⚡ electrical engineering

A Novel Stripe-based RIS Optimization for UAV Communications and Sensing in Low-Altitude Wireless Networks

यह शोध पत्र एक कम-जटिलता वाले, स्ट्राइप-आधारित पुनर्गठनीय इंटेलिजेंट सरफेस (RIS) अनुकूलन ढांचे का प्रस्ताव करता है जो कम-ऊंचाई वाले वायरलेस नेटवर्क के लिए, संरचनात्मक चरण प्रवणता (structural phase gradients) का लाभ उठाकर कम्प्यूटेशनल खोज स्थान को कम करने के माध्यम से, यूएवी (UAV) संचार विश्वसनीयता को बढ़ाता है और निष्क्रिय संवेदन (passive sensing) को सक्षम करता है, जिसकी प्रभावशीलता को सिमुलेशन और वास्तविक दुनिया के आउटडोर प्रयोगों दोनों के माध्यम से मान्य किया गया है।

मूल लेखक: Burak Ahmet Celebi, Sefa Kayraklik, Onur Salan, Ibrahim Hokelek, Ali Emre Pusane, Ali Gorcin

प्रकाशित 2026-06-08

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Burak Ahmet Celebi, Sefa Kayraklik, Onur Salan, Ibrahim Hokelek, Ali Emre Pusane, Ali Gorcin

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 शहर के ऊपर ऊँचाई पर उड़ रहे एक ड्रोन से बात करने की कोशिश कर रहे हैं, लेकिन एक ऊँची इमारत आपकी सीधी दृष्टि (line of sight) को रोक रही है। आप इतना ज़ोर से नहीं चिल्ला सकते कि वह बाधा पार कर सके, और सिग्नल गलत दिशा में टकराकर वापस आ रहा है। यही वह समस्या है जिसे यह शोध पत्र (paper) हल करता है: बाधाओं के आने पर भी ड्रोन (UAV) के साथ एक स्पष्ट और मज़बूत कनेक्शन कैसे बनाए रखा जाए, और साथ ही उस कनेक्शन का उपयोग यह "देखने" के लिए कैसे किया जाए कि ड्रोन कहाँ जा रहा है।

लेखकों द्वारा प्रस्तावित समाधान एक हाई-टेक "स्मार्ट मिरर" है जिसे Reconfigurable Intelligent Surface (RIS) कहा जाता है। इस RIS को एक विशाल दीवार के रूप में सोचें जो हज़ारों छोटे, समायोज्य (adjustable) टाइल्स से बनी है। प्रत्येक टाइल एक ग्राउंड स्टेशन से रेडियो सिग्नल को पकड़ सकती है और उसे ड्रोन की ओर परावर्तित (reflect) कर सकती है। प्रत्येक टाइल के कोण (angle) को बदलकर, यह दीवार सिग्नल को वैसे ही केंद्रित कर सकती है जैसे एक आवर्धक लेंस (magnifying glass) सूर्य के प्रकाश को केंद्रित करता है।

यहाँ लेखक इस नवाचार को सरल उपमाओं (analogies) का उपयोग करके समझाते हैं:

1. समस्या: "पिक्सेल-दर-पिक्सेल" का दुस्वप्न (Nightmare)

आमतौर पर, इस स्मार्ट मिरर को पूरी तरह से काम करने के लिए, आपको हर एक छोटी टाइल को व्यक्तिगत रूप से सही कोण खोजने के लिए समायोजित करना पड़ता है।

पुराना तरीका: कल्पना करें कि आप एक विशाल दर्पण को एक समय में एक छोटी टाइल के एक छोटे से पेंच (screw) को घुमाकर केंद्रित करने की कोशिश कर रहे हैं, फिर यह देख रहे हैं कि क्या रोशनी तेज़ हुई, और फिर अगले पेंच की ओर बढ़ रहे हैं, और इसी तरह। यदि दर्पण में 576 टाइलें हैं (जैसा कि उनके प्रयोग में है), तो आपको लाखों संयोजनों (combinations) की जाँच करनी होगी। यदि ड्रोन चल रहा है, तो आपको यह सब तुरंत फिर से करना होगा। यह धीमा है, गणनात्मक रूप से भारी (computationally heavy) है, और यदि सिग्नल कमज़ोर है (जैसे तूफान में एक फुसफुसाहट), तो आप यह नहीं बता पाएंगे कि एक छोटे से समायोजन ने मदद की या नहीं।

