⚡ electrical engineering

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

Cet article propose un cadre d'optimisation conjointe, économe en énergie et sensible au matériel, pour les drones assistés par SIM qui conçoit simultanément les précodeurs numériques, les déphasages de la métasurface en cascade et le positionnement 3D du drone à l'aide d'un algorithme d'optimisation alternée basé sur une transformation, surpassant de manière significative les schémas de référence conventionnels.

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

Publié 2026-08-17

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

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

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que le ciel au-dessus de nous soit sur le point de devenir beaucoup plus intelligent. Pendant des années, nous nous sommes appuyés sur des tours cellulaires ancrées au sol pour diffuser notre Internet, mais elles ont du mal à atteindre tout le monde, surtout dans les endroits bondés ou lors d'urgences. Entrez en scène le Véhicule Aérien Sans Pilote, ou UAV — un nom sophistiqué pour un drone qui peut voler exactement là où il est nécessaire, agissant comme une tour cellulaire volante. Mais il y a un piège : les drones sont petits, fonctionnent sur batterie, et transporter des équipements lourds et gourmands en énergie est une recette pour une autonomie de vol réduite. Pour que ces assistants volants durent plus longtemps et fonctionnent mieux, les scientifiques explorent une nouvelle façon de gérer les ondes radio. Au lieu d'utiliser des ordinateurs massifs et énergivores pour traiter chaque signal, ils expérimentent les « Surfaces Métamatériaux Intelligentes Empilées » (SIM). Imaginez une SIM non pas comme une puce informatique, mais comme un empilement de feuilles magiques, ultra-fines. Tout comme un prisme peut décomposer la lumière en un arc-en-ciel, ces feuilles peuvent courber et façonner les ondes radio invisibles avec presque aucune électricité. En empilant ces feuilles, le drone peut diriger son signal comme un pointeur laser sans avoir besoin d'un moteur géant et lourd pour faire le travail. La grande question que se posent les chercheurs est la suivante : comment pouvons-nous faire voler ces drones, accorder ces feuilles magiques et orienter leurs signaux tout à la fois pour obtenir le maximum de données possible tout en utilisant le moins d'énergie possible ?

Cet article plonge dans ce puzzle exact, proposant une « conception conjointe » astucieuse pour un drone équipé de ces feuilles intelligentes empilées. Les auteurs, une équipe d'ingénieurs et de mathématiciens, ont créé une recette mathématique pour déterminer simultanément les trois éléments parfaits : où le drone doit planer dans l'espace 3D, comment diriger ses signaux numériques, et comment ajuster la « phase » (le timing) de chaque minuscule élément sur les feuilles empilées. Ils appellent cela une approche « économe en énergie » car ils ne cherchent pas seulement la vitesse la plus rapide ; ils cherchent à obtenir le plus de bits de données pour chaque goutte d'énergie consommée par le drone.

Les chercheurs ont découvert que leur nouvelle méthode change la donne par rapport aux anciennes méthodes. Dans leurs simulations informatiques, ils ont comparé leur conception conjointe intelligente contre deux autres méthodes : un système « entièrement numérique » (qui utilise une chaîne radio distincte, lourde et gourmande en énergie pour chaque antenne, comme si chaque roue d'une voiture avait son propre moteur) et une méthode plus simple de « Transmission à Rapport Maximum » (MRT) (qui revient à crier dans toutes les directions en espérant que quelqu'un entende). Les résultats ont montré que la conception assistée par SIM proposée était nettement plus efficace sur le plan énergétique. Par exemple, dans un scénario avec 4 utilisateurs et une taille de SIM spécifique, leur méthode a atteint environ 5,4 × 10⁷ bits par Joule, tandis que la lourde méthode « entièrement numérique » n'a réussi qu'environ 3,4 × 10⁷ bits par Joule. Cela représente un gain d'environ 58 % en efficacité ! Plus frappant encore, la méthode MRT plus simple a très mal performé, restant en dessous de 1 × 10⁷ bits par Joule, ce qui signifie que la nouvelle conception est plus de sept fois plus efficace que l'approche de base.

