⚡ ingeniería eléctrica

Parallax-aware and MAB-empowered Beam Training for Modular XL-MIMO Systems

Este artículo propone un esquema de entrenamiento de haces consciente de la paralaje y potenciado por bandidos multibrazo para sistemas XL-MIMO modulares que combina sinérgicamente actualizaciones de código adaptativas con una estrategia de muestreo de Thompson exponencial codiciosa para comprimir dinámicamente el espacio de acciones y optimizar la selección de haces, logrando así ganancias sustanciales en la eficiencia espectral efectiva con una sobrecarga de entrenamiento significativamente reducida en entornos híbridos de campo cercano y lejano.

Autores originales: Chuanpeng Xu, Huibin Liang, Yunchao Song, Chen Liu, Yusong Wang

Publicado 2026-10-27

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Chuanpeng Xu, Huibin Liang, Yunchao Song, Chen Liu, Yusong Wang

Artículo original bajo licencia CC BY 4.0 (https://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

En la carrera por construir la próxima generación de redes inalámbricas, los ingenieros están impulsando las antenas para que sean más grandes y potentes que nunca. Imagine una pared de antenas de radio que se extiende por metros, repleta de cientos de diminutos elementos. Esta escala masiva permite que las señales viajen más lejos y transporten más datos, pero crea un problema complicado: el entorno alrededor de estas antenas no es uniforme. Algunas señales rebotan en objetos cercanos, comportándose como ondas que se propagan desde una piedra lanzada a un estanque, mientras que otras viajan desde lejos, llegando como ondas planas y paralelas. Debido a que la pared de antenas es tan ancha, percibe estos dos tipos de ondas al mismo tiempo, y la mejor manera de captar una señal cambia dependiendo de exactamente dónde se encuentre el usuario. Si el sistema intenta adivinar la dirección correcta probando cada una de las posibilidades, desperdicia tanto tiempo y energía que la transmisión de datos real se ralentiza hasta el punto de casi detenerse.

Para resolver esto, investigadores de la Universidad de Post y Telecomunicaciones de Nanjing han desarrollado una forma más inteligente de encontrar la mejor trayectoria de señal sin perder tiempo en callejones sin salida. Crearon un sistema que actúa como un guía experimentado que aprende el terreno mientras camina. En lugar de comprobar ciegamente cada esquina de la pared de antenas, el sistema primero construye un mapa basado en la disposición física del hardware. Comprende que, debido a que la pared de antenas es tan grande, el ángulo necesario para golpear un objeto cercano se ve diferente desde un extremo de la pared hasta el otro, un fenómeno conocido como paralaje. Al tener en cuenta este desplazamiento, el sistema crea una lista inicial de direcciones probables que cubre el área sin dejar huecos.

Una vez que este mapa inicial está listo, el sistema comienza a aprender. Prueba algunas direcciones y escucha la retroalimentación del dispositivo del usuario. Si una dirección produce una señal fuerte, el sistema la recuerda. Si una dirección es solo ruido, la marca como inútil. Los investigadores utilizaron un método de aprendizaje inspirado en cómo un jugador podría elegir qué máquina tragamonedas jugar, equilibrando la necesidad de probar nuevas opciones con el deseo de aferrarse a lo que ya se sabe que funciona bien. A medida que el sistema recopila más datos, detecta cuándo ha encontrado un patrón estable. En ese punto, realiza un truco ingenioso: toma las direcciones exitosas encontradas en una parte de la pared de antenas y las proyecta sobre las otras partes, ajustándolas según la distancia física entre ellas. Esto permite que el sistema sepa instantáneamente qué direcciones son prometedoras para toda la pared, en lugar de probarlas una por una.

Para asegurar que no pierde tiempo en espacios vacíos, el sistema también realiza una comprobación estadística para confirmar si una señal es real o simplemente estática aleatoria. Si se confirma que una dirección está vacía, el sistema la elimina de su lista de opciones por completo. Este proceso de podar la lista de posibilidades ocurre continuamente, reduciendo el espacio de búsqueda hasta que el sistema solo observa las rutas más prometedoras. En simulaciones por computadora, este enfoque demostró ser altamente eficiente. El sistema alcanzó su mejor rendimiento mucho más rápido que los métodos anteriores y mantuvo una alta tasa de transferencia de datos incluso cuando la señal tenía que viajar a través de entornos complejos con muchas trayectorias de rebote. Al combinar una comprensión física de la forma de la antena con un algoritmo de aprendizaje que se adapta en tiempo real, los investigadores demostraron que es posible obtener toda la potencia de estas enormes matrices de antenas sin el alto costo de una búsqueda exhaustiva y constante.