2. समाधान: "स्ट्राइप" (Stripe) रणनीति

लेखक एक चतुर शॉर्टकट का प्रस्ताव देते हैं। प्रत्येक टाइल को एक अद्वितीय व्यक्ति के रूप में मानने के बजाय, उन्होंने महसूस किया कि एक स्पष्ट, खुले स्थान (far-field) में, सिग्नल को परावर्तित करने का सबसे अच्छा तरीका एक स्ट्राइप पैटर्न जैसा दिखता है।

उपमा: कल्पना करें कि दर्पण पर टाइलें स्टेडियम में लोगों की पंक्तियों की तरह हैं जो "द वेव" (the wave) कर रहे हैं। हर एक व्यक्ति को यह बताने के बजाय कि उन्हें कब खड़ा होना है, आप बस पहली पंक्ति को कहते हैं, "खड़े हो जाओ," और अगली पंक्ति को, "एक सेकंड बाद खड़े हो जाओ," और इसी तरह। लहर स्टेडियम में सुचारू रूप से चलती है।
यह कैसे काम करता है: सिस्टम को केवल लहर के "ढलान" (slope) या "ग्रेडिएंट" (gradient) को समझने की आवश्यकता है (कि X दिशा और Y दिशा में कोण कितनी तेज़ी से बदलता है)। 576 टाइल्स के लिए सटीक सेटिंग खोजने के बजाय, इसे केवल दो नंबरों की खोज करनी होती है: X दिशा में ढलान और Y दिशा में ढलान।
लाभ: यह खोज क्षेत्र (search space) को एक विशाल भूलभुलैया से एक छोटे, प्रबंधनीय ग्रिड में बदल देता है। यह घास के ढेर में सुई खोजने जैसा है, पहले घास के ढेर के आकार को देखने के बाद, न कि घास के हर एक तिनके को कुरेदने के बाद।

3. चलते हुए लक्ष्य को संभालना: ड्रोन को ट्रैक करना

ड्रोन स्थिर नहीं रहते; वे इधर-उधर उड़ते हैं। यदि दर्पण एक स्थिर ड्रोन के लिए सेट है, तो जैसे ही ड्रोन हिलेगा, सिग्नल चूक जाएगा।

चुनौती: आपको हर बार पूर्ण खोज (full search) किए बिना लगातार "स्ट्राइप पैटर्न" को अपडेट करने की आवश्यकता है।
शोध पत्र के उपकरण: लेखकों ने दर्पण को केंद्रित रखने के लिए तीन "स्मार्ट ट्रैकर्स" विकसित किए हैं:
1. सरल ट्रैकिंग (Simple Tracking): एक गेंद का पीछा करने वाले कुत्ते की तरह, यह बस थोड़ा सा उस जगह के आसपास देखता है जहाँ पिछला सिग्नल मज़बूत था और थोड़ा समायोजन करता है।
2. कलमन-एडेड ट्रैकिंग (Kalman-Aided Tracking): यह एक GPS की तरह है जो भविष्यवाणी करता है कि कार कहाँ होगी। यह वर्तमान गति और दिशा के आधार पर ड्रोन के अगले कदम का अनुमान लगाने के लिए गणित का उपयोग करता है, ताकि दर्पण ड्रोन के वहाँ पहुँचने से पहले ही खुद को एडजस्ट कर सके।
3. एक्सट्रीमम सीकिंग (Extremum Seeking - ESC): यह एक अंधे व्यक्ति की तरह है जो ढलान पर रास्ता महसूस करते हुए चलता है। वे अलग-अलग दिशाओं में छोटे, टेढ़े-मेढ़े कदम उठाते हैं ताकि यह महसूस कर सकें कि ज़मीन किस दिशा में अधिक तीव्र (मज़बूत सिग्नल) हो रही है और उसी दिशा में बढ़ते रहते हैं।

