Fundamental Analysis of Scalable Fluid Antenna Systems: Identifiability Limits, Information Theory, and Joint Processing

यहाँ शोध पत्र "Fundamental Analysis of Scalable Fluid Antenna Systems: Identifiability Limits, Information Theory, and Joint Processing" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र डायरेक्शन-ऑफ-अराइवल (DOA) अनुमान और स्रोत पहचान (source identifiability) में फिक्स्ड-पोजीशन एरेज़ (FPAs) की मौलिक सीमाओं को संबोधित करता है। FPAs निम्नलिखित समस्याओं से ग्रस्त हैं:

• म्युचुअल कपलिंग (Mutual Coupling): यह प्रदर्शन को कम करता है, विशेष रूप से घने एरेज़ (dense arrays) में।
• स्थिर डिग्री ऑफ फ्रीडम (Static DoFs): resolvable स्रोतों की संख्या भौतिक तत्वों की निश्चित संख्या ($M$) द्वारा सख्ती से सीमित होती है, जो आमतौर पर $K_{max} < M$ होती है।
• कठोर आर्किटेक्चर (Rigid Architecture): यह बदलते क्षेत्र नियमों (near-field बनाम far-field) के अनुकूल नहीं हो सकता या एपर्चर (aperture) को गतिशील रूप से अनुकूलित नहीं कर सकता।

जबकि फ्लुइड एंटेना सिस्टम्स (FAS) गतिशील पुनर्गठन (dynamic reconfigurability) प्रदान करते हैं, स्केलेबल FAS (S-FAS)—जो एक "कंप्रेस्ड" (सब-वेवलेंथ) और एक "एक्सटेंडेड" (हाफ-वेवलेंथ) कॉन्फ़िगरेशन के बीच स्विच करता है—इसमें अपने पहचान योग्य सीमाओं (identifiability limits) को परिभाषित करने के लिए एक कठोर सैद्धांतिक ढांचे का अभाव है। शास्त्रीय बीजगणितीय विधियाँ (रैंक काउंटिंग) अपर्याप्त हैं क्योंकि वे निम्नलिखित को ध्यान में रखने में विफल रहती हैं:

1. डायनेमिक ऑब्जर्वेशन एंट्रॉपी स्केलिंग।
2. अनुक्रमिक प्रसंस्करण (sequential processing) में सूचना प्रवाह बाधाएं (information flow bottlenecks)।
3. मौलिक DoF समाप्ति और एल्गोरिद्मिक उप-इष्टतमता (algorithmic suboptimality) के बीच का अंतर।

2. कार्यप्रणाली: ऑब्जर्वेशन एंट्रॉपी फ्रेमवर्क (Methodology: The Observation Entropy Framework)

लेखक S-FAS के विश्लेषण को एकीकृत करने के लिए एक नवीन ऑब्जर्वेशन एंट्रॉपी फ्रेमवर्क प्रस्तावित करते हैं। केवल बीजगणितीय रैंक विश्लेषण पर निर्भर रहने के बजाय, वे एक अवलोकन स्थान के "एंट्रॉपी बजट" को परिभाषित करने के लिए डिफरेंशियल एंट्रॉपी और म्युचुअल इंफॉर्मेशन का उपयोग करते हैं।

मुख्य अवधारणाएँ:

• एंट्रॉपी बजट: एक कॉन्फ़िगरेशन $\alpha$ के लिए जिसकी प्रभावी विमा (effective dimension) $M_{eff,\alpha}$ है, अवलोकन एंट्रॉपी $H(Y_\alpha) \leq M_{eff,\alpha} \log(2\pi e \sigma_y^2)$ द्वारा सीमित है।
• पहचान योग्यता की स्थिति (Identifiability Condition): विश्वसनीय पैरामीटर अनुमान के लिए आवश्यक है कि शोर उपस्थान (noise subspace) सांख्यिकीय संदर्भ के रूप में कार्य करने के लिए कम से कम एक विमा बनाए रखे। इससे सार्वभौमिक सीमा प्राप्त होती है:
  $$K_{max} = M_{eff} - 1$$
• दोहरा सत्यापन (Dual Validation): शोध पत्र दो विधियों का उपयोग करके सैद्धांतिक सीमाओं को मान्य करता है:
  1. बीजगणितीय (Algebraic): शोर उपस्थान के आयाम ($dim(\mathbf{U}_n)$) को मापना।
  2. सूचना-सैद्धांतिक (Information-Theoretic): नॉइज़ एंट्रॉपी रेश्यो ($\rho_n$) का विश्लेषण करना, जो शोर बेसलाइन के लिए आवंटित एंट्रॉपी के अंश को परिमाणित करता है।

सिस्टम मॉडल:

• कंप्रेस्ड कॉन्फ़िगरेशन ($\alpha_c$): सब-वेवलेंथ स्पेसिंग ($d_c < \lambda/2$) ग्रेटिंग लोब्स को समाप्त करती है लेकिन गंभीर म्युचुअल कपलिंग पेश करती है। इसे सेंट्रल सब-एरे सिलेक्शन ( $p$ किनारे वाले तत्वों को हटाकर) द्वारा कम किया जाता है, जिसके परिणामस्वरूप प्रभावी DoFs $M_c = M - 2p$ होते हैं।
• एक्सटेंडेड कॉन्फ़िगरेशन ($\alpha_e$): हाफ-वेवलेंथ स्पेसिंग ($d_e = \lambda/2$) के साथ नगण्य कपलिंग, जो सभी $M$ तत्वों का उपयोग करती है ($M_e = M$)। यह फार-फील्ड और मिश्रित-क्षेत्र (एंगल-रेंज) अनुमान दोनों का समर्थन करता है।

3. मुख्य योगदान (Key Contributions)

A. पहचान योग्य सीमाओं का व्युत्पन्न (Derivation of Identifiability Bounds)

यह शोध पत्र S-FAS के लिए एक पूर्ण क्षमता पदानुक्रम (capacity hierarchy) स्थापित करता है:

1. कंप्रेस्ड कॉन्फ़िगरेशन: $K_{max,c} = M - 2p - 1$।
   • अंतर्दृष्टि: किनारे के तत्वों का त्याग करने से एंट्रॉपी बजट कम होता है लेकिन यह ग्रेटिंग-लोब-मुक्त इनिशियलाइजेशन सुनिश्चित करता है।
2. एक्सटेंडेड कॉन्फ़िगरेशन: $K_{max,e} = M - 1$।
   • अंतर्दृष्टि: यह सीमा फार-फील्ड (1 पैरामीटर/स्रोत) और मिश्रित-क्षेत्र (2 पैरामीटर/स्रोत) दोनों परिदृश्यों के लिए मान्य है। सीमा अवलोकन विमा $M$ द्वारा निर्धारित होती है, न कि प्रति स्रोत पैरामीटर की संख्या द्वारा।
3. अनुक्रमिक प्रसंस्करण (दो-चरणीय) (Sequential Processing - Two-Stage): $K_{seq} = M - 2p - 1$।
   • अंतर्दृष्टि: एक्सटेंडेड चरण को इनिशियलाइज़ करने के लिए कंप्रेस्ड चरण का उपयोग करने से एक सूचना बाधा (information bottleneck) उत्पन्न होती है। डेटा प्रोसेसिंग असमानता (Data Processing Inequality) के अनुसार, दूसरे चरण के लिए उपलब्ध म्युचुअल इंफॉर्मेशन पहले चरण की एंट्रॉपी से अधिक नहीं हो सकती ($I(\theta; \hat{\theta}_c) \leq H(Y_c)$)। इस प्रकार, एक्सटेंडेड एरे की अतिरिक्त क्षमता व्यर्थ जाती है।
4. संयुक्त प्रसंस्करण (Joint Processing): $K_{joint} = (M_c + M_e) - 1 = 2M - 2p - 1$।
   • अंतर्दृष्टि: दोनों कॉन्फ़िगरेशन से अवलोकनों को स्थानिक रूप से स्टैक (stack) करके, एंट्रॉपी बजट का विस्तार होता है, जो प्रभावी रूप से अनुक्रमिक प्रसंस्करण की तुलना में resolvable स्रोतों की संख्या को दोगुना कर देता है।

B. सैद्धांतिक अंतर्दृष्टि (Theoretical Insights)

• बॉटलनेक निदान (Bottleneck Diagnosis): यह ढांचा यह स्पष्ट करता है कि अनुक्रमिक प्रसंस्करण क्यों विफल होता है (सूचना की हानि), न कि केवल यह बताता है कि यह विफल होता है।
• मौलिक बनाम एल्गोरिद्मिक सीमाएँ: प्रस्तावित शोर एंट्रॉपी अनुपात इंजीनियरों को यह पहचानने में मदद करता है कि क्या प्रदर्शन सीमाएँ मौलिक DoF समाप्ति (एंट्रॉपी पतन) के कारण हैं या खराब एल्गोरिद्मिक प्रदर्शन (अवशिष्ट एंट्रॉपी) के कारण हैं।
• मिश्रित-क्षेत्र तुल्यता (Mixed-Field Equivalence): सिद्ध किया गया कि मिश्रित-क्षेत्र अनुमान के लिए पहचान योग्य सीमा फार-फील्ड अनुमान के समान ($M-1$) है, जो कि सहज पैरामीटर-काउंटिंग धारणाओं के विपरीत है।