Cependant, l'article révèle également des règles importantes de type « cela dépend ». Les auteurs ont découvert que le simple fait d'agrandir l'antenne du drone ou d'empiler davantage de couches de ces feuilles intelligentes ne rend pas toujours le système plus efficace. En fait, si vous continuez à ajouter des couches ou des éléments, l'électricité supplémentaire nécessaire pour les contrôler peut en réalité absorber les bénéfices, faisant chuter l'efficacité globale. De même, augmenter la puissance de transmission aide jusqu'à un certain point (environ 30 dBm dans leurs tests), mais après cela, la puissance supplémentaire ne fait que créer des interférences et gaspiller la batterie sans apporter beaucoup plus de données. L'article suggère que le point idéal est une approche équilibrée : un drone planant à la bonne hauteur, utilisant un nombre modéré de couches intelligentes et orientant ses signaux avec précision. En résolvant ce problème mathématique complexe, les auteurs ont montré que nous pouvons créer les futurs réseaux volants qui soient non seulement puissants, mais aussi respectueux de la batterie, permettant à nos drones de rester plus longtemps en l'air et à nos connexions d'être plus solides.

Résumé Technique : Optimisation de la Formation de Faisceaux Multi-Utilisateurs et de la Position 3D à Haute Efficacité Énergétique pour les UAV Assistés par SIM

Énoncé du Problème
Cet article traite du défi de la communication descendante multi-utilisateur à haute efficacité énergétique (EE) dans les systèmes de Véhicules Aériens Non Habités (UAV). Bien que les UAV offrent un déploiement flexible et une connectivité en ligne de vue (LoS) robuste, les équiper d'architectures de formation de faisceaux entièrement numériques est souvent impraticable en raison de la complexité matérielle élevée, de la consommation d'énergie et du poids de la charge utile associés à l'exigence d'une chaîne radiofréquence (RF) dédiée par élément d'antenne. Pour atténuer ces contraintes, les auteurs étudient une architecture hybride où l'UAV est équipé de Surfaces Métasurfaces Empilées (SIM). Contrairement aux surfaces intelligentes reconfigurables (RIS) à couche unique qui n'appliquent que des déphasages élément par élément, les SIM utilisent plusieurs couches de métasurfaces en cascade pour effectuer une formation de faisceau analogique dans le domaine ondulatoire. Cela permet un traitement de signal complexe directement dans le domaine électromagnétique, réduisant considérablement le nombre de chaînes RF requises.

Le problème central formulé est l'optimisation conjointe de trois variables couplées afin de maximiser l'efficacité énergétique du système (définie comme le rapport entre le débit cumulable et la consommation totale de puissance) :

Précodeur Numérique : La matrice de formation de faisceau numérique de faible dimension au niveau des chaînes RF.
Déphasages de la SIM : Les déphasages contrôlables à travers toutes les couches de la métasurface empilée.
Position 3D de l'UAV : Les coordonnées spatiales de l'UAV.

Le problème est soumis à des contraintes de puissance de transmission, des contraintes de module unitaire sur les éléments passifs de la métasurface, et des régions de déploiement de l'UAV. Le problème est hautement non convexe en raison de la fonction objectif fractionnaire, de la nature en cascade du canal SIM, de la dépendance non linéaire du canal vis-à-vis de la position de l'UAV, et des contraintes de module unitaire non convexes.

Méthodologie
Pour résoudre ce problème non convexe complexe, les auteurs proposent un cadre d'optimisation alternée basé sur des transformations. La méthodologie procède comme suit :

Reformulation par Programmation Fractionnaire : L'objectif fractionnaire d'EE est converti en une forme soustractive en utilisant la méthode de Dinkelbach. Un paramètre auxiliaire est introduit pour mettre à jour itérativement la valeur de l'EE.
Transformation par Variables Auxiliaires : Pour gérer le débit cumulable logarithmique non concave et les termes de rapport signal sur interférence plus bruit (SINR), les auteurs emploient des transformations duales et quadratiques. Cela introduit des variables auxiliaires ( $\alpha_k$ et $y_k$ ) qui découplent les termes SINR, transformant l'objectif en une forme propice à une optimisation par blocs.
Mise à jour du Formateur de Faisceau Numérique : Avec les phases de la SIM et la position de l'UAV fixées, le précodeur numérique est mis à jour en résolvant un programme quadratique convexe. La solution optimale est dérivée de manière analytique (forme fermée) en utilisant les conditions de Karush-Kuhn-Tucker (KKT), avec une recherche par dichotomie employée pour satisfaire la contrainte de puissance de transmission.
Optimisation des Déphasages de la SIM : L'optimisation des déphasages de la SIM, sous contrainte de module unitaire, est effectuée par ascension sur variété riemannienne. L'ensemble admissible est traité comme une variété produit de cercles unitaires complexes. L'algorithme calcule le gradient euclidien, le projette sur l'espace tangent de la variété, et met à jour les phases via un opérateur de rétraction pour maintenir l'amplitude unitaire.
Optimisation de la Position de l'UAV : La position de l'UAV est mise à jour en utilisant l'Approximation Convexe Successive (SCA). Une fonction de substitution concave est construite autour de la position actuelle basée sur les gradients de canaux dérivés analytiquement. La position est ensuite mise à jour via une étape d'ascension de gradient projeté dans la région de déploiement admissible.