4. बोनस फीचर: "पैसिव सेंसिंग" (Passive Sensing)

जबकि दर्पण खुद को सिग्नल पकड़ने के लिए समायोजित कर रहा है, वह अनजाने में (या वास्तव में जानबूझकर) यह सीख लेता है कि ड्रोन कहाँ है।

जादू: क्योंकि "स्ट्राइप पैटर्न" पूरी तरह से ड्रोन के कोण पर निर्भर करता है, एक बार जब सिस्टम सबसे अच्छा पैटर्न ढूंढ लेता है, तो यह गणितीय रूप से ड्रोन के स्थान का रिवर्स-इंजीनियरिंग कर सकता है। यह बिल्कुल वैसा ही है जैसे दीवार पर पड़ने वाली छाया को देखकर यह जानना कि टॉर्च कहाँ चमक रही है। सिस्टम को अतिरिक्त कैमरों या सेंसरों की आवश्यकता के बिना एक "मुफ्त" ट्रैकिंग क्षमता प्राप्त होती है।

5. वास्तविक दुनिया का प्रमाण

लेखकों ने केवल कंप्यूटर सिमुलेशन नहीं चलाया; उन्होंने एक वास्तविक प्रोटोटाइप बनाया।

प्रयोग: उन्होंने एक विश्वविद्यालय परिसर में एक वास्तविक स्मार्ट मिरर (24x24 टाइल्स वाला) स्थापित किया। उन्होंने ग्राउंड स्टेशन से रिसीवर तक सिग्नल भेजने और उन्हें दर्पण से परावर्तित करने के लिए वास्तविक रेडियो उपकरणों का उपयोग किया।
परिणाम: "स्ट्राइप" विधि पुराने "पिक्सेल-दर-पिक्सेल" तरीकों की तुलना में बेहतर और तेज़ थी। इसने एक मज़बूत सिग्नल बनाए रखा, भले ही वातावरण शोर भरा (noisy) था, और इसने वास्तविक दुनिया में सिग्नल पथ को सफलतापूर्वक ट्रैक किया, जिससे यह साबित हुआ कि गणित कंप्यूटर के बाहर भी काम करता है।

सारांश

संक्षेप में, यह शोध पत्र एक स्मार्ट रेडियो मिरर को नियंत्रित करने के लिए एक कम-जटिलता (low-complexity), उच्च-गति विधि पेश करता है। प्रत्येक टाइल का सूक्ष्म प्रबंधन करने के बजाय, यह प्रतिबिंब के "प्रवाह" (flow) को स्ट्राइप पैटर्न का उपयोग करके नियंत्रित करता है। यह इसे निम्नलिखित कार्य करने में सक्षम बनाता है:

कनेक्ट करना: ड्रोनों के साथ बहुत तेज़ी से और अधिक विश्वसनीयता के साथ जुड़ना, भले ही सिग्नल कमज़ोर हो।
ट्रैक करना: स्मार्ट प्रेडिक्शन एल्गोरिदम का उपयोग करके वास्तविक समय में चलते हुए ड्रोनों को ट्रैक करना।
लोकेट करना: कनेक्शन प्रक्रिया के एक दुष्प्रभाव के रूप में ड्रोन की स्थिति को स्वचालित रूप से निर्धारित करना।

लेखकों ने कंप्यूटर सिमुलेशन और वास्तविक बाहरी प्रयोगों दोनों के साथ इसकी पुष्टि की, जो दर्शाता है कि यह कम-ऊंचाई वाले ड्रोन नेटवर्क के भविष्य के लिए एक व्यावहारिक समाधान है।

