    2. Zuweisung der gemeinsamen Raten.
    3. Nutzer-Clustering.
    4. Antennen-Positionsvektor (APV) $t$, der die Positionen der beweglichen Antennen definiert (unter Berücksichtigung von Bewegungsgrenzen und Mindestabständen zur Vermeidung von Kopplungseffekten).
  • Das Problem ist nicht-konvex, nicht-glatt und hochdimensional gekoppelt.

• Lösungsansatz: Ein zweischleifiger iterativer Algorithmus
  Um die Komplexität zu bewältigen, wird ein Algorithmus mit zwei Schleifen entwickelt:

  1. Äußere Schleife (Optimierung der Antennenposition):
     • Es wird der DNPPSO-Algorithmus (Dynamic Neighborhood Pruning Particle Swarm Optimization) verwendet.
     • Dies ist eine gradientenfreie Methode, die eine Partikel-Schwarm-Optimierung nutzt, um den APV zu finden.
     • Ein Pruning-Mechanismus (Beschneidung) reduziert den Rechenaufwand, indem Partikel, die sich bereits im "guten" Bereich um die globale beste Lösung befinden, in nachfolgenden Iterationen übersprungen werden, ohne die innere Schleife erneut auszuführen.
  2. Innere Schleife (Optimierung der Ressourcen für gegebene Position):
     • Für eine feste Antennenposition werden die verbleibenden Variablen optimiert.
     • Nutzer-Clustering: Ein gieriger Algorithmus (Greedy Algorithm) basierend auf der Kanalsimilarität (Cosine-Similarity) gruppiert Nutzer mit stark korrelierten Kanälen in dieselben Cluster.
     • Beamforming und Ratenzuweisung: Das verbleibende nicht-konvexe Problem wird durch Semidefinite Relaxation (SDR) und Successive Convex Approximation (SCA) gelöst. Die Rang-1-Bedingung wird relaxiert, da gezeigt werden kann, dass die optimale Lösung der relaxierten Form automatisch die Rang-1-Eigenschaft erfüllt.

3. Hauptbeiträge

1. Integration von MAs in Zwei-Schicht-RSMA: Erstmalige Untersuchung der Synergie zwischen beweglichen Antennen und Zwei-Schicht-RSMA zur spezifischen Verbesserung der Nutzerfairness.
2. Formulierung eines gemeinsamen Optimierungsproblems: Aufstellung eines umfassenden Problems, das Antennenpositionierung, Clustering, Beamforming und Ratenallokation gleichzeitig betrachtet.
3. Entwicklung eines effizienten Algorithmus: Präsentation eines zweischleifigen Algorithmus, der DNPPSO (für die Position) mit SCA und Clustering (für die Ressourcen) kombiniert, um eine hochwertige suboptimale Lösung für das nicht-konvexe Problem zu finden.

4. Simulationsergebnisse

Die Leistung des vorgeschlagenen Ansatzes wurde durch Monte-Carlo-Simulationen gegen mehrere Benchmark-Schemata validiert (u.a. klassische PSO, K-Means-Clustering, einlagige RSMA, NOMA, SDMA und Systeme mit festen Antennen).

• Fairness-Gewinn: Der vorgeschlagene Ansatz (MA-2RSMA) erzielt signifikant höhere Min-Max-Raten als alle Benchmarks.
• Einfluss der Nutzeranzahl: Die Leistung bleibt auch bei steigender Nutzerzahl stabil und überlegen.
• Einfluss der Sendeleistung: Obwohl die klassische PSO (ohne Pruning) theoretisch leicht bessere Ergebnisse liefert, bietet der DNPPSO-Ansatz einen hervorragenden Kompromiss zwischen Leistung und reduzierter Komplexität.
• Anzahl der Antennen: Das System erreicht Zielraten mit weniger Antennen als die Benchmarks, was auf potenzielle Kosteneinsparungen bei der Hardware hinweist.
• Vergleich Ein- vs. Zwei-Schicht: Der Zwei-Schicht-Ansatz zeigt deutlich bessere Ergebnisse als einlagige RSMA, insbesondere bei größeren Entfernungen, da die intrakluster-gemeinsamen Streams die Interferenz in kleineren Gruppen effektiver managen.

5. Bedeutung und Fazit

Dieses Papier demonstriert, dass die Kombination aus beweglichen Antennen und Zwei-Schicht-RSMA ein mächtiges Werkzeug ist, um die Fairness in zukünftigen 6G-Netzen zu verbessern. Durch die dynamische Anpassung der Antennenpositionen können ungünstige Kanalbedingungen aktiv gemildert werden. Der vorgestellte Algorithmus bietet einen praktikbaren Weg, die komplexen Variablen dieses Systems zu optimieren, und übertrifft bestehende statische oder einlagige Ansätze erheblich. Die Ergebnisse unterstreichen das Potenzial von MAs, zusätzliche Freiheitsgrade (DoFs) zu schaffen, um Interferenzmanagement und Fairness gleichzeitig zu optimieren.