⚡ electrical engineering

Fractional Doppler Effects on OTFS-NOMA HetNets with Mixed-Mobility Users

Este artículo investiga la degradación del rendimiento causada por la interferencia inter-Doppler inducida por el efecto Doppler fraccional en redes heterogéneas OTFS-NOMA con usuarios de movilidad mixta y demuestra que la optimización de la asignación de potencia de NOMA mitiga eficazmente estos efectos para mejorar la eficiencia espectral y la capacidad de usuario sin introducir nuevos algoritmos de detección.

Autores originales: Wafa Hedhly, Leila Musavian, Nikolaos Thomos

Publicado 2026-07-31

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Wafa Hedhly, Leila Musavian, Nikolaos Thomos

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 el mundo de la comunicación inalámbrica como una ciudad enorme y bulliciosa donde miles de millones de dispositivos intentan hablar entre sí al mismo tiempo. En esta ciudad, algunas personas caminan lentamente por el parque (usuarios de baja movilidad), mientras que otras pasan zumbando en trenes de alta velocidad o coches de carreras (usuarios de alta movilidad). El desafío para la red de comunicación de la ciudad es mantener a todos conectados sin que los que se mueven rápido causen un caos de ruido que ahogue a los que caminan despacio. Para manejar esto, los ingenieros están construyendo un nuevo tipo de "sistema de tráfico" para los datos llamado OTFS (Espacio de Tiempo de Frecuencia Ortogonal). Piensa en el OTFS como una cuadrícula súper organizada donde los datos se disponen como un tablero de ajedrez, lo que hace que sea mucho más difícil que la velocidad de un coche en movimiento desordene el mensaje. También están utilizando un truco ingenioso llamado NOMA (Acceso Múltiple No Ortogonal), que es como permitir que varias personas hablen en la misma habitación a la vez, pero con diferentes volúmenes para que un oyente inteligente pueda distinguir quién está diciendo qué.

Sin embargo, un problema escurridizo acecha en esta ciudad de alta velocidad. Cuando un coche se mueve, el sonido de su motor cambia de tono (el efecto Doppler). En el mundo digital, este cambio de tono suele aterrizar perfectamente en una nota específica de la escala musical. Pero a veces, el cambio cae entre dos notas. Esto se llama Doppler fraccional. Es como intentar tocar la tecla de un piano pero aterrizar con el dedo justo en el hueco entre dos teclas; el sonido sale turbio y crea una interferencia extraña llamada Interferencia de Doppler Intermedio (IDI). Este artículo pregunta: "¿Qué sucede con nuestra red multiusuario de alta velocidad cuando ocurre este problema de la 'nota turbia', y podemos solucionarlo ajustando el volumen de los altavoces?".

Los investigadores, Wafa Hedhly, Leila Musavian y Nikolaos Thomos, se propusieron investigar exactamente este escenario. Construyeron una simulación digital de una "red heterogénea" (HetNet), que es un término sofisticado para una red que mezcla grandes torres de macrocelda con picoceldas más pequeñas y locales para gestionar diferentes tipos de usuarios. En su modelo, colocaron a un usuario de movimiento rápido (como un tren) y a varios usuarios de movimiento lento (como peatones) en la misma área pequeña, utilizando la combinación OTFS-NOMA para permitirles compartir el mismo espacio de radio.

Lo que encontraron es que ignorar el problema de la "nota turbia" conduce a un malentendido de qué tan bien funciona la red. Cuando simularon el sistema sin tener en cuenta el Doppler fraccional, parecía excelente. Pero cuando activaron el realista efecto de la "nota turbia", el rendimiento del usuario de movimiento rápido cayó significamente. En sus simulaciones, con una potencia de señal de transmisión de 25 dB, este descuido causó una brecha de 0.8 b/s/Hz en la eficiencia espectral. Para ponerlo en perspectiva, esa es una porción masiva de capacidad de datos perdida, lo que significa que la red sería mucho más lenta y menos fiable de lo que los ingenieros podrían pensar si no verificaran este tipo de interferencia específico.

El artículo también exploró una "super-solución" donde el receptor sabe exactamente qué está haciendo el Doppler fraccional. Descubrieron que si el receptor tiene un conocimiento perfecto de estos parámetros desordenados, puede recuperar casi por completo el rendimiento perdido, actuando como unos auriculares con cancelación de ruido que saben exactamente qué sonido bloquear. Sin embargo, en el mundo real, a menudo no tenemos ese conocimiento perfecto.

