Sparse Array Design for Near-Field MU-MIMO: Reconfigurable Array Thinning Approach

Sintesi Tecnica: Progettazione di Array Sparsi per MU-MIMO in Campo Vicino tramite Assottigliamento di Array Ricostituibile

Enunciato del Problema
Le reti wireless future si prevede che impieghino array di antenne massivi operanti nel regime di campo vicino (NF) radiativo. A differenza dei sistemi in campo lontano, dove gli utenti sono multiplexati esclusivamente nel dominio angolare, la propagazione in campo vicino consente il multiplexing spaziale sia nell'angolo che nella distanza. Tuttavia, realizzare array con grande apertura e spaziatura pari a mezza lunghezza d'onda richiede migliaia di elementi, portando a costi hardware proibitivi, consumo energetico e complessità computazionale. Sebbene gli array sparsi offrano una soluzione aumentando la spaziatura inter-elemento per ridurre la correlazione spaziale, gli array sparsi uniformi fissi soffrono di lobi di griglia che causano forti interferenze. Le alternative esistenti, come le architetture a antenne mobili (MA), si basano sul riposizionamento meccanico per adattarsi alle distribuzioni degli utenti, introducendo latenza e complessità hardware. Inoltre, i metodi convenzionali di selezione delle antenne si basano tipicamente sulle informazioni di stato del canale (CSI) istantanee per le metriche di prestazione, ma non formulano esplicitamente il problema come una progettazione strutturata di array sparsi. Mancano soluzioni che offrano adattabilità dinamica senza movimento meccanico o eccessivo sovraccarico computazionale, in particolare per quanto riguarda il comportamento dei lobi di griglia nel dominio della distanza.

Metodologia
Gli autori propongono un framework di assottigliamento di array ricostituibile. In questo approccio, un array lineare uniforme denso completo (FULA) rimane fisicamente fisso, ma un sottoinsieme di antenne viene attivato selettivamente tramite una rete di commutazione RF per formare un array sparso flessibile. Il pattern di attivazione è determinato da un vettore di assottigliamento binario $\mathbf{b}$.

Il documento stabilisce innanzitutto una fondazione teorica riguardante i lobi di griglia in campo vicino:

1. Dominio Angolare: I lobi di griglia si verificano quando lo sfasamento tra elementi adiacenti è uguale a un multiplo intero di $2\pi$, dipendente dall'angolo di puntamento.
2. Dominio Distanza: Attraverso l'analisi del vettore di risposta dell'array in campo vicino, gli autori dimostrano che i lobi di griglia non appaiono lungo la dimensione della distanza. La variazione di fase è quadratica anziché lineare, impedendo il riallineamento coerente delle fasi degli elementi a distanze specifiche. Invece, si osservano solo piccole increspature.

Sulla base di questa analisi, gli autori sviluppano due strategie basate sull'Ottimizzazione Sciame di Particelle (PSO) per determinare il vettore di assottigliamento ottimale $\mathbf{b}$:

• Array Assottigliato Basato su Lobi di Griglia (GTA): Un design pre-ottimizzato che minimizza il Livello di Lato di Picco (PSLL) nel dominio angolare per sopprimere i lobi di griglia. Questo approccio utilizza un PSO a rilassamento continuo per ottimizzare il pattern di assottigliamento offline basandosi su vincoli statistici, garantendo la soppressione dei lobi su un intervallo di copertura.
• Array Assottigliato Basato sulla Somma di Tassi (STA): Un design dinamico che massimizza direttamente la somma dei tassi multi-utente. Questo metodo ottimizza il vettore di assottigliamento online (o per realizzazioni specifiche del canale) utilizzando la somma dei tassi ottenibile come funzione obiettivo, assumendo la conoscenza delle posizioni degli utenti (angolo e distanza).

Entrambi i metodi utilizzano un framework PSO in cui le particelle rappresentano vettori di priorità continui mappati su decisioni di attivazione binarie, imponendo un numero fisso di antenne attive ($N_T$) e preservando gli elementi ai bordi per mantenere la dimensione dell'apertura.