तकनीकी सारांश: निम्न-ऊंचाई वाले वायरलेस नेटवर्क में UAV संचार और संवेदन के लिए एक नवीन स्ट्राइप-आधारित RIS अनुकूलन

समस्या विवरण
लो-एल्टीट्यूड वायरलेस नेटवर्क (LAWN) संचार, संवेदन और नियंत्रण को हवाई और स्थलीय नोड्स में एकीकृत करके मिशन-महत्वपूर्ण हवाई संचालन का समर्थन करने का लक्ष्य रखते हैं। हालांकि, मानव रहित हवाई वाहन (UAV) संचालन की अत्यधिक गतिशील प्रकृति, सिग्नल अवरोधों और तेजी से बदलते वायरलेस चैनलों के संयोजन के साथ, इन प्रणालियों की विश्वसनीयता और विलंबता (latency) आवश्यकताओं को चुनौती देती है। जबकि रीकॉन्फ़िगर करने योग्य इंटेलिजेंट सर्फेस (RIS) वायरलेस प्रसार वातावरण को नियंत्रित करके कवरेज और विश्वसनीयता बढ़ाने के लिए एक आशाजनक समाधान प्रदान करते हैं, मौजूदा अनुकूलन दृष्टिकोण अक्सर उच्च कम्प्यूटेशनल जटिलता से ग्रस्त होते हैं। इसके अलावा, कई मौजूदा विधियां कम सिग्नल-टू-नॉइज़ रेशियो (SNR) शासन में या जब चरण अनुमान त्रुटियां (phase estimation errors) होती हैं, विशेष रूप से जैसे-जैसे RIS तत्वों की संख्या बढ़ती है, प्रदर्शन बनाए रखने में संघर्ष करती हैं। एक ऐसे कम-जटिलता वाले अनुकूलन ढांचे की आवश्यकता है जो बिना व्यापक खोज स्थानों (exhaustive search spaces) के, मोबाइल UAVs के लिए विश्वसनीय संचार और निष्क्रिय संवेदन (ट्रैकिंग) क्षमताओं को एक साथ सुनिश्चित कर सके।

कार्यप्रणाली
यह शोध पत्र एक स्ट्राइप-आधारित RIS फेज शिफ्ट अनुकूलन ढांचे का प्रस्ताव करता है जिसे स्थिर और मोबाइल UAV परिदृश्यों दोनों के लिए डिज़ाइन किया गया है। मुख्य कार्यप्रणाली फार-फील्ड क्षेत्र में निकटवर्ती RIS तत्वों के अंतर्निहित संरचनात्मक फेज-ग्रेडिएंट (structural phase-gradient) का लाभ उठाती है, न कि प्रत्येक तत्व को व्यक्तिगत रूप से अनुकूलित करने का।