Entonces, ¿cómo lo arreglamos cuando no tenemos un conocimiento perfecto? Los autores propusieron una forma ingeniosa de ajustar los "volúmenes" (asignación de potencia) de los diferentes usuarios. Crearon una estrategia de optimización que equilibra la potencia entregada al usuario de movimiento rápido frente a los de movimiento lento. Sus simulaciones mostraron que, al ajustar cuidadosamente este equilibrio —específicamente utilizando una herramienta matemática llamada regularización Lasso para asegurar la equidad—, podían dar servicio a más usuarios de movimiento lento sin colapsar por completo la conexión del usuario de movimiento rápido. Descubrieron que aumentar la potencia para el usuario rápido mejora su señal pero deja menos potencia para los usuarios lentos, y viceversa. Al encontrar el punto ideal, pudieron mejorar la equidad en la red, asegurando que más usuarios puedan hablar, incluso si eso significa que la señal del usuario rápido no sea tan fuerte como podría ser en un mundo perfecto.

En resumen, este artículo no inventa un nuevo tipo de onda de radio o un algoritmo de detección totalmente nuevo. En su lugar, pone el foco en un fallo específico y a menudo pasado por alto (el Doppler fraccional) que arruina la fiesta para las redes de alta velocidad. Demuestra que si se ignora este fallo, se está sobreestimando la velocidad de la red por un margen significativo. Si bien la "solución perfecta" requiere saber demasiado sobre el canal, el artículo sugiere que el control inteligente del volumen (asignación de potencia) es una forma práctica de mantener la fiesta en marcha, asegurando que tanto los coches de carreras como los peatones puedan mantenerse conectados en el caótico futuro de la tecnología 6G.

Resumen Técnico: Efectos Doppler Fraccionarios en Redes Heterogéneas (HetNets) OTFS-NOMA con Usuarios de Movilidad Mixta

Planteamiento del Problema
Las redes heterogéneas (HetNets) son fundamentales para satisfacer las demandas de rendimiento de las redes vehiculares de 6G, particularmente al dar cabida a usuarios con perfiles de movilidad mixta (Alta Movilidad [HM] y Baja Movilidad [LM]). Si bien la integración de la modulación de Espacio de Tiempo-Frecuencia Ortogonal (OTFS) y el Acceso Múltiple No Ortogonal (NOMA) ofrece una solución prometedora para la fiabilidad y la eficiencia espectral en tales entornos, la implementación práctica enfrenta un desafío significativo: el Doppler fraccionario.

En escenarios del mundo real, la frecuencia Doppler real a menudo no se alinea con la cuadrícula discreta del dominio de Retardo-Doppler (DD), lo que resulta en un desplazamiento fraccionario. Esta desalineación causa Interferencia Inter-Doppler (IDI), la cual degrada el rendimiento de la detección. La literatura existente sobre OTFS-NOMA asume mayoritariamente desplazamientos Doppler enteros ideales o se centra en la detección convencional sin cuantificar explícitamente el impacto del Doppler fraccionario y la IDI en el rendimiento del sistema, particularmente dentro de arquitecturas HetNet que involucran usuarios de movilidad mixta.

Metodología
Los autores proponen un marco de trabajo OTFS-NOMA para una HetNet compuesta por una Estación Base Macro (MBS) que coordina múltiples Estaciones Base Pico (PBS). El modelo del sistema incluye:

Distribución de Usuarios: Coexisten usuarios HM (ej. vehículos) y usuarios LM (ej. peatones) dentro de la misma celda pico. Los usuarios HM utilizan la modulación OTFS en el dominio DD para gestionar altos desplazamientos Doppler, mientras que los usuarios LM se integran en el dominio de Tiempo-Frecuencia (TF).
Modelo de Señal: La señal recibida en el usuario HM se descompone en un componente libre de IDI (trayectoria dominante) y un componente de IDI (interferencia de los tap de Doppler vecinos) causado por desplazamientos fraccionarios.
Enfoques de Detección: El artículo analiza dos escenarios de detección utilizando detectores de Error Cuadrático Medio Mínimo (MMSE):
1. Conocimiento Parcial: El receptor desconoce los parámetros de Doppler fraccionario ( $\kappa$ ) y el número de subtrayectorias ( $N$ ), tratando la IDI como interferencia desconocida.
2. Conocimiento Total: El receptor posee Información de Estado del Canal (CSI) completa, incluyendo los parámetros de Doppler fraccionario, lo que permite una matriz de "detección total" que tiene en cuenta la IDI.
Optimización: Se desarrolla un marco de asignación de recursos para optimizar los factores de asignación de potencia de NOMA ( $\beta$ ). El objetivo es maximizar la Relación Señal-Ruido (SNR) del usuario HM garantizando un requisito mínimo de tasa de suma para los usuarios LM. Los autores emplean la regularización Lasso para controlar la distribución de recursos entre los usuarios LM, promoviendo la equidad.

