Propagation and Rate-Aware Cell Switching Optimization in HAPS-Assisted Wireless Networks

Questo articolo propone un nuovo framework di ottimizzazione multi-obiettivo per il switching delle celle nelle reti assistite da HAPS, che integra effetti di propagazione realistici e bilancia consumo energetico, connettività e velocità dei dati, dimostrando tramite simulazioni ed emulazione Sionna-OAI una riduzione significativa del degrado delle prestazioni per gli utenti interni rispetto agli approcci convenzionali.

L'essenziale

Immagina di vivere in una grande città dove la rete mobile è come un sistema di autobus che porta le persone (i dati) da un punto all'altro. Fino a poco tempo fa, per gestire il traffico, l'idea era semplice: "Se c'è poca gente su un autobus, spegniamolo per risparmiare benzina (energia) e mandiamo i passeggeri sugli autobus vicini". Questo si chiama Cell Switching (cambio di cella).

Il problema è che i vecchi metodi erano un po' "ingenui". Pensavano solo a risparmiare benzina, ignorando se il nuovo autobus fosse più lento, se il viaggio fosse più lungo o se alcuni passeggeri (specialmente quelli che vivono dentro palazzi con muri spessi) non riuscissero nemmeno a salire.

Questo articolo propone un modo molto più intelligente per gestire la rete, specialmente quando si usano HAPS (stazioni aeree ad alta quota, come dei "ponti" o droni giganti che volano in cielo per coprire grandi aree).

Ecco i punti chiave spiegati con delle metafore:

1. Il Problema: Spegnere la luce senza accecare i vicini

Nelle reti attuali, quando si spegne una stazione base (un "autobus") per risparmiare energia, i suoi utenti vengono spostati su altre stazioni.

• Il vecchio approccio: "Spegni tutto quello che puoi!" Risultato? Risparmi molta energia, ma gli utenti dentro gli edifici (con muri spessi) o quelli che devono collegarsi al "ponte aereo" (HAPS) subiscono un calo di segnale terribile. È come se, per risparmiare benzina, spostassi un passeggero su un autobus che deve fare un giro enorme e passa attraverso un tunnel buio: arriva, ma impiega un'eternità e il Wi-Fi non funziona.
• I nuovi ostacoli: L'articolo introduce due "nemici" invisibili che i vecchi modelli ignoravano:
  • BEL (Perdita di ingresso): È come se i muri di casa fossero spessi e bloccassero il segnale.
  • Perdite atmosferiche: È come se la pioggia o il gas nell'aria bloccassero il segnale del "ponte aereo" in cielo.

2. La Soluzione: Il "Piano B" Intelligente

Gli autori dicono: "Non possiamo solo guardare il contatore della luce. Dobbiamo guardare anche la felicità dei passeggeri".
Hanno creato un nuovo sistema di decisione che cerca un equilibrio tra tre cose:

1. Risparmiare energia (spegnere gli autobus vuoti).
2. Assicurarsi che tutti abbiano un posto (nessuno rimanga a terra senza connessione).
3. Garantire che il viaggio sia veloce (alta velocità di dati).

Per fare questo, usano due "strategie" (metodi matematici) che puoi immaginare così:

• Metodo 1: La Bilancia Flessibile (WSM)
  Immagina una bilancia su cui metti pesi. Puoi decidere quanto è importante risparmiare energia rispetto alla velocità.

  • Se vuoi massima velocità, metti un peso enorme sulla velocità e spegni pochi autobus.
  • Se vuoi massimo risparmio, metti un peso enorme sull'energia e spegni molti autobus, accettando che alcuni viaggi siano più lenti.
  • Il bello è che puoi cambiare i pesi in base a cosa serve in quel momento (es. di notte pesa di più il risparmio, di giorno pesa di più la velocità).