L'algorithme global itère entre ces blocs jusqu'à convergence, avec une analyse théorique confirmant l'amélioration monotone de l'objectif transformé et la convergence vers une solution stationnaire.

Contributions Clés

Cadre Unifié : Les auteurs développent un cadre d'optimisation unifié spécifiquement pour les systèmes descendants d'UAV assistés par SIM, optimisant conjointement le précodage numérique, les déphasages en cascade de la SIM et le positionnement 3D de l'UAV sous un modèle de puissance tenant compte du matériel.
Maximisation de l'EE Sensible au Matériel : Contrairement aux travaux antérieurs se concentrant uniquement sur l'efficacité spectrale ou le débit cumulable, ce travail formule un problème de maximisation de l'EE qui prend explicitement en compte la puissance des chaînes RF, le traitement de bande de base, la puissance de contrôle élément par élément de la SIM et les contraintes de propulsion de l'UAV.
Innovation Algorithmique : Les auteurs proposent une approche algorithmique novatrice combinant la méthode de Dinkelbach, les transformations duales/quadratiques, l'optimisation sur variété riemannienne et la SCA pour traiter les non-convexités spécifiques introduites par l'architecture SIM et la mobilité de l'UAV.
Analyse de Performance : L'étude fournit des analyses de convergence et de complexité, caractérisant le coût computationnel de l'algorithme proposé.

Résultats Numériques
Les résultats de simulation, menés à 28 GHz avec des canaux à évanouissement de Rice, comparent le design conjoint proposé à deux références : un schéma Entièrement Numérique (FD) et un schéma SIM-MRT (Maximum Ratio Transmission).

Efficacité Énergétique : Le schéma proposé surpasse significativement les deux références. Pour un système avec $M=36$ éléments et 4 utilisateurs, la méthode proposée atteint une EE environ 58 % supérieure à celle du schéma FD et plus de 700 % supérieure à celle du schéma SIM-MRT à une puissance de transmission de 30 dBm.
Compromis de Débit Cumulé : Bien que le schéma FD atteigne le débit cumulable absolu le plus élevé, l'architecture basée sur la SIM offre un compromis favorable, atteignant des débits compétitifs avec une complexité matérielle et une consommation d'énergie nettement moindres. Le schéma SIM-MRT performe mal dans les scénarios multi-utilisateurs en raison de son incapacité à gérer l'interférence inter-utilisateurs.
Sensibilité des Paramètres :
- Puissance de Transmission : L'EE augmente avec la puissance jusqu'à un point de saturation (autour de 30 dBm), après quoi elle décline en raison des gains de débit décroissants par rapport à la consommation de puissance.
- Taille de la SIM ( $M$ ) : Augmenter le nombre d'éléments améliore le gain de formation de faisceau mais augmente la puissance des circuits. Le schéma proposé évolue plus favorablement que le schéma FD à mesure que $M$ augmente, alors que l'EE du schéma FD décline brutalement en raison de l'augmentation linéaire de la puissance des chaînes RF.
- Nombre de Couches ( $L$ ) : Augmenter le nombre de couches de la SIM n'améliore pas toujours l'EE. Au-delà d'un certain seuil (par exemple, $L > 2$ ), les gains de traitement dans le domaine ondulatoire sont compensés par l'augmentation de la puissance de contrôle/matérielle et les pertes de propagation à travers la pile.

Signification et Revendications
L'article affirme que le design conjoint proposé comble efficacement l'écart entre les conceptions de faible complexité et les systèmes entièrement numériques. En exploitant les capacités de traitement dans le domaine ondulatoire des SIM, l'architecture réduit le nombre de chaînes RF requises tout en maintenant une haute flexibilité de formation de faisceau. Les résultats démontrent que l'atteinte d'une haute efficacité énergétique dans les systèmes UAV nécessite un équilibre minutieux entre les degrés de liberté spatiaux, la complexité matérielle et la consommation d'énergie. L'étude souligne que l'augmentation simple de la puissance de transmission ou l'empilement de davantage de couches de métasurfaces ne garantit pas une meilleure EE ; au contraire, une optimisation holistique du précodeur numérique, de la configuration de la SIM et de la trajectoire de l'UAV est essentielle. Ce travail établit que les architectures basées sur la SIM sont particulièrement adaptées aux plateformes aériennes à ressources limitées en termes de taille, de poids et de puissance.

Articles similaires