Utilizing Improper Gaussian Signaling for Downlink Rate-Splitting Multiple Access with Imperfect Successive Interference Cancellation

Titel:

Nutzung von unkorrekter Gaußscher Signalerzeugung (IGS) für Downlink-Rate-Splitting-Multiple-Access (RSMA) bei unvollkommener sukzessiver Interferenzunterdrückung (SIC).

1. Problemstellung

Rate-Splitting Multiple Access (RSMA) gilt als vielversprechende Technologie für zukünftige drahtlose Netzwerke, da sie Interferenzmanagement und spektrale Effizienz verbessert. Ein zentrales Element von RSMA ist die sukzessive Interferenzunterdrückung (SIC) an den Empfängern, bei der Signale nacheinander decodiert und von der Empfangsleistung subtrahiert werden.

• Herausforderung: In der Praxis ist die SIC nie perfekt. Durch Hardware-Limitationen, Kanalabschätzungsfehler und endliche Blocklängen bleibt eine Restinterferenz (Residual Interference) bestehen.
• Konsequenz: Diese Restinterferenz degradiert die Leistungsfähigkeit von RSMA erheblich.
• Bestehende Lösungen: Bisherige Ansätze (z. B. Leistungssteuerung oder RIS-Einsatz) behandeln das Problem oft nur extern und ignorieren die statistische Starrheit herkömmlicher Signale.
• Kernproblem: Herkömmliche korrekte Gaußsche Signale (Proper Gaussian Signaling, PGS) nutzen nur die Hälfte der verfügbaren zweiten Ordnungs-Freiheitsgrade (da die Pseudo-Varianz auf Null gesetzt wird). Das Paper untersucht, ob die Nutzung von unkorrektierten Gaußschen Signalen (Improper Gaussian Signaling, IGS), die die Pseudo-Varianz ausnutzen, die durch unvollkommene SIC verursachte Restinterferenz direkt auf Signalebene kompensieren kann.

2. Methodik und Systemmodell

Die Autoren untersuchen ein SISO-System (Single-Input Single-Output) mit zwei Benutzern, um analytische Einblicke zu gewinnen, anstatt sich auf komplexe MIMO-Architekturen oder rein numerische Optimierung zu verlassen.

• Signalstruktur:
  • Der gemeinsame Stream (Common Stream) wird mit IGS übertragen, was durch einen Unkorrektheitsgrad (Circularity Coefficient) $\kappa \in [0, 1]$ charakterisiert wird.
  • Die privaten Streams (Private Streams) verwenden weiterhin herkömmliche PGS.
• Modellierung der unvollkommenen SIC:
  • Ein Parameter $\lambda \in [0, 1]$ modelliert den Grad der unvollkommenen SIC. Ein höheres $\lambda$ bedeutet mehr verbleibende Restinterferenz.
• Analytische Herleitung:
  • Es werden geschlossene Ausdrücke für die erreichbaren Raten (Private Rate $R_k$ und Common Rate $R_{c,k}$) hergeleitet, die explizit von $\kappa$ abhängen.
  • Es wird gezeigt, dass die Private Rate monoton mit $\kappa$ steigt, während die Common Rate monoton mit $\kappa$ fällt.

3. Wichtige Beiträge und Ergebnisse

Das Paper liefert drei wesentliche theoretische und algorithmische Ergebnisse:

A. Maximierung der Privaten Raten (Private Rate Maximization)

• Ergebnis: Für die Maximierung der Summe der privaten Raten ist der optimale Unkorrektheitsgrad $\kappa^* = 1$ (maximale Unkorrektheit).
• Begründung: Da die Restinterferenz im Nenner der privaten Ratenformel durch $\kappa$ reduziert wird, während der Zähler unabhängig davon ist, führt eine Erhöhung von $\kappa$ immer zu einer besseren Leistung.
• Optimale Leistung: Die optimale Leistung für den gemeinsamen Stream wird auf das Minimum gesetzt ($\tau_{SIC}$), um maximale Leistung für die privaten Streams freizugeben.

B. Maximierung der Gemeinsamen Raten (Common Rate Maximization)

• Herausforderung: Hier muss ein Kompromiss gefunden werden, da ein hohes $\kappa$ die private Rate verbessert, aber die Common Rate verschlechtert (und umgekehrt). Zudem müssen Mindestraten für private Streams eingehalten werden.
• Ergebnis: Es werden geschlossene analytische Lösungen für den optimalen $\kappa$ hergeleitet.
  • Die Optimalität hängt von Monotoniebedingungen ab, die durch Parameter wie den SIC-Fehler $\lambda$ und die Mindestrate $R_{min}$ bestimmt werden.
  • Es wird gezeigt, dass $\kappa$ je nach Konfiguration entweder 0, 1 oder einen intermediären Wert annimmt.
  • Die Analyse offenbart transparent, wie der Kreisbeiwert $\kappa$ die einzelnen Ratenkomponenten beeinflusst.

C. Maximierung der Summenrate (Sum Rate Maximization)

• Herausforderung: Das Problem der Summenratenmaximierung ist nicht-konvex und gekoppelt.
• Lösung: Die Autoren entwickeln einen Algorithmus basierend auf Soft Actor-Critic (SAC), einem Reinforcement-Learning-Ansatz.
  • Der Algorithmus lernt eine Policy, die die Leistungsbilanz zwischen Entropie und Belohnung (Summenrate) optimiert.
  • Strafen werden für die Verletzung von Mindestratenanforderungen eingeführt.

4. Numerische Ergebnisse

Die Simulationen bestätigen die theoretischen Annahmen:

• IGS vs. PGS: IGS übertrifft PGS konsistent in allen Szenarien.
• Einfluss von $\lambda$: Der Leistungsgewinn von IGS gegenüber PGS vergrößert sich, wenn die Unvollkommenheit der SIC ($\lambda$) zunimmt. IGS wirkt also als intrinsische Robustheitsmaßnahme gegen Restinterferenz.
• Optimales $\kappa$: In Szenarien mit hoher SIC-Unvollkommenheit und hohem SNR tendiert der optimale $\kappa$ zu höheren Werten (nahe 1).
• SAC-Leistung: Der SAC-Algorithmus löst das nicht-konvexe Problem effizient und findet Lösungen, die nahe an den theoretischen Optima liegen.

5. Bedeutung und Fazit

• Innovation: Das Paper ist das erste, das IGS spezifisch zur Bekämpfung von SIC-bedingter Restinterferenz in RSMA-Systemen einsetzt, ohne auf Hardware-Imperfektionen (wie I/Q-Ungleichgewichte) als Hauptmotiv zu verweisen.
• Analytische Klarheit: Im Gegensatz zu früheren Arbeiten, die oft auf numerische Optimierung in komplexen MIMO-Systemen angewiesen waren, bietet dieses SISO-Framework geschlossene analytische Ausdrücke. Dies liefert tiefe physikalische Einsichten in den Zusammenhang zwischen Signaleigenschaften und Interferenzmanagement.
• Praktische Relevanz: Die Ergebnisse legen nahe, dass die Unkorrektheit von Signalen als integraler Designparameter in zukünftigen RSMA-Sendern und Empfängern betrachtet werden sollte, insbesondere in realen Umgebungen, wo eine perfekte Interferenzunterdrückung unmöglich ist. Dies bietet eine kosteneffiziente Methode (keine zusätzlichen Antennen oder Frequenzressourcen nötig), um die Robustheit von 6G-Netzen zu erhöhen.