⚡ electrical engineering

Energy Efficient Multi-User Beamforming and 3D Position Optimization for SIM-Assisted UAVs

Este artículo propone un marco de optimización conjunta, eficiente en energía y consciente del hardware para UAVs asistidos por SIM que diseña simultáneamente precodificadores digitales, desfases de metasuperficies en cascada y posicionamiento 3D de UAV mediante un algoritmo de optimización alternante basado en transformadas para superar significativamente los esquemas de referencia convencionales.

Autores originales: Chandan Kumar Sheemar, Giovanni Iacovelli, Sourabh Solanki, Wali Ullah Khan, George C. Alexandropoulos, Symeon Chatzinotas

Publicado 2026-08-17

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Chandan Kumar Sheemar, Giovanni Iacovelli, Sourabh Solanki, Wali Ullah Khan, George C. Alexandropoulos, Symeon Chatzinotas

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 que el cielo sobre nosotros está a punto de volverse mucho más inteligente. Durante años, hemos dependido de torres de telefonía móvil clavadas en el suelo para emitir nuestro internet, pero estas tienen dificultades para llegar a todo el mundo, especialmente en lugares concurridos o durante emergencias. Entra en escena el Vehículo Aéreo No Tripulado, o UAV, un nombre elegante para un dron que puede volar justo donde se necesita, actuando como una torre de telefonía móvil voladora. Pero hay un inconveniente: los drones son pequeños, funcionan con baterías y cargar con equipos pesados y que consumen mucha energía es una receta para un tiempo de vuelo corto. Para lograr que estos ayudantes voladores duren más y funcionen mejor, los científicos están investigando una nueva forma de manejar las ondas de radio. En lugar de usar computadoras masivas que devoran energía para procesar cada señal, están experimentando con las "Superficies Meta Inteligentes Apiladas" (SIM, por sus siglas en inglés). Piensa en una SIM no como un chip de computadora, sino como una pila de hojas mágicas y ultra delgadas. Así como un prisma puede desviar la luz para crear un arcoíris, estas hojas pueden desviar y dar forma a las ondas de radio invisibles con casi nada de electricidad. Al apilar estas hojas, el dron puede dirigir su señal como un puntero láser sin necesidad de un motor gigante y pesado para hacer el trabajo. La gran pregunta que se hacen los investigadores es: ¿Cómo podemos hacer volar estos drones, sintonizar estas hojas mágicas y apuntar sus señales, todo al mismo tiempo, para obtener la mayor cantidad de datos posible utilizando la menor cantidad de energía de la batería?

Este artículo profundiza en ese enigma exacto, proponiendo un ingenioso "diseño conjunto" para un dron equipado con estas hojas inteligentes apiladas. Los autores, un equipo de ingenieros y matemáticos, crearon una receta matemática para determinar las tres cosas perfectas al mismo tiempo: dónde debe flotar el dron en el espacio 3D, cómo dirigir sus señales digitales y cómo ajustar la "fase" (el tiempo) de cada uno de los diminutos elementos en las hojas apiladas. Lo llaman un enfoque de "eficiencia energética" porque no solo intentan obtener la velocidad más alta; intentan obtener la mayor cantidad de bits de datos por cada gota de energía que consume el dron.

Los investigadores descubrieron que su nuevo método cambia las reglas del juego en comparación con las formas antiguas de hacer las cosas. En sus simulaciones por computadora, compararon su diseño conjunto e inteligente contra otros dos métodos: un sistema "totalmente digital" (que utiliza una cadena de radio separada, pesada y que consume mucha energía para cada antena, como tener un motor separado para cada rueda de un coche) y un método más simple de "Transmisión de Relación Máxima" (MRT) (que es como gritar en todas direcciones esperando que alguien te escuche). Los resultados mostraron que el diseño asistido por SIM propuesto era significativamente más eficiente energéticamente. Por ejemplo, en un escenario con 4 usuarios y un tamaño específico de SIM, su método logró aproximadamente 5.4 × 10⁷ bits por Julio, mientras que el pesado método "totalmente digital" solo logró unos 3.4 × 10⁷ bits por Julio. ¡Eso es una ganancia de aproximadamente un 58% en eficiencia! Aún más sorprendente, el método MRT más simple funcionó terriblemente, manteniéndose por debajo de 1 × 10⁷ bits por Julio, lo que significa que el nuevo diseño fue más de siete veces más eficiente que el enfoque básico.

