Lorentzian-Constrained Holographic Beamforming Optimization in Multi-user Networks with Dynamic Metasurface Antennas

तकनीकी सारांश: मल्टी-यूज़र नेटवर्क में डायनेमिक मेटासरफेस एंटेना के साथ लोरेन्त्ज़ियन-कंस्ट्रेंड होलोग्राफिक बीमफॉर्मिंग ऑप्टिमाइज़ेशन

समस्या विवरण
डायनेमिक मेटासरफेस एंटेना (DMAs), हाइब्रिड बीमफॉर्मिंग प्राप्त करने के लिए कम लागत वाले, पुन: कॉन्फ़िगर करने योग्य मेटासरफेस का उपयोग करते हुए, फुली डिजिटल (FD) आर्किटेक्चर के एक आशाजनक विकल्प के रूप में उभर रहे हैं। हालाँकि, DMA आर्किटेक्चर एक मौलिक ट्रेड-ऑफ का सामना करते हैं: जबकि वे आवश्यक रेडियो-फ्रीक्वेंसी (RF) चेन्स और हार्डवेयर जटिलता को काफी कम कर देते हैं, वे बीमफॉर्मिंग वेट्स (weights) पर सख्त भौतिक प्रतिबंध भी लगाते हैं। विशेष रूप से, DMA तत्व लोरेन्त्ज़ियन रेज़ोनेटर (Lorentzian resonators) की तरह व्यवहार करते हैं, जहाँ आयाम (amplitude) और चरण (phase) स्वाभाविक रूप से जुड़े हुए होते हैं, न कि स्वतंत्र रूप से ट्यून करने योग्य। यह "लोरेन्त्ज़ियन बाधा" (Lorentzian constraint) उपलब्ध वेट्स को कॉम्प्लेक्स प्लेन में एक विशिष्ट वक्र (लोरेन्त्ज़ियन सर्कल) तक सीमित कर देती है, जो पारंपरिक एरेज़ में माने जाने वाले कांस्टेंट-मॉड्यूलस कॉम्प्लेक्स सर्कल से भिन्न है।

मल्टी-यूज़र मल्टी-इनपुट सिंगल-आउटपुट (MISO) नेटवर्क में, यह बाधा संसाधन आवंटन को जटिल बनाती है। मुख्य समस्या कई उपयोगकर्ताओं के लिए सिग्नल-टू-इंटरफेरेंस-प्लस-नॉइज़ रेशियो (SINR) बाधाओं को पूरा करते हुए कुल ट्रांसमिट पावर को कम करना है। मौजूदा साहित्य अक्सर आदर्श, अनकन्स्ट्रेंड बीमफॉर्मिंग वेट्स को लोरेन्त्ज़ियन सर्कल पर मैप करने के लिए विशिष्ट प्रोजेक्शन विधियों का उपयोग करता है, लेकिन ये विधियाँ आमतौर पर अलग-थलग अध्ययन की जाती हैं। विभिन्न मैपिंग रणनीतियों (जैसे, मैपिंग सेंटर को बदलना) के बीच व्यवस्थित तुलना की कमी है और ऐसे एल्गोरिदम की आवश्यकता है जो कम RF चेन्स और बीमफॉर्मिंग प्रदर्शन के बीच के ट्रेड-ऑफ को बेहतर ढंग से नेविगेट कर सकें, विशेष रूप से जैसे-जैसे उपयोगकर्ताओं की संख्या बढ़ती है।

कार्यप्रणाली (Methodology)
लेखक डायनेमिक प्रिकोडर और DMA वेट्स को अनुकूलित करने के लिए अल्टरनेटिंग ऑप्टिमाइज़ेशन (AO) दृष्टिकोण के साथ सेमी-डेफिनेट रिलैक्सेशन (SDR) का उपयोग करते हुए एक एकीकृत ढांचा प्रस्तावित करते हैं। समाधान प्रक्रिया में दो उप-चरण शामिल हैं:

1. डिजिटल प्रिकोडर ऑप्टिमाइज़ेशन: DMA वेट्स को स्थिर रखते हुए, डिजिटल प्रिकोडिंग वेक्टर्स को अनुकूलित करने के लिए समस्या को एक कन्वेक्स SDR समस्या के रूप में पुनर्गठित किया जाता है।
2. DMA वेट ऑप्टिमाइज़ेशन: डिजिटल प्रिकोडर्स को स्थिर रखते हुए, इसे फिर से आदर्श, अनकन्स्ट्रेंड वेट्स खोजने के लिए SDR के माध्यम से अनुकूलित किया जाता है। इन आदर्श वेट्स को फिर भौतिक रूप से व्यवहार्य लोरेन्त्ज़ियन सर्कल पर प्रोजेक्ट किया जाता है।