• Metodo 2: Le Regole del Gioco (ϵCM)
  Qui invece di pesare, si fissano delle regole rigide. Si dice: "Ok, risparmia energia, MA con una condizione: nessuno deve rimanere senza connessione e nessuno deve avere una velocità inferiore a quella di prima".
  È come dire a un autista: "Guida piano per risparmiare carburante, ma se vedi che un passeggero sta per perdere la coincidenza, devi accelerare".

3. I Risultati: Meno sprechi, più felicità

Hanno testato questa idea simulando una città reale e usando un piccolo laboratorio con hardware vero (OpenAirInterface) per vedere se funzionava nella realtà.

• Con il vecchio metodo: Gli utenti dentro gli edifici con muri spessi (High-loss) vedevano la loro velocità crollare fino al 70% quando si spegneva una cella.
• Con il nuovo metodo (Bilancia): Hanno ridotto questo crollo drasticamente. Per gli utenti con muri spessi, la perdita di velocità è stata ridotta fino al 70% in meno rispetto al vecchio metodo. Per gli utenti con muri sottili, hanno addirittura eliminato la perdita di velocità.

In sintesi

Questo studio ci insegna che per il futuro delle reti (il 6G), non basta essere "ecologici" spegnendo tutto. Bisogna essere ecologici e intelligenti.
È come gestire un ristorante: non basta chiudere i tavoli vuoti per risparmiare elettricità (spegnere le luci), bisogna assicurarsi che i clienti rimasti abbiano ancora un buon servizio, cibo caldo e che non aspettino troppo. Se spegni le luci ma i clienti scappano perché il servizio è pessimo, hai solo perso soldi e clienti.

Grazie a questo nuovo approccio, le reti future potranno risparmiare energia senza sacrificare la qualità della connessione, rendendo il mondo digitale più sostenibile e affidabile per tutti, anche per chi vive dentro palazzi complessi o si collega da lontano.

Sommario tecnico

Ecco un riassunto tecnico dettagliato del paper in italiano, strutturato secondo le sezioni richieste.

Titolo: Propagazione e Ottimizzazione dello Switching di Celle Consapevole del Tasso in Reti Wireless Assistite da HAPS

1. Problema e Contesto

La rapida crescita del traffico dati e la necessità di reti di comunicazione di sesta generazione (6G) sostenibili hanno reso cruciale l'efficienza energetica delle reti di accesso radio (RAN). Una strategia comune è lo switching delle celle (cell switching), che spegne le stazioni base (BS) a basso carico per risparmiare energia. Tuttavia, gli studi esistenti presentano due limitazioni fondamentali:

1. Modelli semplificati: Trascurano fattori critici di propagazione come le perdite di ingresso negli edifici (BEL - Building Entry Loss) per gli utenti indoor e le perdite atmosferiche (gas e pioggia) rilevanti per le reti non terrestri (NTN), in particolare quelle assistite da HAPS (High-Altitude Platform Station).
2. Ottimizzazione mono-obiettivo: Si concentrano esclusivamente sulla minimizzazione del consumo energetico, ignorando l'impatto negativo sullo stato di connessione degli utenti e sulla degradazione del tasso di dati (data rate) causata dal trasferimento del traffico verso celle meno ottimali (es. HAPS) o più lontane.

Il problema centrale è quindi come bilanciare l'efficienza energetica con la qualità del servizio (QoS), garantendo che lo spegnimento delle celle non comprometta la connettività o le prestazioni degli utenti, specialmente in scenari complessi che combinano reti terrestri (TN) e non terrestri (NTN).

2. Metodologia

Gli autori propongono un nuovo framework di ottimizzazione che integra modelli di propagazione realistici e riformula il problema di switching come un'ottimizzazione multi-obiettivo.

