🔢 mathematics

Rate Maximization for Multi-Waveguide PASS: A Hierarchical User Scheduling and Joint Optimization Framework

Dieser Beitrag untersucht die Maximierung der Summenrate in Multi-Wellenleiter-Quetschantennensystemen durch die Einführung eines hierarchischen Benutzer-Scheduling-Algorithmus zur Minderung von Pfadverlusten und Interferenzen sowie eines gemeinsamen Optimierungsrahmens für die Leistungszuweisung und Antennenpositionierung, der Wellenleiterausbreitungsverluste und Kopplungseffekte explizit berücksichtigt.

Ursprüngliche Autoren: Guangyu Li, Xin Sun, Tianwei Hou, Anna Li, Yuanwei Liu, Arumugam Nallanathan

Veröffentlicht 2026-05-29

📖 4 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Guangyu Li, Xin Sun, Tianwei Hou, Anna Li, Yuanwei Liu, Arumugam Nallanathan

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, eine massive Outdoor-Party zu veranstalten, bei der Sie Musik an 9 verschiedene Gruppen von Menschen senden müssen, die über ein großes Feld verstreut sind. In früheren Zeiten würden Sie ein paar riesige, fest installierte Lautsprecher (traditionelle Antennen) verwenden. Doch diese Lautsprecher sind starr; sie können sich nicht bewegen, und der Klang wird undeutlich oder leiser, wenn die Menschen weit entfernt sind oder wenn der Wind (Interferenz) im Weg steht.

Dieser Beitrag stellt eine neue, hochtechnologische Methode vor, um diese Party mit etwas zu bewältigen, das als Pinching-Antenna-Systeme (PASS) bezeichnet wird.

Das Setup: Der „magische Schlauch"

Anstelle von fest installierten Lautsprechern stellen Sie sich vor, Sie hätten drei lange, flexible Gartenschläuche (dielektrische Wellenleiter), die über der Menge gespannt sind. Entlang dieser Schläuche befinden sich winzige, magische „Quellpunkte" (die Antennen).

Funktionsweise: Sie können diese Quellpunkte ein- oder ausschalten und sie an verschiedene Stellen entlang des Schlauches verschieben. Wenn Sie den Schlauch an einer bestimmten Stelle „quetschen", gibt es genau dort einen Impuls von Klang (Signal) frei.
Das Ziel: Durch das Verschieben dieser Quellpunkte können Sie den Klang perfekt auf die Personen ausrichten, die ihn benötigen, und so die Musik für alle laut und klar machen.

Das Problem: Der „undichte Schlauch" und der „Stoß"

Die Forscher stellten fest, dass frühere Theorien diese Schläuche als perfekt behandelten. Doch in der realen Welt laufen zwei Dinge schief:

Der undichte Schlauch (Ausbreitungsverlust): Während das Signal den Schlauch hinunterläuft, wird es schwächer, insbesondere wenn die Frequenz hoch ist (wie ein hochfrequenter Pfiff). Es ist, als würde Wasser aus einem langen, porösen Rohr austreten, bevor es das Ende erreicht.
Der Stoß (Kopplungseffekt): Wenn Sie mehrere Quellpunkte dicht beieinander auf demselben Schlauch haben, beginnen sie, miteinander zu „sprechen". Wenn Sie einen zu stark zusammendrücken, beeinträchtigt dies das Drücken seines Nachbarn. Dies erzeugt Interferenzen und verzerrt das Signal.

Der Beitrag entwickelt ein neues mathematisches Modell, das sowohl das Lecken als auch das Stoßen berücksichtigt. Es ist, als würde man erkennen, dass sein Gartenschlauch nicht perfekt ist, und genau berechnet, wie viel Wasser man verliert, um besser planen zu können.