Contribuciones Clave

Marco de Trabajo HetNet: El artículo propone el primer marco de trabajo OTFS-NOMA diseñado específicamente para HetNets con usuarios de movilidad mixta, detallando las estrategias de partición de ancho de banda y asignación de usuarios entre MBS y PBS.
Análisis de Doppler Fraccionario: Investiga, por primera vez en este contexto, el impacto específico del Doppler fraccionario y la IDI en sistemas OTFS-NOMA HetNets. Los autores cuantifican la degradación de rendimiento resultante bajo condiciones de movilidad mixta, distinguiendo entre señales libres de IDI y afectadas por IDI.
Detección y Derivación de SNR: Se proponen dos enfoques de detección basados en la disponibilidad de información de canal. Los autores derivan expresiones de forma cerrada para la SNR en el lado HM para ambos métodos de detección, así como la tasa de suma para los usuarios LM tras la Cancelación de Interferencia Sucesiva (SIC).
Optimización de la Asignación de Potencia: Se formula un problema de optimización para maximizar la SNR de HM sujeto a restricciones de tasa de suma de LM. La solución utiliza la regularización Lasso para equilibrar la equidad de los usuarios y la distribución de recursos, proporcionando un algoritmo para determinar iterativamente los factores de potencia óptimos.
Evaluación de Desempeño: Simulaciones extensas evalúan la eficiencia espectral del sistema, la función de densidad de probabilidad (PDF) de la SNR de detección y el número promedio de usuarios LM atendidos.

Resultados

Impacto de la IDI: Las simulaciones validan que el Doppler fraccionario degrada significamente el rendimiento del sistema. Con una SNR de transmisión de 25 dB, omitir la IDI conduce a una sobreestimación de la eficiencia espectral de aproximadamente 0.8 b/s/Hz.
Capacidades de Detección: El esquema de "detección total" (donde se conocen los parámetros de Doppler fraccionario) recupera niveles de rendimiento comparables a un sistema ideal sin IDI, demostrando que la estimación precisa del canal puede mitigar los efectos de la IDI.
Sensibilidad de Subtrayectorias: El rendimiento del sistema bajo IDI disminuye ligeramente a medida que aumenta el número de subtrayectorias ( $N_0$ ), estabilizándose en valores más altos.
Compromisos de Asignación de Potencia: Aumentar el factor de asignación de potencia para los usuarios HM mejora su SNR pero reduce la SNR para los usuarios LM. Sin embargo, el marco de optimización propuesto equilibra eficazmente este compromiso.
Equidad y Regularización: La introducción del parámetro de regularización Lasso ( $\lambda_L$ o $\epsilon$ ) mejora significamente la equidad. Aumentar este parámetro incrementa la probabilidad de atender un mayor número de usuarios LM, evitando que la optimización asigne recursos solo a un pequeño subconjunto de usuarios con las mejores condiciones de canal.

Significancia y Reivindicaciones
Los autores declaran explícitamente que el objetivo principal de este trabajo no es proponer nuevos algoritmos de detección para OTFS ni mejorar el esquema de modulación en sí mismo. En su lugar, la significancia radica en:

Cuantificación de la Pérdida de Rendimiento: Proporcionar un análisis riguroso y una cuantificación de la degradación del rendimiento causada por el Doppler fraccionario en sistemas OTFS-NOMA, un factor que suele pasarse por alto en estudios previos.
Perspectivas Prácticas: Demostrar el papel crítico de la asignación de potencia para mitigar los efectos de la IDI en términos de eficiencia espectral y el número de usuarios atendidos.
Marco para Movilidad Mixta: Establecer una línea base para comprender la interacción entre el Doppler fraccionario, la IDI y los parámetros de NOMA en escenarios de redes HetNet de alta movilidad, tales como autopistas, ferrocarriles de alta velocidad y Redes Integradas Espacio-Aire-Tierra (SAGIN).

El artículo concluye que, si bien el Doppler fraccionario representa un desafío significativo, la optimización propuesta de la asignación de potencia de NOMA puede gestionar eficazmente los compromisos, asegurando la equidad del sistema y la eficiencia sin requerir el conocimiento previo de los valores exactos de Doppler fraccionario para el proceso de optimización en sí mismo.

Más como este