C. प्रस्तावित एल्गोरिदम: J-MUSIC

लेखकों ने Joint-MUSIC (J-MUSIC) विकसित किया है, जो दोनों कॉन्फ़िगरेशन से संवर्धित स्टीयरिंग वेक्टर्स (augmented steering vectors) का लाभ उठाता है।

• तंत्र (Mechanism): संवर्धित मैनफोल्ड बनाने के लिए कंप्रेस्ड और एक्सटेंडेड ऑब्जर्वेशन वेक्टर्स को स्टैक करता है, जिसका आकार $(M_c + M_e) \times K$ होता है।
• जटिलता (Complexity): $O((M_c + M_e)^3)$, जो संवर्धित कोवेरिएंस मैट्रिक्स के आइजनवैल्यू डीकंपोजिशन (EVD) द्वारा संचालित है।

4. मुख्य परिणाम (Key Results)

• क्षमता लाभ (Capacity Gains):
  • आधार रेखा $M=32, p=3$ के लिए:
    • कंप्रेस्ड सीमा: 25 स्रोत।
    • एक्सटेंडेड सीमा: 31 स्रोत।
    • संयुक्त सीमा (Joint limit): 57 स्रोत (एक्सटेंडेड-ओनली की तुलना में 84% की वृद्धि और कंप्रेस्ड-ओनली की तुलना में 128% की वृद्धि)।
  • अनुक्रमिक प्रसंस्करण 25 स्रोतों तक ही सीमित है, जो बॉटलनेक सिद्धांत की पुष्टि करता है।
• सिमुलेशन सत्यापन (Simulation Validation):
  • बीजगणितीय (Algebraic): शोर उपस्थान का आयाम सैद्धांतिक सीमा तक $M_{eff} - K$ के साथ पूरी तरह से मेल खाता है, जहाँ यह शून्य तक गिर जाता है।
  • सूचना-सैद्धांतिक (Information-Theoretic): नॉइज़ एंट्रॉपी रेश्यो $\rho_n$ निरंतर घटता है और $K_{max}$ पर ठीक शून्य हो जाता है।
  • व्यावहारिक संतृप्ति (Practical Saturation): हालांकि सैद्धांतिक संयुक्त सीमा 57 है, व्यावहारिक सिमुलेशन $K \approx 34-36$ के आसपास संतृप्ति दिखाते हैं, जो मैनिफोल्ड कंडीशनिंग समस्याओं (स्टीयरिंग वेक्टर्स में निकट-रैखिक निर्भरता) और उच्च स्रोत गणनाओं पर MDL मानदंड की अस्थिरता के कारण है। फिर भी, यह एकल-एरे प्रसंस्करण की तुलना में महत्वपूर्ण लाभ का प्रतिनिधित्व करता है।
• प्रदर्शन (Performance): J-MUSIC प्रदर्शित करता है:
  • Extended-MUSIC की तुलना में RMSE में 15–30% की कमी।
  • उच्च स्रोत गणनाओं के प्रति मजबूती (20 स्रोतों तक को हल करना जहाँ अन्य विफल हो जाते हैं)।
  • कम स्नैपशॉट्स के साथ तेज़ अभिसरण (convergence)।

5. महत्व (Significance)

यह शोध पत्र एरे सिग्नल प्रोसेसिंग विश्लेषण में एक प्रतिमान परिवर्तन (paradigm shift) लाता है:

1. बीजगणित से परे: यह शास्त्रीय रैंक-काउंटिंग से आगे बढ़कर एक सूचना-सैद्धांतिक आधार की ओर बढ़ता है, जो अलग-अलग एरे ज्यामिति की तुलना करने के लिए एक एकीकृत मीट्रिक (एंट्रॉपी बजट) प्रदान करता है।
2. S-FAS अनुकूलन: यह संयुक्त प्रसंस्करण (joint processing) के लिए सैद्धांतिक औचित्य प्रदान करता है, जो DoFs को अधिकतम करने के लिए अगली पीढ़ी के फ्लुइड एंटेना सिस्टम के डिजाइन का मार्गदर्शन करता है।
3. नैदानिक उपकरण (Diagnostic Tool): प्रस्तावित एंट्रॉपी मेट्रिक्स इंजीनियरों को यह निदान करने का एक व्यावहारिक तरीका प्रदान करते हैं कि क्या सिस्टम प्रदर्शन की सीमाएँ मौलिक (हार्डवेयर/भौतिकी) हैं या एल्गोरिद्मिक।
4. स्केलेबिलिटी: यह सिद्ध करता है कि स्केलेबल फ्लुइड एंटेना पारंपरिक एरे के $K < M$ अवरोध को तोड़ सकते हैं, जिससे जटिल, मिश्रित-क्षेत्र वातावरण में सुपर-रिज़ॉल्यूशन और अनडिटरमाइंड स्रोत अनुमान सक्षम होता है।