Sin embargo, el artículo también revela algunas reglas importantes de "depende". Los autores descubrieron que el simple hecho de hacer la antena del dron más grande o de apilar más capas de estas hojas inteligentes no siempre lo hace más eficiente. De hecho, si sigues añadiendo capas o elementos, la electricidad adicional necesaria para controlarlos puede, de hecho, comerse los beneficios, haciendo que la eficiencia general caiga. Del mismo modo, aumentar la potencia de transmisión ayuda hasta cierto punto (alrededor de 30 dBm en sus pruebas), pero después de eso, la potencia adicional solo crea interferencia y desperdicia la batería sin darte muchos más datos. El artículo sugiere que el punto ideal es un enfoque equilibrado: un dron flotando a la altura adecuada, utilizando un número moderado de capas inteligentes y apuntando sus señales con precisión. Al resolver este complejo problema matemático, los autores demostraron que podemos crear redes voladoras del futuro que no solo sean potentes, sino también amigables con la batería, manteniendo nuestros drones más tiempo en el cielo y nuestras conexiones más fuertes.

Resumen Técnico: Formación de Haz Multiusuario Eficiente en Energía y Optimización de Posición 3D para UAVs Asistidos por SIM

Planteamiento del Problema
Este artículo aborda el desafío de las comunicaciones descendentes (downlink) multiusuario eficientes en energía (EE) en sistemas de Vehículos Aéreos No Tripulados (UAV). Aunque los UAV ofrecen un despliegue flexible y una fuerte conectividad de línea de vista, equiparlos con arquitecturas de formación de haz totalmente digitales suele ser impráctico debido a la alta complejidad de hardware, el consumo de energía y el peso de la carga útil asociados con el requerimiento de una cadena de radiofrecuencia (RF) dedicada por cada elemento de antena. Para mitigar estas limitaciones, los autores investigan una arquitectura híbrida donde el UAV está equipado con Superficies Inteligentes Apiladas (SIM). A diferencia de las Superficies Inteligentes Reconfigurables (RIS) de capa única que solo aplican desplazamientos de fase elemento por elemento, las SIM utilizan múltiples capas de metasuperficies en cascada para realizar la formación de haz analógica en el dominio de la onda. Esto permite un procesamiento de señales complejo directamente en el dominio electromagnético, reduciendo drásticamente el número de cadenas de RF requeridas.

El problema central formulado es la optimización conjunta de tres variables acopladas para maximizar la Eficiencia Energética del sistema (definida como la relación entre la tasa de suma alcanzable y el consumo total de potencia):

Precodificador Digital: La matriz de formación de haz digital de baja dimensión en las cadenas de RF.
Desplazamientos de Fase de la SIM: Los desplazamientos de fase controlables a través de todas las capas de la metasuperficie apilada.
Posición 3D del UAV: Las coordenadas espaciales del UAV.

El problema está sujeto a restricciones de potencia de transmisión, restricciones de módulo unitario en los elementos pasivos de la metasuperficie y regiones de despliegue del UAV. El problema es altamente no convexo debido a la función objetivo fraccionaria, la naturaleza en cascada del canal SIM, la dependencia no lineal del canal respecto a la posición del UAV y las restricciones de módulo unitario no convexas.

Metodología
Para resolver este desafiante problema no convexo, los autores proponen un marco de optimización alternante basado en transformaciones. La metodología procede de la siguiente manera:

Reformulación de Programación Fraccionaria: La función objetivo fraccionaria de EE se convierte en una forma sustractiva utilizando el método de Dinkelbach. Se introduce un parámetro auxiliar para actualizar iterativamente el valor de la EE.
Transformación de Variables Auxiliares: Para manejar la tasa de suma logarítmica no cóncava y los términos de la relación señal a interferencia más ruido (SINR), los autores emplean transformaciones duales y cuadráticas. Esto introduce variables auxiliares ( $\alpha_k$ y $y_k$ ) que desacoplan los términos de SINR, transformando la función objetivo en una forma susceptible de optimización por bloques.
Actualización del Formador de Haz Digital: Con las fases de la SIM y la posición del UAV fijas, el precodificador digital se actualiza resolviendo un programa cuadrático convexo. La solución óptima se deriva en forma cerrada utilizando las condiciones de Karush-Kuhn-Tucker (KKT), empleando una búsqueda por bisección para satisfacer la restricción de potencia de transmisión.
Optimización de la Fase de la SIM: La optimación de los desplazamientos de fase de la SIM, sujetos a restricciones de módulo unitario, se realiza mediante el ascenso en variedades de Riemann (Riemannian manifold ascent). El conjunto factible se trata como una variedad de producto de círculos unitarios complejos. El algoritmo calcula el gradiente euclidiano, lo proyecta en el espacio tangente de la variedad y actualiza las fases mediante un operador de retracción para mantener la magnitud unitaria.
Optimización de la Posición del UAV: La posición del UAV se actualiza utilizando la Aproximación Convexa Sucesiva (SCA). Se construye una función subrogada cóncava alrededor de la posición actual basada en gradientes de canal derivados analíticamente. La posición se actualiza mediante un paso de ascenso de gradiente proyectado dentro de la región de despliegue factible.

