Scalable Cross-Attention Transformer for Cooperative Multi-AP OFDM Uplink Reception

1. Il Problema e il Contesto

L'evoluzione degli standard wireless (come Wi-Fi 7 e il futuro Wi-Fi 8) richiede prestazioni elevate in termini di throughput e affidabilità, spingendo verso l'adozione di ricevitori cooperativi multi-AP (Access Point). In scenari di uplink coordinato (simili alle architetture cell-free o CoMP), più AP ricevono lo stesso segnale da un singolo utente (UE) per sfruttare la diversità spaziale e mitigare le interferenze.

Tuttavia, le pipeline di ricezione convenzionali presentano limiti significativi:

• Stima del canale classica: Metodi come LS (Least Squares) sono sensibili al rumore, mentre LMMSE richiede statistiche di canale di secondo ordine spesso non disponibili o obsolete in ambienti non stazionari.
• Elaborazione indipendente: Le pipeline tradizionali elaborano ogni AP separatamente, ignorando le correlazioni spaziali tra gli AP e adattando la fusione dei segnali solo in base al SNR, senza considerare la qualità del link in modo dinamico.
• Complessità computazionale: Le recenti soluzioni basate su Deep Learning (come i Transformer con self-attention completa) offrono buone prestazioni ma soffrono di una complessità quadratica rispetto al numero di elementi tempo-frequenza e al numero di AP, rendendole proibitive per grandi blocchi OFDM e deployment densi.

2. Metodologia Proposta

Gli autori propongono un decodificatore congiunto basato su un Transformer con meccanismo di Cross-Attention, progettato specificamente per scalare linearmente con il numero di AP.

Architettura della Rete

Il modello è strutturato in tre fasi principali:

1. Codificatore Condivido per AP (Per-AP Shared Encoder):
   • Ogni AP elabora la propria griglia tempo-frequenza (OFDM) in modo indipendente.
   • Viene utilizzato un encoder Transformer con self-attention (condiviso tra tutti gli AP) per estrarre rappresentazioni latenti di ogni elemento risorsa (RE).
   • Questo permette di catturare le dipendenze locali e globali all'interno della griglia di ciascun ricevitore, imparando la struttura del canale senza stime esplicite.
2. Fusione Cross-Attention Token-wise:
   • Per ogni posizione tempo-frequenza $(f, t)$, un modulo di cross-attention fonde le rappresentazioni latenti provenienti da tutti gli $N_R$ AP.
   • Meccanismo di Ancoraggio: Un AP (es. AP 1) funge da "ancora" per generare le Query, mentre tutti gli AP contribuiscono alle Key e Value.
   • Questo approccio permette al modello di assegnare pesi adattivi ai segnali: i link affidabili vengono potenziati, mentre quelli rumorosi o in fading vengono attenuati.
   • Scalabilità: A differenza della self-attention completa che scala quadraticamente, questa fusione token-wise scala linearmente con il numero di AP ($O(N_R)$).
3. Testata di Predizione (Prediction Head):
   • Un semplice MLP mappa la rappresentazione fusa di ogni RE in Log-Likelihood Ratios (LLR) morbidi, pronti per essere decodificati da un decoder di canale standard (es. LDPC).

Obiettivo di Addestramento

Il modello è addestrato per massimizzare il Bit-Metric Decoding (BMD) rate, che è un surrogato differenziabile della probabilità di errore (BER). Non richiede la conoscenza esplicita dello stato del canale (CSI) per AP, ma apprende a compensare le distorsioni di ampiezza e fase utilizzando i simboli pilota come punti di riferimento (anchor).

3. Contributi Chiave

1. Modello Scalabile: Un'architettura Transformer che mantiene una complessità lineare rispetto al numero di AP, risolvendo il collo di bottiglia computazionale delle soluzioni precedenti.
2. Fusione Adattiva: Un meccanismo di fusione che si adatta dinamicamente alla qualità eterogenea dei link e ai livelli di rumore, senza bisogno di stime di canale esplicite.
3. Output per Decoder Standard: Il modello produce direttamente LLR morbidi, integrandosi perfettamente con i decoder di canale esistenti (come LDPC) senza richiedere modifiche all'infrastruttura di decodifica.
4. Robustezza: Il sistema è progettato per operare efficacemente con piloti sparsi e in presenza di forti selezioni in frequenza.

4. Risultati Sperimentali

Le simulazioni sono state condotte su canali realistici (3GPP TR 38.901 UMi) con configurazioni Wi-Fi (2.4 GHz, 64-QAM, codifica LDPC).

• Prestazioni BER (Bit Error Rate):

  • Il modello proposto supera costantemente le pipeline classiche (LS, LMMSE) e le reti neurali basate su CNN.
  • In scenari multi-AP ($N_R=3$), il modello riduce il requisito di $E_b/N_0$ di circa 9.5 dB rispetto al caso singolo AP per un BER di $10^{-6}$.
  • Confrontato con un riferimento ideale "Perfect-CSI" (con fusione SNR), il modello proposto lo eguaglia o lo supera in alcuni casi, dimostrando di sfruttare le correlazioni inter-AP meglio della semplice fusione ponderata.
  • Robustezza ai Piloti: Il modello mantiene prestazioni elevate anche con una densità di piloti ridotta (1 colonna invece di 2), superando di 2-3.5 dB le baseline CNN e LMMSE in scenari con piloti sparsi.

• Complessità Computazionale e Latenza:

  • Parametri: Il modello è molto compatto (0.15M parametri).
  • Scalabilità: La latenza di inferenza su CPU cresce linearmente con il numero di AP. A $N_R=10$, il modello proposto è oltre 3 volte più veloce rispetto a un baseline Transformer con self-attention completa (2120 ms vs 7700 ms).
  • Questo lo rende adatto per l'implementazione in tempo reale su hardware commodity (edge computing).

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo verso l'implementazione pratica di ricevitori cooperativi di nuova generazione per il Wi-Fi e le reti 5G/6G.

• Efficienza: Dimostra che è possibile ottenere guadagni di diversità spaziale significativi senza il costo computazionale proibitivo delle architetture Transformer complete.
• Praticità: L'approccio "drop-in" (sostituzione diretta della catena di stima/eguagliamento/demappatura) e la compatibilità con decoder standard facilitano l'adozione industriale.
• Futuro: L'architettura apre la strada a scenari più complessi, come la gestione di utenti multipli, la contaminazione dei piloti e l'adattamento topologico cieco, rendendo i sistemi cell-free più robusti ed efficienti.

In sintesi, il paper propone una soluzione elegante che combina la potenza dell'attenzione incrociata con la scalabilità necessaria per i moderni sistemi di comunicazione wireless distribuiti.