Die Lösung: Der „intelligente Partyplaner"

Um für alle die beste Musik zu erhalten, schlagen die Autoren einen zweistufigen „intelligenten Partyplaner" (einen hierarchischen Benutzer-Scheduling-Algorithmus) vor:

Schritt 1: Gruppierung (Pairing): Zuerst betrachten sie, wo die Gäste stehen. Sie weisen jeden Gast dem Schlauch zu, der ihm physisch am nächsten ist. Das ist, als würde man einem Gast sagen: „Stellen Sie sich neben den Schlauch direkt neben sich, damit Sie nicht schreien müssen." Dies reduziert die Distanz, die der Klang zurücklegen muss, und spart Energie.
Schritt 2: Timing (Scheduling): Anschließend entscheiden sie, wer gleichzeitig zuhören darf. Sie stellen sicher, dass, wenn drei Personen gleichzeitig zuhören, sie weit voneinander entfernt sind. Wenn Sie drei Personen, die direkt nebeneinander stehen, in dasselbe Zeitfenster setzen, würden ihre Signale aufeinanderprallen (Interferenz). Durch ihre räumliche Verteilung wird das „Rauschen" zwischen ihnen reduziert.

Die Optimierung: Das „Schiebepuzzle"

Sobald die Gruppen feststehen, führt das System eine letzte Feinabstimmung durch:

Verschieben der Quellungen: Es berechnet den exakt besten Ort, an dem jeder Quellpunkt entlang des Schlauches verschoben werden soll. Es ist, als würde man einen Regler auf einem Mischpult verschieben, um den „Sweet Spot" zu finden, an dem die Lautstärke perfekt ist.
Teilen der Leistung: Es entscheidet, wie viel „Leistung" (Lautstärke) jedem Schlauch gegeben werden soll. Manchmal ist es besser, der Person mit der schlechtesten Verbindung etwas zusätzliche Leistung zu geben, um sicherzustellen, dass sie hören kann, anstatt die Person zu übersteuern, die bereits nah ist.

Was sie fanden (Die Ergebnisse)

Die Forscher führten Simulationen (Computertests) durch, um zu sehen, wie gut dieses neue System im Vergleich zu alten Methoden funktioniert:

Realismus ist wichtig: Wenn Sie den „undichten Schlauch" und die „Stoß"-Effekte ignorieren, wird Ihr Plan scheitern. Der Beitrag zeigt, dass bei hohen Frequenzen das Ignorieren dieser physikalischen Realitäten die Leistung des Systems erheblich verschlechtert.
Besser als Zufall: Ihr „intelligenter Partyplaner" (HUS) funktioniert viel besser als das bloße zufällige Zuweisen von Personen zu Schläuchen oder Zeitfenstern.
Die Überraschung: In einem Mehrschlauch-System zwingt der „Stoß"-Effekt (Kopplung) die Quellpunkte tatsächlich dazu, sich zu verteilen. Überraschenderweise hilft diese Verteilung dem System, die Leistung so neu zu verteilen, dass sie die Gesamtlautstärke für die ganze Party tatsächlich verbessert, anstatt sie zu verschlechtern.
Effizienz: Ihre Methode zur Anpassung von Leistung und Position erzielt viel bessere Ergebnisse als das bloße Aufdrehen der Lautstärke bei allen Lautsprechern (Maximum Ratio Transmission).

Das Fazit

Dieser Beitrag bietet einen praktischen Leitfaden für den Aufbau dieser neuen, flexiblen Antennensysteme. Er beweist, dass wir durch das Verständnis der physikalischen Eigenheiten der „Schläuche" (Verlust und Kopplung) und die Verwendung eines intelligenten, zweistufigen Scheduling-Systems viel schnellere und zuverlässigere drahtlose Verbindungen für viele Benutzer gleichzeitig bereitstellen können, ohne massive Leistungsmengen abstrahlen zu müssen.