सिस्टम मॉडल: सिस्टम एक बेस स्टेशन (BS), एक RIS (यूनिफॉर्म प्लानर एरे), और एक UAV को मॉडल करता है। फार-फील्ड में, RIS में इष्टतम फेज प्रोफाइल रैखिक (linear) होता है, जिसे दो मापदंडों: x और y अक्षों के साथ फेज ग्रेडिएंट $\Delta_x$ और $\Delta_y$ द्वारा परिभाषित किया जाता है।
स्थिर अनुकूलन (स्ट्राइप-आधारित खोज): $N$ $N$ व्यक्तिगत तत्वों के चरणों को खोजने के बजाय, एल्गोरिदम इष्टतम युग्म $(\Delta_x, \Delta_y)$ $(Δ_{x}, Δ_{y})$ की खोज करता है। यह खोज स्थान को काफी कम कर देता है। एक दो-चरणीय पदानुक्रमित खोज (hierarchical search) का उपयोग किया जाता है:
- कोर्स सर्च (Coarse Search): एक स्थानीय विंडो खोजने के लिए ग्रेडिएंट स्पेस को समान रूप से विविक्त (discretize) करता है।
- फाइन सर्च (Fine Search): पहचाने गए विंडो के भीतर खोज को परिष्कृत करता है।
- क्वांटाइजेशन: यह विधि 1-बिट RIS आर्किटेक्चर (फेज शिफ्ट 0 या $\pi$ ) का समर्थन करती है, जहाँ रैखिक फेज प्रोफाइल फेज रैपिंग के कारण "स्ट्राइप" पैटर्न के रूप में प्रकट होता है।
त्रुटि विश्लेषण: शोध पत्र चरण अनुमान त्रुटियों के प्रति सिस्टम की संवेदनशीलता का गणितीय विश्लेषण प्रदान करता है। यह प्रदर्शित करता है कि संरचित ग्रेडिएंट त्रुटियां (जो स्ट्राइप पैटर्न को प्रभावित करती हैं) यादृच्छिक, असंबंधित तत्व-वार त्रुटियों की तुलना में काफी कम SNR हानि का परिणाम देती हैं, यहाँ तक कि 1-बिट क्वांटाइज्ड सिस्टम में भी।
मोबाइल UAV ट्रैकिंग: चलते हुए UAVs के लिए, यह ढांचा फेज ग्रेडिएंट्स को अपडेट करने के लिए तीन रणनीतियों का उपयोग करके रीयल-टाइम ट्रैकिंग में विस्तार करता है:
- सरल ट्रैकिंग (Simple Tracking): पिछले इष्टतम के आसपास बार-बार फाइन-ग्रिड खोज।
- कलमन-एडेड ट्रैकिंग (Kalman-Aided Tracking): UAV वेग के आधार पर फेज ग्रेडिएंट्स के विकास की भविष्यवाणी करने के लिए कलमन फ़िल्टर का उपयोग करता है, जिससे खोज विंडो संकीर्ण हो जाती है।
- एक्सट्रीमम सीकिंग कंट्रोल (ESC) एडेड ट्रैकिंग: ग्रिड खोज के बिना, SNR अधिकतम को ट्रैक करने के लिए ग्रेडिएंट्स पर निरंतर, कम-आयाम वाले विक्षोभ (perturbations) लागू करता है, जिससे विलंबता कम होती है।
पैसिव सेंसिंग (निष्क्रिय संवेदन): अनुमानित फेज ग्रेडिएंट्स को गणितीय रूप से रूपांतरित किया जाता है ताकि RIS के सापेक्ष UAV के ऊंचाई (elevation) और अज़ीमुथ (azimuth) कोणों का निष्कर्ष निकाला जा सके, जो समर्पित संवेदन संकेतों के बिना कोणीय स्थानीयकरण (angular localization) के रूप में एक उपोत्पाद प्रदान करता है।

प्रमुख योगदान

कम-जटिलता वाला एल्गोरिदम: शोध पत्र एक स्ट्राइप-आधारित अनुकूलन एल्गोरिदम विकसित करता है जो RIS तत्वों की संख्या के संबंध में कम्प्यूटेशनल जटिलता को रैखिक ( $O(N)$ ) से घटाकर सब-लीनियर ( $O(\sqrt{N})$ ) कर देता है, जिससे यह बड़े एरे के लिए स्केलेबल बन जाता है।
मजबूती विश्लेषण (Robustness Analysis): यह विश्लेषणात्मक व्युत्पत्ति और सिमुलेशन प्रदान करता है जो दिखाते हैं कि प्रस्तावित विधि चरण अनुमान त्रुटियों और कम SNR शासन में भी उच्च-SNR कनेक्टिविटी बनाए रखती है, जहाँ पुनरावृत्त तत्व-वार विधियां विफल हो जाती हैं।
एकीकृत ट्रैकिंग और संवेदन: इस ढांचे को कलमन-एडेड और ESC-एडेड ट्रैकिंग पद्धतियों के माध्यम से मोबाइल UAVs का समर्थन करने के लिए विस्तारित किया गया है। महत्वपूर्ण रूप से, यह एक गणितीय रूपांतरण व्युत्पन्न करता है जो RIS फेज-शिफ्ट अनुकूलन को निरंतर UAV ट्रैकिंग तंत्र में बदल देता है, जिससे समर्पित संवेदन संकेतों के बिना निष्क्रिय कोणीय स्थानीयकरण सक्षम होता है।
प्रायोगिक सत्यापन: अध्ययन एक वास्तविक RIS प्रोटोटाइप (24 $\times$ 24 तत्व) और एक आउटडोर कैंपस वातावरण में सॉफ्टवेयर-डिफाइंड रेडियो (SDRs) का उपयोग करके दृष्टिकोण को मान्य करता है, जो सैद्धांतिक सिमुलेशन से परे व्यावहारिक व्यवहार्यता को प्रदर्शित करता है।