Resumen Técnico: Entrenamiento de Haz con Conciencia de Paralaje y Potenciado por MAB para Sistemas XL-MIMO Modulares

Planteamiento del Problema
El artículo aborda el desafío del entrenamiento de haces en sistemas Modular Extremely Large-Scale MIMO (XL-MIMO) que operan en entornos híbridos de campo cercano y lejano. A medida que las aperturas de la matriz aumentan, la distancia de Rayleigh se extiende significamente, causando que los usuarios y los dispersores existan simultáneamente en regiones de campo cercano (onda esférica) y de campo lejano (onda plana). Esta propagación de campo híbrido introduce una severa no estacionariedad espacial y efectos de paralaje, donde las direcciones óptimas de los haces varían de forma no lineal a través de diferentes subarreglos.

El entrenamiento de haces centralizado convencional depende de la Información del Estado del Canal (CSI) instantánea de dimensión completa, lo que resulta en una sobrecarga de pilotos prohibitiva y vulnerabilidad ante las fluctuaciones del canal. Aunque la CSI estadística (S-CSI) y las arquitecturas de subarreglo parcialmente conectadas ofrecen alivio en cuanto a hardware y complejidad, los métodos existentes suelen depender de codebooks estáticos o patrones de activación predefinidos. Estos enfoques luchan contra canales espacialmente no estacionarios y dinámicos, lo que conduce a una exploración ciega prolongada y una convergencia lenta. Además, la aplicación directa de marcos de Multi-Armed Bandit (MAB) estándar a XL-MIMO se ve dificultada por la "maldición de la dimensionalidad", ya que los espacios de acción estáticos impiden la poda eficiente de sectores que solo contienen ruido.

Metodología
Los autores proponen un marco de sinergia de bucle cerrado que integra una Mecanismo de Actualización de Codebook Adaptativo con aprendizaje en línea potenciado por MAB. El esquema opera dentro de una matriz Modular Extremely Large Aperture Array (M-ELAA) que consta de $N$ subarreglos, cada uno con $M$ antenas.

Codebook Inicial con Conciencia de Paralaje (PA):
Para abordar la no estacionariedad espacial, los autores derivan una definición matemática para la redundancia del índice del haz basada en el desplazamiento del subarreglo y la distancia de potencia uniforme. Esto permite la construcción de un codebook inicial que asegura una cobertura espacial completa mediante la adición de un solapamiento angular preciso entre subarreglos adyacentes, eliminando los puntos ciegos causados por el efecto de paralaje.
Detección de Estado Estacionario y Actualización Dinámica del Codebook:
El sistema monitorea el proceso de entrenamiento de haces utilizando un criterio de correlación de Cuantil-Cuantil (Q-Q) empírico para detectar estados estacionarios estadísticos. Una vez alcanzada la convergencia, el sistema activa una proyección geométrica entre subarreglos.
- Proyección Geométrica: Los haces de alta ganancia validados de un subarreglo se proyectan sobre otros subarreglos utilizando gradientes de frecuencia espacial. Esto tiene en cuenta tanto los extremos de campo lejano (planar) como de campo cercano (esférico) para definir un intervalo candidato.
- Poda por Razón de Verosimilitud (LR): Para evitar que el conjunto de candidatos se expanda con palabras de código de baja ganancia o de puro ruido, se aplica una prueba de Razón de Verosimilitud para la detección de potencia cero. Los haces identificados como puro ruido son podados, comprimiendo dinámicamente el espacio de acción.
Entrenamiento de Haz Potenciado por MAB (G-Exp-TS):
Dentro del espacio de acción comprimido y adaptativo, el proceso de selección de haces se formula como un problema de MAB. El objetivo es maximizar la Eficiencia Espectral Efectiva (ESE) a largo plazo.
- Modelado de Recompensa: Se modela la potencia de la señal recibida siguiendo una distribución exponencial.
- Estrategia G-Exp-TS: Los autores proponen una estrategia de Thompson Sampling Exponencial Codicioso (G-Exp-TS). Este enfoque equilibra la exploración y la explotación mediante el muestreo de la distribución posterior exponencial de la potencia recibida.
- Optimización: La selección de haces se plantea como un problema de programación entera 0-1 para seleccionar el subconjunto óptimo de palabras de código (super brazo) que maximice la ESE promedio a largo plazo, sujeto a un presupuesto de sobrecarga de entrenamiento.

