🔢 mathematics

Maximizing Connectivity of Uplink RIS-Assisted UAV Networks

Este artículo propone un enfoque iterativo eficiente que optimiza conjuntamente el posicionamiento de los UAV, la partición de las RIS y la selección de enlaces para maximizar el valor de Fiedler de las redes de UAV asistidas por RIS en el enlace ascendente, satisfaciendo al mismo tiempo las restricciones de SINR.

Autores originales: Mohammed Saif, Shahrokh Valaee

Publicado 2026-06-11

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mohammed Saif, Shahrokh Valaee

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una ciudad bulliciosa donde un grupo de drones de entrega (UAV) intenta recibir paquetes de personas en el suelo (Equipo de Usuario). El problema es que los edificios altos y el mal tiempo a veces bloquean el camino directo entre las personas y los drones, lo que provoca la pérdida de conexiones.

Para solucionar esto, los investigadores de este artículo proponen el uso de un "espejo inteligente" en el costado de un edificio llamado Superficie Inteligente Reconfigurable (RIS). Este espejo puede captar señales del suelo y rebotarlas hacia los drones. Sin embargo, tener solo un espejo no es suficiente; es necesario determinar exactamente dónde deben volar los drones, cómo orientar el espejo y cómo dividir la superficie del espejo para atender a múltiples drones a la vez.

Aquí hay un desglose de su solución utilizando analogías sencillas:

1. El objetivo: Mantener al equipo conectado

Los investigadores quieren maximizar la conectividad de la red. Piensa en los drones y las personas como un equipo de excursionistas que intentan mantener el contacto por radio.

La métrica: Utilizan un concepto matemático llamado valor de Fiedler. Imagina que esto es una "puntuación de cohesión de equipo". Si la puntuación es alta, el equipo está estrechamente unido y todos pueden hablar con todos. Si la puntuación es cero, el equipo se divide en grupos aislados y la comunicación se rompe.
El desafío: Los drones pueden quedarse sin batería o estrellarse (fallar). El objetivo es organizar el sistema para que, incluso si un dron falla, el resto del equipo permanezca conectado.

2. El rompecabezas de tres partes

Los investigadores se dieron cuenta de que, para obtener la mayor "puntuación de cohesión de equipo", necesitan resolver tres cosas al mismo tiempo. Dividieron este rompecabezas masivo y difícil en tres pasos más pequeños que resuelven repetidamente hasta obtener el mejor resultado:

A. Elegir los mejores caminos (Selección de enlaces)

Imagina que el espejo inteligente es una intersección concurrida. Debes decidir qué persona en el suelo debe enviar una señal a qué dron.

La estrategia: En lugar de adivinar, utilizan un "método de perturbación". Piensa en ello como probar diferentes rutas de tráfico para ver cuál reduce más la congestión. Observan el mapa actual de conexiones y eligen el nuevo camino que aumentaría más la "puntuación de cohesión de equipo".

B. Dividir el espejo (Partición de la RIS)

Esta es la parte más creativa. Normalmente, un espejo refleja una señal hacia un solo lugar. Pero este artículo sugiere una partición virtual.

La analogía: Imagina que el espejo es una pizza grande. En lugar de darle la pizza entera a una persona hambrienta, la cortas en trozos.
- El Trozo A está angulado para rebotar una señal hacia el Dron 1.
- El Trozo B está angulado para rebotar una señal hacia el Dron 2.
La optimización: Los investigadores determinaron la forma matemática perfecta de cortar la pizza (asignar los elementos del espejo) para que cada dron reciba suficiente intensidad de señal para mantenerse conectado, sin que los trozos se vuelvan demasiado pequeños para ser útiles. Derivaron una fórmula específica para calcular exactamente qué tan grande debe ser cada trozo.

C. Volar los drones al lugar correcto (Posicionamiento de los UAV)

Incluso con un espejo perfecto, si los drones vuelan en el lugar equivocado, la señal será débil.

