⚡ electrical engineering

HAPS-RIS and UAV Integrated Networks: A Unified Joint Multi-objective Framework

यह शोध पत्र एक एकीकृत बहु-उद्देश्यीय ढांचे का प्रस्ताव करता है जो कवरेज और नेटवर्क प्रदर्शन को अनुकूलित करने के लिए UAVs के साथ HAPS-RIS को एकीकृत करता है, जो एक पारेटो अनुकूलन तकनीक के माध्यम से उपयोगकर्ता सेवा, UAV परिनियोजन और पथ हानि (path loss) को गतिशील रूप से संतुलित करते हुए एक कम-जटिलता वाला समाधान प्रदान करता है।

मूल लेखक: Arman Azizi, Mostafa Rahmani Ghourtani, Mustafa A. Kishk, Hamed Ahmadi, Arman Farhang

प्रकाशित 2026-02-11

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Arman Azizi, Mostafa Rahmani Ghourtani, Mustafa A. Kishk, Hamed Ahmadi, Arman Farhang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप किसी दूरदराज के पहाड़ी गाँव या आपदा क्षेत्र में हाई-स्पीड इंटरनेट पहुँचाने की कोशिश कर रहे हैं जहाँ सभी सेल टावर नष्ट हो गए हैं। आपके पास अपने "आपातकालीन टूलकिट" में दो मुख्य उपकरण हैं, लेकिन दोनों में कुछ समस्याएँ हैं:

UAVs (ड्रोन): इन्हें उड़ते हुए वाई-फाई राउटर के रूप में सोचें। ये बेहतरीन हैं क्योंकि आप इन्हें ठीक वहीं उड़ा सकते हैं जहाँ लोग मौजूद हैं, लेकिन ये बैटरी से चलने वाली टॉर्च की तरह हैं—ये केवल कुछ समय के लिए ही हवा में रह सकते हैं, और आप "बैटरी" (शक्ति और पैसा) खत्म होने से पहले बहुत अधिक संख्या में ड्रोन नहीं भेज सकते।
HAPS-RIS (स्मार्ट दर्पणों के साथ उच्च-ऊंचाई वाले प्लेटफॉर्म): इसे स्ट्रैटोस्फीयर (एक विमान की तुलना में बहुत ऊँचाई पर) में तैरते हुए एक विशाल, सौर-ऊर्जा से चलने वाले विशाल दर्पण के रूप में समझें। यह अपना खुद का सिग्नल पैदा नहीं करता है; इसके बजाय, यह एक दूर स्थित बेस स्टेशन से सिग्नल को पकड़ता है और उसे अविश्वसनीय सटीकता के साथ नीचे की ओर "बाउंस" (परावर्तित) करता है। यह आकाश में एक विशाल, स्थायी स्पॉटलाइट की तरह है। यह लंबे समय तक चलता है, लेकिन यह ड्रोन जितना लचीला नहीं है।

समस्या: "बहुत अधिक रसोइयों" की दुविधा (The "Too Many Cooks" Dilemma)

यदि आप केवल ड्रोन का उपयोग करते हैं, तो आपके ड्रोन जल्दी खत्म हो जाते हैं। यदि आप केवल "विशाल दर्पण" का उपयोग करते हैं, तो यह सभी को हाई-स्पीड वीडियो स्ट्रीमिंग प्रदान करने के लिए पर्याप्त मजबूत नहीं होगा।

शोधकर्ताओं ने महसूस किया कि इन दोनों को अलग-अलग उपकरणों के रूप में देखने के बजाय, उन्हें एक समन्वित ऑर्केस्ट्रा की तरह मिलकर काम करना चाहिए। लेकिन आप यह कैसे तय करेंगे कि कौन सा नोट कौन बजाएगा? यदि "दर्पण" सारा बैंडविड्थ (हवा की तरंगें) ले लेता है, तो ड्रोनों के पास कुछ नहीं बचता। यदि ड्रोन बहुत अधिक हिस्सा ले लेते हैं, तो दर्पण का उपयोग बेकार चला जाता है।

समाधान: "स्मार्ट ऑर्केस्ट्रेटर" (The "Smart Orchestrator")

