⚡ electrical engineering

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

Il paper propone un framework unificato e multi-obiettivo che integra stazioni HAPS dotate di superfici intelligenti riconfigurabili (RIS) con droni (UAV) per ottimizzare la copertura e le prestazioni delle reti 6G, offrendo una strategia di progettazione a bassa complessità che bilancia efficacemente il numero di utenti serviti, il dispiegamento dei droni e le perdite di percorso.

Autori originali: Arman Azizi, Mostafa Rahmani Ghourtani, Mustafa A. Kishk, Hamed Ahmadi, Arman Farhang

Pubblicato 2026-02-11

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Arman Azizi, Mostafa Rahmani Ghourtani, Mustafa A. Kishk, Hamed Ahmadi, Arman Farhang

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Il Problema: Il "Buco" nella Connessione

Immaginate di essere in un deserto sperduto o in una zona colpita da un terremoto dove le torri del cellulare sono cadute. Per far arrivare internet a tutti, abbiamo due "eroi" tecnologici, ma entrambi hanno dei difetti:

I Droni (UAV): Sono come dei piccoli furgoni della consegna che volano sopra di voi. Sono agili e veloci, ma hanno un problema enorme: la batteria finisce presto e non possono portarne troppi contemporaneamente. Se ce ne sono pochi, molti rimarranno senza segnale.
Le Stazioni ad Alta Quota (HAPS) con specchi intelligenti (RIS): Immaginate un enorme "super-satellite" che vola altissimo, quasi nello spazio, dotato di una superficie fatta di milioni di minuscoli specchi magici (gli RIS). Questi specchi non si limitano a riflettere la luce, ma "piegano" le onde radio per indirizzarle esattamente dove serve. Sono potentissimi, ma sono "lontani" e faticano a dare velocità altissime a tutti contemporaneamente.

Il dilemma è: come facciamo a far lavorare insieme questi due eroi senza sprecare energia, senza spendere troppo e senza che si intralcino a vicenda?

La Soluzione: Il "Direttore d'Orchestra" Intelligente

I ricercatori hanno creato un "Direttore d'Orchestra Digitale" (un nuovo modello matematico). Invece di far decidere ai droni e alla stazione alta cosa fare in modo separato, il Direttore coordina tutto con tre regole d'oro:

Massimizzare la copertura: "Voglio che il segnale arrivi a quante più persone possibile".
Risparmiare i droni: "Non mandiamo troppi droni se non è strettamente necessario (perché costano e consumano batteria)".
Ottimizzare il percorso: "Assicuriamoci che i droni volino nel modo più efficiente per non sprecare segnale".

Le tre "Magie" del sistema:

Per far funzionare questo Direttore senza che il suo "cervello" esploda per troppi calcoli, hanno usato tre trucchi geniali:

Il Trucco del Cluster (K-means): Invece di calcolare la posizione di ogni singolo drone per ogni singolo utente (un incubo matematico), il sistema raggruppa le persone in "zone" (come se creasse dei piccoli villaggi virtuali). Poi dice semplicemente: "Drone A, occupati di questo villaggio; Drone B, di quest'altro". È come dividere la classe in gruppi per un lavoro scolastico invece di dare un compito diverso a ogni singolo studente.
Gli Specchi Magici (RIS Phase-shift): Invece di dover regolare ogni singolo specchietto uno per uno (impossibile se sono milioni), hanno trovato una formula rapida che li orienta tutti insieme verso gli utenti, come se un comando unico facesse riflettere la luce in modo perfetto.
Il Bilancino della Banda (Bandwidth Portioning): Immaginate che la connessione sia una torta. Il Direttore decide quanto della torta dare alla stazione altissima e quanto ai droni. Se le persone hanno bisogno di poco internet (es. solo messaggi WhatsApp), la torta va quasi tutta alla stazione alta. Se le persone vogliono guardare video in 4K, il Direttore taglia una fetta più grande e la dà ai droni.

Cosa abbiamo scoperto? (I risultati)

Il paper dimostra che questo sistema "ibrido" è molto più intelligente dei metodi vecchi:

L'effetto "Sostituzione": Se compriamo specchi (RIS) più grandi e potenti, possiamo usare meno droni. È come se, invece di mandare dieci fattorini in motorino, usassimo un unico grande camion con un sistema di smistamento perfetto.
Adattabilità: Il sistema capisce da solo quando è il momento di far lavorare i droni e quando invece basta la stazione alta. Non spreca mai risorse inutilmente.

In sintesi

Questo studio non è solo matematica; è il piano per costruire una "rete invisibile e onnipresente". Grazie a questo coordinamento tra specchi nel cielo e droni agili, in futuro potremo avere internet ovunque — dalle vette dell'Everest al mezzo dell'oceano — in modo efficiente, economico e senza interruzioni.