Technische Zusammenfassung: Maximierung der Summenrate für Multi-Wellenleiter-PASS

Problemstellung
Diese Studie untersucht das Problem der Maximierung der Summenrate in Pinching-Antennen-Systemen (PASS) mit mehreren Wellenleitern. Während PASS eine flexible Antennenarchitektur bietet, die drahtlose Kanäle durch dielektrische Partikel (Pinching-Antennen oder PAs) entlang von Wellenleitern dynamisch rekonfigurieren kann, stützt sich die bestehende Literatur häufig auf idealisierte Modelle. Insbesondere fehlt in der aktuellen Forschung ein einheitliches Modell, das sowohl die Ausbreitungsverluste innerhalb des Wellenleiters als auch die Kopplungseffekte zwischen Wellenleiter und PA gemeinsam charakterisiert. Darüber hinaus bleibt die gemeinsame Optimierung der PA-Positionierung und der Leistungsverteilung unter Berücksichtigung von Mindestratenanforderungen der Benutzer, kombiniert mit einer systematischen Benutzerplanung in Multi-Wellenleiter-Umgebungen, weitgehend unerforscht.

Methodik
Um diese Lücken zu schließen, entwickeln die Autoren ein umfassendes Framework, das physikalische Modellierung, Benutzerplanung und gemeinsame Optimierung umfasst:

Einheitliches physikalisches Modell:
- Ausbreitungsverlust: Basierend auf der elektromagnetischen (EM) Feldtheorie modellieren die Autoren die Signalabschwächung und Phasenverschiebung innerhalb dissipativer dielektrischer Wellenleiter. Die Ausbreitungskonstante wird als komplexe Zahl behandelt ( $\gamma_g = \alpha_g + j\beta_g$ ), wobei die Verlustkomponente ( $\alpha_g$ ) vom dielektrischen Verlustwinkel und der Frequenz abhängt.
- Kopplungseffekt: Mithilfe der Kopplungsmoden-Theorie wird die Wechselwirkung zwischen dem Wellenleiter und den PAs (modelliert als offen endende Richtkoppler) quantifiziert. Das Modell leitet Kopplungskoeffizienten ab, die bestimmen, wie viel Energie vom Wellenleiter auf die PA übertragen wird und wie sich das Restfeld ausbreitet. Dies führt zu einer diskreten Positionierungsbeschränkung für PAs, da ihre physikalische Größe und Kopplungslänge eine beliebige Platzierung verhindern.
Hierarchischer Benutzerplanungs-Algorithmus (HUS):
- Wellenleiter-Benutzer-Paarung: Ein konvexes Optimierungsproblem wird formuliert, um die Summe der quadrierten Abstände zwischen Benutzern und Wellenleitern zu minimieren. Dieser Schritt zielt darauf ab, großskalige Pfadverluste zu reduzieren, indem Benutzer mit geometrisch benachbarten Wellenleitern verknüpft werden.
- In-Slot-Benutzerselektion: Im Rahmen des Time Division Multiple Access (TDMA) werden Benutzer in Zeitschlitzen so geplant, dass die räumliche Trennung maximiert wird. Diese Strategie erhöht die Ausbreitungsstrecke von Störsignalen, wodurch die Interferenz zwischen Wellenleitern gemildert und das Signal-zu-Interferenz-plus-Rausch-Verhältnis (SINR) verbessert wird.
Rahmenwerk zur gemeinsamen Optimierung:
- Ein Alternierender Optimierungsansatz (AO) wird eingesetzt, um die Systemsummenrate unter Einhaltung von Mindestratenbeschränkungen und Gesamtleistungsbudgets zu maximieren.
- PA-Positionierung: Wird durch eine eindimensionale Gittersuche über zulässige Intervalle optimiert, die durch benachbarte PAs definiert sind.
- Leistungsverteilung: Das nicht-konvexe Problem der Leistungsverteilung wird unter Verwendung der Lagrange-Dualität und der Fraktionalen Programmierung (FP) transformiert. Die Autoren führen Hilfsvariablen ein, um die logarithmische Summenrate in eine handhabbare fraktionale Form umzuformen, die dann iterativ mittels Successive Convex Approximation (SCA) mit Taylor-Reihen erster Ordnung gelöst wird.