यह शोध पत्र एक नए गणितीय "मस्तिष्क" (एक एकीकृत ढांचे) का प्रस्ताव देता है जो दोनों को एक साथ प्रबंधित करता है। यह यहाँ तीन सरल विचारों का उपयोग करके काम करता है:

1. "क्लस्टरिंग" का तरीका (पड़ोस का नियम)
हर एक व्यक्ति के लिए हर एक ड्रोन का सटीक पथ (path) गणना करने के बजाय (जो कि एक गणितीय दुःस्वप्न है), उन्होंने k-means clustering नामक एक ट्रिक का उपयोग किया।

उपमा: कल्पना कीजिए कि आप एक बड़ी पार्टी आयोजित कर रहे हैं। प्रत्येक अतिथि को एक विशिष्ट वेटर असाइन करने के बजाय, आप मेहमानों को "टेबल" (क्लस्टर) में समूहबद्ध करते हैं। फिर आप बस प्रत्येक टेबल के लिए एक वेटर भेजते हैं। यह बहुत तेज़ और प्रबंधित करने में बहुत आसान है!

2. "स्मार्ट मिरर" का शॉर्टकट
आमतौर पर, एक "स्मार्ट मिरर" (RIS) को प्रोग्राम करने के लिए लाखों छोटे-छोटे टुकड़ों के कोण (angle) की गणना करने की आवश्यकता होती है। इसमें बहुत समय लगता है। शोधकर्ताओं ने एक गणितीय "चीट कोड" (closed-form solution) खोजा जो दर्पण को बिना भारी गणित किए सिग्नल को पूरी तरह से परावर्तित करने के लिए अपने टुकड़ों को स्वचालित रूप से झुकाने की अनुमति देता है।

3. "बैंडविड्थ स्लाइडर" (संतुलन का खेल)
यह सबसे चतुर हिस्सा है। उन्होंने एक एकल "स्लाइडर" बनाया (जिसे बैंडविड्थ पोर्शनिंग फैक्टर कहा जाता है)।

यदि आप इसे एक तरफ स्लाइड करते हैं, तो सिस्टम केवल ड्रोन की तरह कार्य करता है।
यदि आप इसे दूसरी तरफ स्लाइड करते हैं, तो यह केवल दर्पण की तरह कार्य करता है।
यदि आप इसे बीच में रखते हैं, तो वे हवा की तरंगों को साझा करते हैं।

"मस्तिष्क" इस स्लाइडर को सही जगह खोजने के लिए स्वचालित रूप से घुमाता है। यदि लोगों को केवल बुनियादी टेक्स्ट मैसेज (कम डेटा) की आवश्यकता है, तो मस्तिष्क अधिकांश काम विशाल दर्पण को सौंप देता है। यदि लोग 4K फिल्में देखना चाहते हैं (उच्च डेटा), तो मस्तिष्क को एहसास होता है कि दर्पण पर्याप्त नहीं है और वह स्वचालित रूप से मदद के लिए "ड्रोन को बुलाता" है।

मुख्य निष्कर्ष

शोधकर्ताओं ने सिद्ध किया कि इस "स्मार्ट ऑर्केस्ट्रेटर" का उपयोग करके, आप:

पैसे बचा सकते हैं: आपको 100 ड्रोन खरीदने की आवश्यकता नहीं है यदि आप बस एक थोड़ा बड़ा "स्मार्ट मिरर" बना सकते हैं।
बेहतर सेवा प्रदान कर सकते हैं: आप सबसे दूरदराज के स्थानों में भी अधिक लोगों को कवर कर सकते हैं।
कुशल बन सकते हैं: सिस्टम स्वचालित रूप से अपनी रणनीति बदल लेता है कि उपयोगकर्ता केवल एक "हेलो" टेक्स्ट भेज रहे हैं या मूवी स्ट्रीम कर रहे हैं।

संक्षेप में, उन्होंने उड़ते हुए ड्रोनों और ऊँचाई पर स्थित दर्पणों के एक अराजक ढेर को पूरी दुनिया के लिए एक निर्बाध, स्वचालित इंटरनेट कंबल में बदल दिया है।