यह पेपर जनरलाइज्ड मेथड ऑफ लोरेन्त्ज़ियन-कंस्ट्रेंड होलोग्राफी (GMLCH) को पेश करता है और औपचारिक रूप देता है। यह ढांचा लोरेन्त्ज़ियन सर्कल पर मैपिंग सेंटर $(x_c, y_c)$ को पैरामीटराइज करके प्रोजेक्शन प्रक्रिया को मानकीकृत करता है। यह व्यवस्थित रूप से तीन मौजूदा मैपिंग रणनीतियों का मूल्यांकन करने की अनुमति देता है:

• LCPH (लोरेन्त्ज़ियन-कंस्ट्रेंड फेज होलोग्राम): मैपिंग सेंटर $(0, 0)$ पर।
• LCEH (लोरेन्त्ज़ियन-कंस्ट्रेंड यूक्लिडियन होलोग्राम): मैपिंग सेंटर $(0, 0.5)$ पर।
• LCUSH (लोरेन्त्ज़ियन-कंस्ट्रेंड यूनिटरी शिफ्ट होलोग्राम): मैपिंग सेंटर $(0, 1.0)$ पर।

GMLCH पर आधारित, लेखक एक नया एल्गोरिदम प्रस्तावित करते हैं: एडेप्टिव रेडियस लोरेन्त्ज़ियन कंस्ट्रेंड होलोग्राफी (ARLCH)। पिछले तरीकों के विपरीत, जो सख्ती से यूनिटरी लोरेन्त्ज़ियन सर्कल व्यास का पालन करते हैं, ARLCH अनुकूलन प्रक्रिया के दौरान लोरेन्त्ज़ियन सर्कल के व्यास (त्रिज्या) को गतिशील रूप से समायोजित करके एक अतिरिक्त डिग्री ऑफ फ्रीडम प्रदान करता है। यह एल्गोरिदम को एक इष्टतम मैपिंग सेंटर और व्यास खोजने की अनुमति देता है जो यूनिटरी स्थिति में वापस सामान्य (normalize) करने से पहले आदर्श अनकन्स्ट्रेंड वेट्स और भौतिक रूप से बाधित वेट्स के बीच की दूरी को कम करता है।

मुख्य योगदान

1. एकीकृत अनुकूलन ढांचा: पेपर एक नया SDP और AO-आधारित एल्गोरिदम विकसित करता है जो GMLCH को एकीकृत करता है, जिससे एक ही ढांचे के भीतर डिजिटल प्रिकोडर्स और DMA वेट्स का संयुक्त अनुकूलन संभव होता है। यह विभिन्न लोरेन्त्ज़ियन मैपिंग रणनीतियों (LCPH, LCEH, LCUSH) का QoS गारंटी के तहत सीधा और व्यवस्थित तुलना करने की अनुमति देता है, जो पहले के साहित्य में एक अंतराल था।
2. मैपिंग सेंटर्स का प्रदर्शन विश्लेषण: अध्ययन दर्शाता है कि मैपिंग सेंटर का चयन प्रदर्शन को महत्वपूर्ण रूप से प्रभावित करता है। परिणाम संकेत देते हैं कि LCEH, LCUSH और LCPH की तुलना में बेहतर प्रदर्शन करता है, विशेष रूप से उच्च उपयोगकर्ता गणना वाले परिदृश्यों में, जो पूर्व कार्यों में LCUSH पर सामान्य निर्भरता को चुनौती देता है।
3. नया ARLCH एल्गोरिदम: लेखक प्रस्तावित करते हैं कि ARLCH, लोरेन्त्ज़ियन सर्कल व्यास के रिलैक्सेशन का लाभ उठाकर बेहतर बीमफॉर्मिंग प्रदर्शन प्राप्त करता है। यह विधि एक अतिरिक्त डिग्री ऑफ फ्रीडम प्रदान करती है, जिससे आदर्श वेट्स को भौतिक बाधाओं के साथ बेहतर ढंग से संरेखित करने के लिए मैपिंग सेंटर को गतिशील रूप से समायोजित करना संभव होता है।
4. स्केलेबिलिटी और दक्षता: पेपर व्यापक संख्यात्मक परिणाम प्रदान करता है जो दिखाते हैं कि ARLCH बेंचमार्क की तुलना में ट्रांसमिट पावर को काफी कम कर देता है, और उपयोगकर्ताओं की संख्या बढ़ने के साथ प्रदर्शन लाभ बढ़ता जाता है।