Hauptbeiträge

Einheitliche physikalische Modellierung: Die Arbeit stellt das erste Multi-Wellenleiter-PASS-Modell vor, das gleichzeitig Ausbreitungsverluste innerhalb des Wellenleiters und Kopplungseffekte zwischen Wellenleiter und PA integriert, abgeleitet aus EM-Feld- und Kopplungsmoden-Theorien.
HUS-Algorithmus: Ein Algorithmus zur hierarchischen Planung mit geringer Komplexität wird vorgeschlagen, um Pfadverluste und Interferenz zwischen Benutzern zu reduzieren und dabei zufällige Paarungsstrategien zu übertreffen.
Rahmenwerk zur gemeinsamen Optimierung: Ein neuartiges Framework zur Integration der PA-Positionierung und Leistungsverteilung wird entwickelt. Es nutzt eine eindimensionale Suche für die Positionierung und SCA-basierte konvexe Optimierung für die Leistungsverteilung und gewährleistet die Konvergenz zu einem stationären Punkt.
Physikalische Erkenntnisse: Die Studie liefert numerische Belege dafür, wie Ausbreitungsverluste und Kopplungseffekte die Systemleistung beeinflussen, wobei insbesondere die Trade-offs bei Hochfrequenzanwendungen hervorgehoben werden.

Numerische Ergebnisse
Simulationen mit Wellenleitern aus Polytetrafluorethylen (PTFE) ergeben mehrere Schlüsselerkenntnisse:

Auswirkung von Verlust und Kopplung: Ausbreitungsverluste innerhalb des Wellenleiters verschlechtern die Leistung erheblich; die Lücke zwischen idealisierten und verlustbehafteten Modellen vergrößert sich bei höheren Trägerfrequenzen (z. B. 28 GHz). Kopplungseffekte erfordern eine diskrete PA-Positionierung, was zusätzliche Beschränkungen einführt.
Gegenintuitiver Gewinn: In Multi-Wellenleiter-Szenarien übertrifft das System, das Kopplungseffekte berücksichtigt (AWS), gelegentlich das dissipative Wellenleiterschema (DWS) ohne Kopplungsbeschränkungen. Dies wird auf einen „Gewinn durch Leistungsneuverteilung" zurückgeführt, bei dem die diskrete Positionierung eine Neuverteilung der Leistung auf Nicht-Kernbenutzer erzwingt, was die gesamte Summenrate verbessert, wenn Kernbenutzer bereits gesättigt sind.
Algorithmische Leistung: Der vorgeschlagene HUS-Algorithmus und das Framework zur gemeinsamen Optimierung übertreffen konsistent Benchmarks wie Maximum Ratio Transmission (MRT) und zufällige Paarung. Der vorgeschlagene Plan zur Leistungsverteilung zeigt eine deutliche Verbesserung gegenüber MRT, insbesondere bei steigender Sendeleistung.
Konvergenz: Die vorgeschlagenen Algorithmen zeigen eine schnelle Konvergenz (typischerweise innerhalb von fünf Iterationen) und Robustheit gegenüber verschiedenen Initialisierungsstrategien.

Bedeutung und Behauptungen
Die Arbeit beansprucht, eine praktische und effiziente Lösung für die physikalische Modellierung, Benutzerplanung und gemeinsame Optimierung von Multi-Wellenleiter-PASS zu bieten. Die Autoren betonen, dass eine genaue elektromagnetische Modellierung, einschließlich sowohl Ausbreitungsverluste als auch Kopplungseffekte, für eine zuverlässige Leistungsbewertung unerlässlich ist. Sie behaupten, dass ihr vorgeschlagenes Framework zeitliche und räumliche Ressourcen effektiv nutzt, um die Summenrate zu maximieren und gleichzeitig die Fairness gegenüber den Benutzern zu gewährleisten. Die Studie kommt zu dem Schluss, dass eine optimierte Ressourcenallokation und Planung größere Vorteile bietet als eine einfache Erhöhung der Sendeleistung, und liefert wertvolle Leitlinien für das Design flexibler Antennensysteme der nächsten Generation. Als zukünftige Arbeit wird vorgeschlagen, dieses Framework auf dynamische Szenarien zu erweitern, die Benutzerbeweglichkeit und koordinierte Mehrpunktübertragung umfassen.