Riepilogo Tecnico: Comunicazione e Sensamento Integrati per Sistemi di Antenna a Pizzicamento con Guida d'Onda Segmentata

1. Definizione del Problema

Il documento affronta le sfide nella progettazione di sistemi di Comunicazione e Sensamento Integrati (ISAC) per le reti di sesta generazione (6G), che richiedono la trasmissione simultanea di dati ad alta velocità e una consapevolezza ambientale granulare. Mentre i tradizionali array di fase e le antenne riconfigurabili offrono capacità di puntamento del fascio (beam-steering), essi spesso soffrono di elevati costi hardware, reti di alimentazione complesse e flessibilità limitata.

Recenti progressi hanno introdotto le "antenne a pizzicamento" (Pinching Antennas, PA), che creano punti di radiazione pizzicando una guida d'onda, offrendo un'elevata flessibilità spaziale e una minore complessità. Tuttavia, i design esistenti delle PA si affidano tipicamente a singole guide d'onda o a guide d'onda continue molto lunghe (decine di metri), che degradano le prestazioni su ampie regioni a causa della perdita di propagazione e comportano elevati costi di manutenzione. Per affrontare queste limitazioni, il documento investiga i sistemi di Antenna a Pizzicamento con Guida d'Onda Segmentata (Segmented Waveguide-Enabled Pinching Antenna, SWAN). La sfida principale consiste nell'ottimizzare congiuntamente il beamforming di trasmissione, la selezione dei segmenti e il posizionamento dell'antenna a pizzicamento per massimizzare la somma del tasso di comunicazione soddisfacendo al contempo i vincoli di prestazione di sensamento, un problema caratterizzato come non convesso e non lineare.

2. Metodologia

Modello di Sistema

Gli autori propongono un sistema SWAN-ISAC downlink in cui una stazione base è dotata di $M$ guide d'onda segmentate, ciascuna contenente $N$ antenne a pizzicamento. Il sistema serve $K_c$ utenti di comunicazione e rileva $K_s$ bersagli di sensamento.

• Modello del Segnale: Il sistema impiega un protocollo di Selezione e Multiplexing Ibrido di Segmento (Hybrid Segment Selection and Multiplexing, HSSM). Ogni segmento di guida d'onda è collegato a una catena a Radio Frequenza (RF) dedicata. I segnali vengono immessi nelle guide d'onda e le PA irradiano versioni sfasate del segnale, tenendo conto della perdita di propagazione all'interno della guida d'onda.
• Metriche: L'obiettivo è massimizzare la somma del tasso di comunicazione ($R_{kc}$) soggetto a una soglia minima di potenza di illuminazione ($\tilde{\Gamma}$) per i bersagli di sensamento. I vincoli includono limiti alla potenza totale trasmessa e una spaziatura minima tra antenne a pizzicamento adiacenti.

Soluzione Proposta: Apprendimento per Rinforzo con Isteresi di Segmento (SHRL)

Per risolvere il problema di ottimizzazione congiunta non convesso, gli autori propongono un algoritmo di Apprendimento per Rinforzo basato su Isteresi di Segmento (Segment Hysteresis Reinforcement Learning, SHRL).

• Formulazione MDP: Il problema è modellato come un Processo Decisionale di Markov (MDP). Lo spazio degli stati include l'informazione sullo stato del canale (CSI), le posizioni precedenti delle antenne e le assegnazioni precedenti dei segmenti. Lo spazio delle azioni prevede aggiornamenti continui per le posizioni delle antenne, i logit di selezione del segmento e i pesi di beamforming.
• Meccanismo di Isteresi: A differenza del Reinforcement Learning (RL) convenzionale che aggiorna le selezioni dei segmenti indipendentemente ad ogni passo, lo SHRL introduce un gate di isteresi probabilistico. Questo meccanismo impedisce cambiamenti bruschi nella mappatura antenna-segmento. Le nuove decisioni sui segmenti vengono accettate solo se forniscono un miglioramento sufficiente o superano una specifica soglia; altrimenti, le selezioni precedenti vengono mantenute. Ciò riduce la varianza strutturale e mitiga la non-stazionarietà causata dal rapido switching.
• Addestramento: L'algoritmo utilizza il framework Advantage Actor-Critic (A2C). L'attore (actor) produce i parametri di beamforming e i logit grezzi del segmento, mentre il gate di isteresi raffina la selezione del segmento prima dell'esecuzione. Il critico (critic) valuta i valori di stato per guidare gli aggiornamenti della policy.