तकनीकी सारांश: HAPS-RIS और UAV एकीकृत नेटवर्क

1. समस्या विवरण

यह शोध पत्र उन दूरस्थ या कम सेवा वाले क्षेत्रों में सर्वव्यापी 6G कनेक्टिविटी प्रदान करने की चुनौती को संबोधित करता है जहाँ स्थलीय बुनियादी ढांचा (terrestrial infrastructure) अव्यवहार्य है। जबकि अनमैन्ड एरियल व्हीकल (UAVs) लचीले हवाई बेस स्टेशनों के रूप में कार्य कर सकते हैं, वे उपलब्ध इकाइयों की सीमित संख्या और प्रतिबंधित पावर बजट द्वारा मौलिक रूप से सीमित हैं।

लेखक मौजूदा अनुसंधान में एक अंतराल की पहचान करते हैं: अधिकांश अध्ययन हाई-अल्टीट्यूड प्लेटफॉर्म स्टेशन (HAPS) जो रीकॉन्फिगरेबल इंटेलिजेंट सरफेस (RIS) से लैस हैं, उन्हें या तो स्टैंडअलोन सिस्टम के रूप में या UAVs से अलग संस्थाओं के रूप में देखते हैं। मुख्य शोध प्रश्न यह है: कवरेज को अधिकतम करने और UAV परिनियोजन लागत एवं पाथ लॉस (path loss) को न्यूनतम करने के लिए एक एकीकृत, सिस्टम-स्तरीय बहु-उद्देश्यीय ढांचे के भीतर HAPS-RIS और UAV बुनियादी ढांचे को संयुक्त रूप से कैसे डिजाइन किया जा सकता है?

2. कार्यप्रणाली (Methodology)

लेखक एक नवीन एकीकृत संयुक्त बहु-उद्देश्यीय अनुकूलन ढांचे (unified joint multi-objective optimization framework) का प्रस्ताव करते हैं। इस समस्या को एक बड़े पैमाने के, गैर-कॉन्वेक्स, मिक्स्ड-इंटीजर नॉनलीनियर प्रोग्राम (MINLP) के रूप में तैयार किया गया है, जो UAV प्लेसमेंट, RIS फेज-शिफ्ट डिजाइन और उच्च-आयामी कॉम्बिनेटोरियल यूजर-एसोसिएशन निर्णयों के जुड़ाव के कारण NP-hard है।

इसे सुलभ बनाने के लिए, लेखक गणितीय रूपांतरणों की एक श्रृंखला प्रस्तुत करते हैं:

K-Means तुल्यता (Theorem 1): वे सिद्ध करते हैं कि कुल औसत UAV पाथ लॉस के ऊपरी स्तर (upper bound) को कम करना गणितीय रूप से k-means क्लस्टरिंग करने के समान है। यह UAV प्लेसमेंट और यूजर एसोसिएशन की समस्या को एक जटिल अनुकूलन कार्य से एक मानक अनसुपरवाइज्ड लर्निंग ऑपरेशन में बदल देता है।
क्लोज्ड-फॉर्म RIS डिजाइन (Lemma 1): HAPS-RIS परिदृश्य के ज्यामितीय गुणों (जहाँ HAPS की ऊंचाई RIS आयामों की तुलना में बहुत अधिक है) का लाभ उठाते हुए, वे RIS फेज-शिफ्ट के लिए एक व्यावहारिक, क्लोज्ड-फॉर्म अभिव्यक्ति प्राप्त करते हैं, जिससे बड़े पैमाने के पुनरावृत्ति अनुकूलन (iterative optimization) की आवश्यकता समाप्त हो जाती है।
मैपिंग तकनीक (Proposition 1): वे उच्च-आयामी कॉम्बिनेटोरियल एसोसिएशन समस्या (यूजर-सब-कैरियर-RIS/UAV) को दो निम्न-आयामी स्केलर चरों में समेट देते हैं: एक ज़ोन रेडियस ( $R$ ) (उपयोगकर्ताओं को एक UAV ज़ोन और एक HAPS-RIS ज़ोन में विभाजित करना) और एक बैंडविड्थ-पोरशनिंग फैक्टर ( $\kappa$ ) (दो प्रणालियों के बीच कुल बैंडविड्थ का विभाजन)।
डायनेमिक पारेटो ऑप्टिमाइजेशन: अंतिम समस्या को एक पदानुक्रमित लेक्सिकोग्राफिक पारेटो दृष्टिकोण (lexicographic Pareto approach) का उपयोग करके हल किया जाता है। प्राथमिकता इस प्रकार निर्धारित है: (1) HAPS-RIS कवरेज को अधिकतम करना $\rightarrow$ (2) UAV की संख्या को न्यूनतम करना $\rightarrow$ (3) औसत UAV पाथ लॉस को न्यूनतम करना।