परिणाम

SNR प्रदर्शन: सिमुलेशन संकेत देते हैं कि स्ट्राइप-आधारित विधि विभिन्न UAV दूरियों में लगातार उच्च SNR प्राप्त करती है, जो सैद्धांतिक ऊपरी सीमा के करीब है। इसके विपरीत, पारंपरिक पुनरावृत्त विधियाँ (जैसे 1 $\times$ 1 तत्व अपडेट) लंबी दूरी या कम SNR पर तेजी से खराब हो जाती हैं क्योंकि एकल-तत्व फेज परिवर्तन शोर से अलग पहचान पाना कठिन हो जाता है।
कम्प्यूटेशनल दक्षता: रनटाइम विश्लेषण दिखाता है कि जबकि पुनरावृत्त विधियाँ RIS तत्वों की संख्या के साथ रैखिक रूप से स्केल करती हैं, स्ट्राइप-आधारित विधि तत्व गणना के वर्गमूल के साथ स्केल करती है, जिससे बड़े एरे के लिए पर्याप्त समय की बचत होती है।
ट्रैकिंग सटीकता: मोबाइल परिदृश्यों में, ESC-एडेड ट्रैकिंग दृष्टिकोण ने इष्टतम कॉन्फ़िगरेशन की तुलना में सबसे कम औसत SNR हानि (लगभग 0.31 dB) प्राप्त की, जिसने अपडेट विलंबता और मिसमैच को कम करके सरल और कलमन-एडेड ट्रैकर्स की तुलना में बेहतर प्रदर्शन किया।
प्रायोगिक सत्यापन: आउटडोर माप ने पुष्टि की कि स्ट्राइप-आधारित विधि विभिन्न ट्रांसमीटर दूरियों पर पुनरावृत्त बेसलाइनों (1 $\times$ 1 और 4 $\times$ 4) की तुलना में उच्च प्राप्त शक्ति प्रदान करती है। मापे गए रेडिएशन पैटर्न ने सत्यापित किया कि RIS ने सफलतापूर्वक रिसीवर की ओर परावर्तित संकेतों को निर्देशित किया।

महत्व
यह शोध पत्र दावा करता है कि यह कार्य सैद्धांतिक RIS अनुकूलन और व्यावहारिक परिनियोजन (deployment) के बीच के अंतर को पाटता है। RIS के संरचनात्मक फेज-ग्रेडिएंट का लाभ उठाकर, प्रस्तावित विधि एक कम्प्यूटेशनल रूप से कुशल समाधान प्रदान करती है जो हार्डवेयर खामियों और कम SNR स्थितियों के प्रति मजबूत है। इसकी क्षमता संचार लिंक को अनुकूलित करने और साथ ही निष्क्रिय UAV ट्रैकिंग (कोणीय स्थानीयकरण) प्रदान करने की, इसे अगली पीढ़ी के सेवा-जागरूक 3D वायरलेस नेटवर्क के लिए एक व्यवहार्य सक्षम बनाती है। एक वास्तविक प्रोटोटाइप के साथ सफल आउटडोर प्रदर्शन वास्तविक दुनिया के वातावरण में कम-जटिलता वाली, स्ट्राइप-आधारित रणनीतियों को तैनात करने की व्यावहारिक व्यवहार्यता को रेखांकित करता है।