3. Contributi Chiave

1. Framework SWAN-ISAC: Il documento propone un design ISAC che sfrutta guide d'onda segmentate per ridurre la perdita di propagazione nella guida d'onda e migliorare la flessibilità dell'allocazione delle risorse spaziali rispetto ai design a guida d'onda continua.
2. Protocollo HSSM: Implementazione di un protocollo di selezione e multiplexing ibrido di segmento che collega i segmenti a catene RF dedicate, bilanciando le prestazioni con una riduzione dei costi hardware.
3. Algoritmo SHRL: Sviluppo di un nuovo algoritmo di RL che incorpora un meccanismo di aggiornamento basato su isteresi. Questo affronta specificamente i problemi di stabilità nell'ottimizzazione delle selezioni di segmenti discreti all'interno di un ambiente di controllo continuo, garantendo la coerenza temporale nell'esplorazione della policy.
4. Ottimizzazione Congiunta: Formulazione e soluzione di un complesso problema di ottimizzazione congiunta che coinvolge il beamforming di trasmissione, la selezione del segmento e il posizionamento fisico dell'antenna sotto vincoli di sensamento.

4. Risultati della Simulazione

Gli autori hanno condotto simulazioni in un'area di 50m $\times$ 60m con 6 utenti e 1 bersaglio, operando a 28 GHz.

• Confronto tra Protocolli: Il sistema proposto SWAN-HSSM ha superato significativamente i baseline SWAN-SM (multiplexing singolo) e PASS (Periodic Antenna Selection Scheme) convenzionale sia in scenari di utente/bersaglio sparsi che densi. SWAN-HSSM ha ottenuto i reward più elevati selezionando efficacemente i segmenti attivi per ridurre la dispersione di potenza e mitigare l'interferenza.
• Prestazioni dell'Algoritmo: Lo SHRL ha dimostrato una stabilità di convergenza superiore e ha raggiunto il reward finale più elevato rispetto agli schemi SPRL (selezione periodica), A2C, PPO e Random. Il meccanismo di isteresi ha prevenuto lo switching non necessario dei segmenti, portando a un apprendimento più stabile.
• Sensibilità della Configurazione:
  • Lunghezza della Guida d'Onda: All'aumentare della lunghezza totale della guida d'onda (fino a 80m), le prestazioni sono migliorate grazie a un'apertura spaziale maggiore. Tuttavia, a lunghezze molto elevate (100m), la perdita di propagazione ha causato un degrado in tutti gli algoritmi, con lo SHRL che rimane il più robusto.
  • Numero di Segmenti: L'aumento del numero di segmenti ($M$) ha migliorato il SNR di sensamento (grazie a una minore attenuazione per segmento) ma ha ridotto i tassi di comunicazione (a causa di meno antenne per segmento e riduzione del guadagno d'array). Lo SHRL ha mantenuto costantemente il miglior compromesso tra questi parametri contrastanti.

5. Significato e Rivendicazioni

Il documento afferma che l'architettura SWAN-ISAC proposta, combinata con l'algoritmo SHRL, offre una soluzione percorribile per implementazioni ISAC ad alte prestazioni e limitate dalla potenza. Il significato risiede in:

• Efficienza Hardware: L'utilizzo di guide d'onda segmentate e antenne a pizzicamento riduce la complessità hardware e i costi di manutenzione rispetto ai tradizionali array di fase, offrendo al contempo una maggiore flessibilità rispetto alle singole guide d'onda continue.
• Ottimizzazione Stabile: L'introduzione del meccanismo di isteresi nel RL fornisce un metodo per stabilizzare il processo di apprendimento in sistemi con cambiamenti strutturali discreti (selezione del segmento), una sfida spesso affrontata dagli algoritmi RL standard come A2C o PPO.
• Guadagni di Prestazione: Il sistema raggiunge un equilibrio superiore tra throughput di comunicazione e accuratezza del sensamento, mantenendo il SNR di sensamento vicino alle soglie operative mentre aumenta significativamente i tassi di dati rispetto agli schemi baseline.

Gli autori concludono che i sistemi di antenna a guida d'onda segmentata sono un promettente abilitatore per le future applicazioni ISAC del 6G, particolarmente dove sono richiesti un beamforming flessibile e una separazione efficiente delle funzioni di comunicazione e sensamento.