El algoritmo general itera entre estos bloques hasta la convergencia, con un análisis teórico que confirma la mejora monotónica de la función objetivo transformada y la convergencia a una solución estacionaria.

Contribuciones Clave

Marco Unificado: El artículo desarrolla un marco de optimización unificado específicamente para sistemas de downlink de UAV asistidos por SIM, optimizando conjuntamente la precodificación digital, los desplazamientos de fase en cascada de la SIM y el posicionamiento 3D del UAV bajo un modelo de potencia consciente del hardware.
Maximización de EE Consciente del Hardware: A diferencia de trabajos previos centrados únicamente en la eficiencia espectral o la tasa de suma, este trabajo formula un problema de maximización de EE que contabiliza explícitamente la potencia de la cadena de RF, el procesamiento de banda base, la potencia de control elemento por elemento de la SIM y las restricciones de propulsión del UAV.
Innovación Algorítmica: Los autores proponen un enfoque algorítmico novedoso que combina el método de Dinkelbach, transformaciones duales/cuadráticas, optimización de variedad de Riemann y SCA para abordar las no convexidades específicas introducidas por la arquitectura SIM y la movilidad del UAV.
Análisis de Desempeño: El estudio proporciona análisis de convergencia y complejidad, caracterizando el costo computacional del algoritmo propuesto.

Resultados Numéricos
Los resultados de las simulaciones, realizadas a 28 GHz con canales de desvanecimiento Rician, comparan el diseño conjunto propuesto contra dos puntos de referencia: un esquema Totalmente Digital (FD) y un esquema de Transmisión de Máxima Relación asistido por SIM (SIM-MRT).

Eficiencia Energética: El esquema propuesto supera significativamente a ambos puntos de referencia. Para un sistema con $M=36$ elementos y 4 usuarios, el método propuesto logra aproximadamente un 58% más de EE que el esquema FD y más del 700% más que el esquema SIM-MRT a una potencia de transmisión de 30 dBm.
Compromisos de Tasa de Suma: Aunque el esquema FD logra la mayor tasa de suma absoluta, la arquitectura basada en SIM propuesta ofrece un compromiso favorable, logrando tasas de suma competitivas con una complejidad de hardware y un consumo de energía significativamente menores. El esquema SIM-MRT tiene un desempeño deficiente en escenarios multiusuario debido a su incapacidad para gestionar la interferencia entre usuarios.
Sensibilidad de Parámetros:
- Potencia de Transmisión: La EE aumenta con la potencia hasta un punto de saturación (alrededor de 30 dBm), tras el cual declina debido a las ganancias de tasa decrecientes en relación con el consumo de potencia.
- Tamaño de la SIM ( $M$ ): Aumentar el número de elementos mejora la ganancia de formación de haz pero aumenta la potencia del circuito. El esquema propuesto escala de manera más favorable que el esquema FD a medida que $M$ aumenta, mientras que la EE del esquema FD se degrada drásticamente debido al aumento lineal de la potencia de la cadena de RF.
- Número de Capas ( $L$ ): Aumentar el número de capas de la SIM no siempre mejora la EE. Más allá de cierto punto (por ejemplo, $L > 2$ ), las ganancias adicionales de procesamiento en el dominio de la onda se ven compensadas por el aumento de la potencia de control/hardware y las pérdidas de propagación a través de la pila.

Significancia y Afirmaciones
El artículo afirma que el diseño conjunto propuesto cierra eficazmente la brecha entre los diseños de baja complejidad y los sistemas totalmente digitales. Al aprovechar las capacidades de procesamiento en el dominio de la onda de las SIM, la arquitectura reduce el número de cadenas de RF requeridas manteniendo una alta flexibilidad de formación de haz. Los resultados demuestran que lograr una alta eficiencia energética en sistemas UAV requiere un equilibrio cuidadoso entre los grados de libertad espaciales, la complejidad del hardware y el consumo de energía. El estudio destaca que aumentar simplemente la potencia de transmisión o apilar más capas de metasuperficie no garantiza una mejor EE; en cambio, es esencial una optimación holística del precodificador digital, la configuración de la SIM y la trayectoria del UAV. El trabajo establece que las arquitecturas basadas en SIM son particularmente adecuadas para plataformas aéreas con restricciones de energía, tamaño, peso y potencia críticas.

Más como este