Titolo del Paper

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

1. Definizione del Problema (The Problem)

Il paper affronta la sfida di fornire connettività ubiquitaria nelle regioni remote o colpite da disastri nell'ambito delle reti 6G non terrestri (NTN). Sebbene le stazioni base basate su UAV (Unmanned Aerial Vehicles) siano flessibili, esse presentano limiti fondamentali: numero limitato di droni disponibili e budget energetici ristretti.

L'obiettivo è integrare gli UAV con una piattaforma HAPS (High-Altitude Platform Station) dotata di una RIS (Reconfigurable Intelligent Surface). Il problema centrale è come progettare congiuntamente queste due infrastrutture per massimizzare la copertura e le prestazioni di rete, gestendo al contempo la scarsità di risorse (banda e potenza) e la complessità computazionale di un sistema così eterogeneo.

2. Metodologia (Methodology)

Gli autori propongono un framework multi-obiettivo unificato che mira a:

Massimizzare il numero di utenti serviti dalla HAPS-RIS.
Minimizzare il numero di UAV necessari.
Minimizzare la perdita di percorso (path loss) media degli UAV.

Poiché il problema originale è un programma non lineare misto-intero (MINLP) estremamente complesso e NP-hard, la metodologia si basa su una sequenza di trasformazioni matematiche per renderlo trattabile:

Equivalenza con il K-means Clustering (Theorem 1): Gli autori dimostrano che minimizzare il limite superiore della perdita di percorso degli UAV è matematicamente equivalente all'esecuzione dell'algoritmo di clustering k-means. Questo trasforma un problema di ottimizzazione continua in un problema di apprendimento non supervisionato, semplificando il posizionamento degli UAV e l'associazione utente-UAV.
Design a Chiusa Forma della RIS (Lemma 1): Invece di ottimizzare migliaia di sfasamenti (phase-shifts) della RIS, viene derivata una soluzione in forma chiusa basata sulle proprietà geometriche della scena, riducendo drasticamente il carico computazionale.
Tecnica di Mapping (Proposition 1): Le decisioni combinatorie ad alta dimensione (assegnazione utente-subcarrier-RIS/UAV) vengono "collassate" in variabili a bassa dimensione: un raggio della zona UAV ( $R$ ) e un fattore di partizione della banda ( $\kappa$ ).
Ottimizzazione Pareto Dinamica: Viene utilizzato un approccio di ottimizzazione lessicografica (gerarchica) dove le priorità emergono dalla logica operativa: prima si massimizza la copertura HAPS-RIS, poi si minimizza il numero di UAV e infine si ottimizza la qualità del segnale degli UAV.

3. Contributi Chiave (Key Contributions)

Framework Unificato: Il primo modello di sistema che integra profondamente HAPS-RIS e UAV, trattandoli come un unico sistema accoppiato anziché come strati separati.
Riduzione della Complessità: La trasformazione di un problema NP-hard in un modello scalabile che cresce polinomialmente con il numero di utenti e di elementi RIS.
Unificazione dei Modelli: Il framework dimostra che i modelli esistenti (solo UAV, solo HAPS-RIS o partizione uguale della banda) sono solo casi particolari del loro modello, regolati dal parametro $\kappa$ .
Guida al Design: Fornisce linee guida su come bilanciare la dimensione della superficie RIS con il numero di droni necessari.

4. Risultati (Results)

Le simulazioni estese mostrano che:

Regimi di Data Rate: In regimi di basso data rate, la sola HAPS-RIS è sufficiente per garantire la copertura. Tuttavia, all'aumentare delle richieste di velocità (alto data rate), l'assistenza degli UAV diventa indispensabile.
Superiorità del Modello Ottimizzato: Il framework proposto ( $\kappa = \kappa_{opt}$ ) supera costantemente i modelli basati su partizione fissa della banda, poiché adatta dinamicamente le risorse in base alle necessità di copertura e velocità.
Trade-off RIS-UAV: Esiste un trade-off quantificabile: è possibile ridurre il numero di UAV necessari aumentando la dimensione (numero di elementi) della superficie RIS, sebbene ciò richieda superfici molto più grandi nei regimi ad alto data rate.

5. Significato e Importanza (Significance)

Questo lavoro è fondamentale per lo sviluppo delle reti 6G non terrestri. Fornisce una soluzione pratica e implementabile per i progettisti di rete, permettendo di ottimizzare i costi di deployment (riducendo il numero di droni costosi) e migliorando l'efficienza spettrale attraverso l'uso intelligente delle superfici intelligenti (RIS). Il passaggio da un design gerarchico a uno congiunto rappresenta un salto qualitativo nella gestione delle infrastrutture aeree future.