3. प्रमुख योगदान

एकीकृत ढांचा: पहला व्यापक सिस्टम-स्तरीय मॉडल जो साझा बैंडविड्थ और स्थानिक क्षेत्रों (spatial zones) के माध्यम से HAPS-RIS और UAV को मजबूती से जोड़ता है।
जटिलता में कमी: एक सिद्धांत आधारित गणितीय मार्ग जो एक NP-hard MINLP को एक कम-जटिलता वाले, बहुपद-समय (polynomial-time) समाधान योग्य ढांचे में बदल देता है।
एकीकृत बेसलाइन रिकवरी: लेखक प्रदर्शित करते हैं कि उनका मॉडल एक "मास्टर फॉर्मूलेशन" है जहाँ पारंपरिक आर्किटेक्चर (केवल UAV, केवल HAPS-RIS, और समान बैंडविड्थ साझाकरण) बैंडविड्थ-पोरशनिंग फैक्टर $\kappa$ के विशेष मामले हैं।
स्केलेबिलिटी: प्रस्तावित समाधान उपयोगकर्ताओं, UAVs और RIS तत्वों की संख्या के साथ बहुपद (polynomial) रूप से स्केल करता है, जो बड़े पैमाने पर 6G परिनियोजन के लिए उपयुक्त है।

4. परिणाम और अंतर्दृष्टि

व्यापक सिमुलेशन कई महत्वपूर्ण परिचालन अंतर्दृष्टि प्रकट करते हैं:

रेट-रेजीम निर्भरता (Rate-Regime Dependency): लो-रेट रेजीम में, HAPS-RIS न्यूनतम संसाधनों के साथ पूर्ण कवरेज प्रदान कर सकता है। हालांकि, हाई-रेट रेजीम में, सख्त क्वालिटी ऑफ सर्विस (QoS) मांगों को पूरा करने के लिए UAV सहायता अपरिहार्य हो जाती है।
संयुक्त डिजाइन की श्रेष्ठता: अनुकूलित बैंडविड्थ आवंटन ( $\kappa_{opt}$ ) लगातार समान-विभाजन और स्टैंडअलोन बेसलाइन से बेहतर प्रदर्शन करता है, जो कम UAV की आवश्यकता के साथ उच्च कवरेज प्रदान करता है।
RIS-UAV ट्रेड-ऑफ: RIS के पैमाने और UAV की संख्या के बीच एक मापने योग्य ट्रेड-ऑफ है। RIS तत्वों की संख्या बढ़ाने से प्रभावी रूप से आवश्यक UAV की संख्या को कम किया जा सकता है, जिससे डिजाइनरों को "सक्रिय" (UAV) लागत के बदले "निष्क्रिय" (RIS) बुनियादी ढांचे का उपयोग करने का विकल्प मिलता है।
अभिसरण (Convergence): प्रस्तावित डायनेमिक पारेटो विधि को कम्प्यूटेशनल रूप से कुशल और अभिसरण के लिए गारंटीकृत सिद्ध किया गया है।

5. महत्व

यह शोध पत्र 6G युग में नॉन-टेरेस्ट्रियल नेटवर्क्स (NTN) के लिए एक सैद्धांतिक और व्यावहारिक ब्लूप्रिंट प्रदान करता है। विखंडित, पदानुक्रमित डिजाइनों से हटकर एक एकीकृत, संसाधन-जुड़े आर्किटेक्चर की ओर बढ़कर, यह हवाई संचार नेटवर्क के अधिक कुशल, लागत प्रभावी और स्केलेबल परिनियोजन को सक्षम बनाता है। यह नेटवर्क डिजाइनरों को लक्षित क्षेत्र की विशिष्ट डेटा दर आवश्यकताओं के आधार पर बैंडविड्थ, RIS सतह क्षेत्र और UAV घनत्व को संतुलित करने के लिए ठोस दिशा-निर्देश प्रदान करता है।