La estrategia: Tratan el cielo como una gigantesca cuadrícula 3D de posibles lugares de estacionamiento. Utilizan una herramienta matemática sofisticada (llamada Programación Semidefinida) para encontrar los mejores "lugares de estacionamiento" para los drones.
El resultado: Esto asegura que los drones estén posicionados donde puedan captar las señales más fuertes de los trozos del espejo, maximizando la fuerza general de la red.

3. Lo que mostraron las simulaciones

Los investigadores probaron su idea en una simulación por computadora que imitaba un entorno de ciudad real.

Más espejo = Mejor conexión: Encontraron que tener un espejo con más "baldosas" (elementos) mejoraba significamente la puntuación de conexión.
Vuelo inteligente vs. Vuelo aleatorio: Su método de colocar cuidadosamente los drones y dividir el espejo funcionó mucho mejor que simplemente hacer volar los drones al azar o usar el espejo para servir a un solo dron a la vez.
Manejo de errores: También probaron qué sucede si el sistema no conoce perfectamente la ubicación exacta de los drones (datos imperfectos). Encontraron que su sistema es bastante robusto; sigue funcionando bien incluso si los datos no son 100% perfectos, y solo empieza a tener dificultades si los errores se vuelven muy grandes.

Resumen

En resumen, este artículo presenta una receta para hacer que las redes de drones sean más confiables. En lugar de simplemente hacer volar los drones al azar o usar un espejo para una sola persona a la vez, proponen un sistema que:

Divide el espejo inteligente para servir a múltiples drones simultáneamente.
Calcula la ruta de vuelo perfecta para los drones.
Itera a través de estos pasos para asegurar que toda la red permanezca conectada, incluso si algunos drones fallan.

El resultado es una red más fuerte y resiliente donde el "equipo" se mantiene unido sin importar los obstáculos.

Resumen Técnico: Maximización de la Conectividad de Redes de UAV Asistidas por RIS en el Enlace Ascendente

Planteamiento del Problema
Este artículo aborda el desafío de maximizar la conectividad de red en redes de Vehículos Aéreos No Tripulados (UAV) asistidas por Superficies Inteligentes Reconfigurables (RIS) en el enlace ascendente. Si bien los UAV ofrecen un despliegue flexible para establecer enlaces de Línea de Visión (LoS) y extender la cobertura, son propensos a fallos debido a las limitaciones de energía. Los autores buscan mejorar la resiliencia y la conectividad de la red mediante la optimización conjunta de tres variables críticas:

Posicionamiento de los UAV: Determinación de las ubicaciones 3D óptimas para los UAV.
Partición de la RIS: División de una única RIS en múltiples secciones virtuales para dar servicio a diferentes UAV simultáneamente.
Selección de Enlaces: Elección de qué enlaces UE-RIS-UAV se deben establecer.

El objetivo es maximizar la conectividad algebraica de la red, cuantificada por el valor de Fiedler (el segundo autovalor más pequeño de la matriz Laplaciana del grafo), sujeto a restricciones de Relación Señal a Interferencia más Ruido (SINR) para los UAV individuales y límites de asignación de elementos de la RIS. Se identifica el problema como un desafío de optimización combinatoria computacionalmente costoso.

Metodología
Para resolver el problema de optimización no convexo y combinatorio, los autores proponen un marco de optimización iterativo que descompone el problema en tres subproblemas, resueltos secuencialmente hasta la convergencia:

Selección de Enlaces Asistida por RIS (Método de Perturbación):
En lugar de calcular repetidamente la conectividad algebraica, los autores proponen un método heurístico de baja complejidad basado en el vector de Fiedler del grafo original de la red. El método selecciona iterativamente los enlaces UE-RIS-UAV que producen el mayor incremento ponderado de la conectividad, definido por el producto de la fiabilidad del UAV y el cuadrado de la diferencia de las entradas del vector de Fiedler para los nodos conectados.
Optimización de la Partición de la RIS:
Para posiciones de UAV y selecciones de enlaces fijas, los autores derivan una solución en forma cerrada para los coeficientes de partición de la RIS ( $\alpha$ ). El enfoque asigna elementos de la RIS para maximizar la suma de la SINR de los nuevos enlaces, satisfaciendo al mismo tiempo los umbrales mínimos de SINR basados en la fiabilidad del UAV. Específicamente, al UAV más fiable se le asignan los elementos de la RIS restantes después de que los otros UAV reciban la asignación mínima requerida para cumplir con sus umbrales.
Optimización del Posicionamiento de los UAV:
Dado el enlace de selección y la partición de la RIS, el problema de posicionamiento de los UAV se reformula. Al discretizar el espacio de búsqueda en una cuadrícula, el problema se transforma en la selección de puntos de cuadrícula óptimos para los UAV. Esto se relaja posteriormente de un problema combinatorio binario a un problema convexo continuo, que luego se resuelve mediante un Programa Semidefinido (SDP) de baja complejidad utilizando solucionadores CVX estándar.

Contribuciones Clave

Marco de Optimización Conjunta: El artículo formula el problema de maximización de la conectividad de la red utilizando el valor de Fiedler, incorporando la asignación de elementos de la RIS y las restricciones de SINR influenciadas por la fiabilidad del UAV.
Algoritmo Iterativo: Se desarrolla una novedosa solución iterativa que combina un método de perturbación sensible a la conectividad para la selección de enlaces, una solución en forma cerrada para la partición de la RIS y un enfoque basado en SDP para el posicionamiento de los UAV.
Partición Virtual de la RIS para la Conectividad: A diferencia de trabajos previos que pueden usar la RIS para enlaces únicos o seguridad de capa física, este trabajo aprovecha la partición virtual de la RIS para establecer múltiples enlaces de comunicación simultáneos, mejorando así la eficiencia espacial y la conectividad de la red.
Solubilidad Eficiente: La transformación del subproblema de posicionamiento de los UAV en un SDP permite resolverlo eficientemente utilizando herramientas estándar, evitando la intratabilidad de la formulación combinatoria original.

Resultados de la Simulación
El esquema propuesto fue evaluado frente a tres referencias: una configuración de RIS de enlace único (utilizando toda la RIS para un solo enlace), un esquema sin RIS (inspirado en la literatura existente de posicionamiento de UAV) y el esquema propuesto con ubicaciones de UAV aleatorias.

Ganancias de Conectividad: El esquema de optimización conjunta propuesto superó consistentemente a los esquemas de referencia, particularmente en redes bien conectadas, al permitir que la RIS establezca múltiples enlaces y optimizar las posiciones de los UAV para mejorar la calidad del enlace.
Impacto de los Elementos de la RIS: Se demostró que aumentar el número de elementos de la RIS ( $N$ ) mejora la conectividad de la red al potenciar la calidad de los nuevos enlaces establecidos.
Redes Dispersas vs. Densas: En escenarios de red dispersos (umbrales de SINR altos), añadir más UAV no aumentó necesariamente la conectividad debido a fallos de enlace, mientras que el enfoque asistido por RIS propuesto mantuvo la robustez.
Imperfecciones de la CSI: Las simulaciones relativas a la información imperfecta del estado del canal (CSI) indicaron que, si bien el rendimiento se degrada a medida que aumenta la varianza del error de la CSI, la conectividad de la red permanece relativamente robusta ante imperfecciones moderadas.

Significancia
El artículo afirma que la solución iterativa propuesta demuestra ganancias significativas en la conectividad de la red en comparación con la literatura existente. Al integrar la partición virtual de la RIS con el posicionamiento de los UAV, el trabajo ofrece un enfoque práctico para mitigar los fallos de los UAV y extender la cobertura de servicio sin requerir despliegues de hardware adicionales. Los autores sugieren que el trabajo futuro podría explorar la programación de múltiples UEs transmisores a una sola RIS, yendo más allá de la restricción actual de asignar un solo UE por cada RIS.