संख्यात्मक परिणाम
सिमुलेशन एक 16x16 यूनिफॉर्म प्लानर एरे (UPA) और 28 GHz आवृत्ति के साथ नियर-फील्ड मल्टी-यूज़र MISO डाउनलिंक परिदृश्य में आयोजित किए गए थे।

• सिंगल-यूज़र परिदृश्य: ARLCH ने LCUSH और एक बेसलाइन ADMM-SCA विधि की तुलना में ट्रांसमिट पावर को काफी कम किया। एक वाइड एंगल ($80^\circ$) पर उपयोगकर्ता के लिए, ARLCH को समान SINR प्राप्त करने के लिए LCUSH की तुलना में लगभग आधी ट्रांसमिट पावर की आवश्यकता थी।
• मल्टी-यूज़र परिदृश्य: जैसे-जैसे उपयोगकर्ताओं की संख्या ($K$) बढ़ी, डिग्री ऑफ फ्रीडम की सीमाओं के कारण DMA-आधारित और FD-आधारित आर्किटेक्चर के बीच का अंतर बढ़ गया। हालांकि, ARLCH ने इस अंतर को लगातार कम किया। सबसे अच्छा प्रदर्शन करने वाले GMLCH वेरिएंट (LCEH) की तुलना में, ARLCH ने $K=8$ के लिए ट्रांसमिट पावर में 29.1% तक की कमी हासिल की।
• मैपिंग रणनीति तुलना: पाया गया कि LCEH, LCUSH (साहित्य में सबसे सामान्य विधि) की तुलना में $K=8$ के लिए लगभग 17% बेहतर है। LCPH सबसे खराब प्रदर्शन करने वाला रहा क्योंकि इसमें निचले आधे हिस्से (lower half-plane) के तत्वों को क्लिप करने की प्रवृत्ति थी।
• सघन स्पेसिंग (Dense Spacing): प्रस्तावित तरीके सघन एंटीना तत्व स्पेसिंग ($\lambda/6$) के तहत भी मजबूत रहे, जिसमें ARLCH ने अन्य GMLCH वेरिएंट पर ~20% पावर एडवांटेज बनाए रखा।

महत्व और दावे
पेपर का दावा है कि इस कार्य का प्राथमिक महत्व आदर्श बीमफॉर्मिंग आवश्यकताओं और DMA तत्वों की भौतिक ट्यूनेबिलिटी के बीच संरचनात्मक बेमेल (mismatch) को संबोधित करने में निहित है। GMLCH के माध्यम से प्रोजेक्शन प्रक्रिया को औपचारिक बनाकर और एडेप्टिव रेडियस दृष्टिकोण (ARLCH) पेश करके, लेखक प्रदर्शित करते हैं कि कम-जटिलता वाले DMA आर्किटेक्चर और उच्च-जटिलता वाले फुली डिजिटल सिस्टम के बीच के प्रदर्शन अंतर को काफी हद तक कम किया जा सकता है।

लेखक विनम्रता से नोट करते हैं कि उनका अनुकूलन दृष्टिकोण SDP फॉर्मूलेशन के कारण कुछ बेसलाइन्स की तुलना में कम्प्यूटेशनल रूप से अधिक गहन है, लेकिन यह बेहतर लचीलापन और प्रदर्शन प्रदान करता है। वे इस बात पर जोर देते हैं कि परिणाम मैपिंग सेंटर के चयन के महत्वपूर्ण महत्व और एडेप्टिव रेडियस ऑप्टिमाइज़ेशन की क्षमता को उजागर करते हैं। पेपर निष्कर्ष निकालता है कि ARLCH भविष्य के मल्टी-यूज़र नेटवर्क के लिए एक स्केलेबल समाधान प्रदान करता है, हालांकि वे स्वीकार करते हैं कि भौतिक कार्यान्वयन से पहले भविष्य के कार्यों को व्यावहारिक हार्डवेयर दोषों, म्यूचुअल कपलिंग और अपूर्ण चैनल स्टेट इंफॉर्मेशन (CSI) को संबोधित करना होगा।