Contribuciones Clave

Marco de Sinergia de Bucle Cerrado: El artículo introduce un marco que integra fundamentalmente la actualización adaptativa del codebook con el aprendizaje MAB. A diferencia de los enfoques estáticos, este esquema convierte los priors geométricos en regiones de búsqueda de candidatos dinámicas y utiliza la retroalimentación estadística para podar el codebook en tiempo real, evitando la exploración redundante en sectores de ruido.
Inicialización con Conciencia de Paralaje y Poda Dinámica: Los autores derivan una definición rigurosa para la redundancia del índice del haz para construir un codebook inicial PA. Además, introducen un mecanismo de detección de estado estacionario basado en la correlación Q-Q y un método de proyección geométrica acoplado con una prueba LR. Esto logra una reducción sustancial de la dimensionalidad del codebook al eliminar dinámicamente los sectores inválidos sin requerir CSI explícita.
Optimización G-Exp-TS: El proceso de entrenamiento de haces se transforma en un problema de programación entera 0-1. La estrategia G-Exp-TS propuesta aprovecha la distribución posterior exponencial de la potencia de la señal para equilibrar de manera óptima la exploración y la explotación, maximizando la ESE a largo plazo.

Resultados de la Simulación
Se realizaron simulaciones numéricas para un sistema con $N=8$ módulos, $M=32$ antenas por módulo, y una frecuencia portadora de 100 GHz. El esquema propuesto (G-Exp-TS BT) se comparó contra las líneas base TH BT, Dual-UCB BT e Hybrid BT.

Convergencia: El esquema propuesto demostró una convergencia rápida hacia un estado estacionario estable. La ESE aumentó durante la fase de exploración y se estabilizó rápidamente debido a la poda efectiva de los candidatos dominados por ruido.
Desempeño vs. SNR: A través de varios niveles de Relación Señal-Ruido (SNR) y números de clústeres de dispersión ( $L=1, 3$ ), el esquema propuesto logró consistentemente una ESE más alta que todos los esquemas de referencia.
Eficiencia de Sobrecarga: A diferencia de los esquemas de referencia que exhibieron una tendencia en forma de U invertida (donde el exceso de sobrecarga provocaba degradación del desempeño debido a la sobre-exploración), el esquema propuesto alcanzó la ESE máxima con un presupuesto de sobrecarga mínimo. La compresión dinámica del codebook aseguró que, incluso con un gran presupuesto asignado, la sobrecarga de entrenamiento real permaneciera limitada al número de palabras de código válidas, evitando penalizaciones de fracción de tiempo.
Robustez: El esquema mantuvo un desempeño robusto a través de diferentes condiciones de multipatía y regímenes de SNR, identificando eficazmente las rutas dominantes de campo híbrido.

Significancia
El artículo afirma que el esquema propuesto mejora fundamentalmente la eficiencia del entrenamiento de haces en sistemas XL-MIMO modulares. Al sinergizar los priors geométricos con el aprendizaje en línea, el método evita la sobrecarga prohibitiva del barrido exhaustivo tradicional y la convergencia lenta de los enfoques MAB estáticos. La capacidad de comprimir dinámicamente el espacio de acción sin CSI explícita permite que el sistema reduzca significativamente la sobrecarga de pilotos mientras maximiza la Eficiencia Espectral Efectiva. Los autores concluyen que este enfoque proporciona una solución práctica para los desafíos del campo híbrido inherentes a las futuras redes 6G, ofreciendo una alternativa robusta a las estrategias de entrenamiento de haces rígidas y predefinidas.

Más como este