Contributi Chiave

1. Insight Teorico: Il documento fornisce la prima analisi che conferma che, sebbene i lobi di griglia esistano nel dominio angolare per gli array sparsi in campo vicino, sono assenti nel dominio della distanza. Questa scoperta semplifica i vincoli di progettazione per gli array sparsi in campo vicino.
2. Framework Innovativo: Introduce la prima applicazione dell'assottigliamento di array specificamente per le comunicazioni in campo vicino, distinguendolo dalla selezione convenzionale delle antenne trattandolo come un problema di progettazione strutturata di array sparsi.
3. Strategie di Ottimizzazione Duali: La proposta di due distinte strategie basate su PSO:
   • GTA: Offre una soluzione pratica e pre-ottimizzata che sopprime i lobi di griglia senza richiedere il tracciamento degli utenti in tempo reale.
   • STA: Offre una soluzione ad alte prestazioni che massimizza dinamicamente la somma dei tassi, colmando il divario tra array sparsi fissi e complessi sistemi a antenne mobili.
4. Efficienza: L'approccio evita la latenza e la complessità meccanica delle antenne mobili offrendo al contempo una migliore adattabilità rispetto agli array sparsi statici.

Risultati delle Simulazioni
I design proposti sono stati valutati rispetto a benchmark che includono un FULA completo, un FULA mobile (MULA), un array assottigliato pre-ottimizzato (PTA) e un array lineare uniforme sparso uniforme (SULA). Le principali scoperte includono:

• Soppressione dei Lobi di Griglia: Il GTA sopprime efficacemente i lobi di griglia nel dominio angolare su varie distanze, superando il SULA convenzionale che presenta lobi forti.
• Prestazioni della Somma dei Tassi:
  • Lo STA raggiunge prestazioni comparabili al MULA (che richiede il riposizionamento fisico) e ottiene circa il 75% della somma dei tassi del FULA utilizzando solo il 10% degli elementi attivi (32 su 320 antenne).
  • Il GTA si comporta in modo simile al PTA, dimostrando che la soppressione dei lobi di griglia riduce efficacemente le interferenze.
  • Sebbene il GTA e il PTA abbiano somme di tassi leggermente inferiori (circa il 5% in meno) rispetto allo STA a causa di lobi laterali elevati derivanti da spaziature irregolari, offrono il vantaggio dell'ottimizzazione offline.
• Comportamento nel Dominio Distanza: Le simulazioni confermano che, quando gli utenti sono allineati nell'angolo ma separati nella distanza, il SULA si comporta quasi identicamente al FULA, validando l'assenza teorica di lobi di griglia nel dominio della distanza.
• Complessità: Lo STA basato su PSO è computazionalmente più efficiente dell'ottimizzazione MULA perché opera su uno spazio di selezione discreto piuttosto che su uno spazio di posizione continuo, richiedendo meno iterazioni per convergere.

Significato e Affermazioni
Il documento afferma che l'assottigliamento di array ricostituibile offre una strategia di deployment pratica ed efficiente per i sistemi MU-MIMO in campo vicino. Eliminando la necessità di movimento meccanico (a differenza del MULA) e superando la subottimalità degli array sparsi fissi sotto distribuzioni dinamiche degli utenti, il framework proposto bilancia l'efficienza hardware con un'alta efficienza spettrale. Gli autori notano modestamente che, sebbene lo STA richieda aggiornamenti frequenti basati sulla geometria del canale, il GTA e il PTA forniscono alternative robuste pre-ottimizzate. Il lavoro suggerisce che l'assottigliamento di array consente un degrado delle prestazioni graduale ed efficienza hardware, poiché gli elementi difettosi possono essere disattivati e la configurazione ri-ottimizzata. Il lavoro futuro è identificato nell'esplorare soluzioni basate sull'apprendimento profondo per mitigare ulteriormente la complessità computazionale dell'attuale approccio PSO.