• Modello di Sistema:

  • La rete include una stazione HAPS con una super-macro cella (HAPS-SMBS), una macro cella terrestre (MBS) e multiple small cells (SBS).
  • Gli utenti sono classificati in tre categorie: indoor ad alta perdita (alta BEL), indoor a bassa perdita e outdoor.
  • Il modello di propagazione include le specifiche 3GPP UMa per le reti terrestri (LoS/NLoS) e un modello specifico per HAPS che include FSPL (Free Space Path Loss), attenuazione atmosferica e BEL.
  • Il consumo energetico segue il modello EARTH, distinguendo tra potenza operativa e modalità sleep.

• Riformulazione del Problema:
  Invece di minimizzare solo la potenza ($P$), il problema viene riformulato per includere:

  1. Minimizzazione della potenza ($P$).
  2. Minimizzazione degli utenti non connessi ($U$).
  3. Minimizzazione degli utenti insoddisfatti ($D$), definiti come utenti il cui tasso di dati dopo lo switching è inferiore a quello precedente.

• Approcci di Soluzione:
  Vengono proposti due metodi complementari per risolvere questo problema multi-obiettivo:

  1. Metodo della Somma Pesata (WSM - Weighted Sum Method): Combina i tre obiettivi in una singola funzione obiettivo utilizzando pesi adattivi ($\alpha, \beta, \upsilon$). Questo permette di bilanciare dinamicamente priorità diverse (es. priorità QoS vs. priorità risparmio energetico).
  2. Metodo Ispirato a $\epsilon$-Vincolo ($\epsilon$CM): Trasforma gli obiettivi di connettività e tasso di dati in vincoli rigidi all'interno del problema di minimizzazione della potenza. Garantisce che il risparmio energetico non avvenga a scapito della disconnessione o della degradazione del servizio oltre una certa soglia.

• Validazione:
  Lo studio combina simulazioni a livello di sistema con una emulazione ibrida basata su Sionna (per la valutazione del canale e SINR) e OpenAirInterface (OAI) (per la gestione delle risorse e l'associazione degli utenti), fornendo una validazione più realistica rispetto alle sole simulazioni teoriche.

3. Contributi Chiave

• Modellazione Realistica: Derivazione matematica dell'impatto delle perdite di propagazione (BEL e atmosferiche) sulle decisioni di switching delle celle, un aspetto spesso trascurato nella letteratura precedente.
• Nuovo Framework Multi-Obiettivo: Riformulazione del problema di switching delle celle per includere esplicitamente la connettività degli utenti e la degradazione del tasso di dati, superando i limiti dei modelli puramente energetici.
• Algoritmi Ibridi: Sviluppo di due strategie (WSM e $\epsilon$CM) che offrono flessibilità operativa: WSM per la priorità adattiva e $\epsilon$CM per garantire vincoli di servizio rigorosi.
• Validazione Pratica: Implementazione e test in un ambiente di emulazione Sionna-OAI, dimostrando la fattibilità pratica dell'approccio in scenari reali, un contributo raro in questo campo.

4. Risultati

Le simulazioni e le emulazioni hanno evidenziato i seguenti risultati:

• Riduzione della Degradazione del Tasso: Rispetto all'approccio convenzionale (EFM - Energy Focused Model), il metodo WSM ha ridotto la degradazione del tasso di dati fino al 70% per gli utenti indoor ad alta perdita e ha eliminato completamente il calo del 44% osservato per gli utenti indoor a bassa perdita.
• Gestione della Connettività: Il metodo $\epsilon$CM è riuscito a minimizzare la perdita di tasso e il consumo energetico mantenendo attive le celle necessarie per garantire la connettività degli utenti indoor, anche ad alti livelli di BEL.
• Compromesso Energia-QoS:
  • L'approccio EFM riduce il consumo energetico ma causa un aumento significativo di utenti disconnessi o insoddisfatti, specialmente con l'aumento delle perdite di propagazione.
  • I metodi proposti (WSM e $\epsilon$CM) permettono di ottenere risparmi energetici significativi senza sacrificare la QoS, adattando lo spegnimento delle celle in base alle condizioni di propagazione reali.
• Scalabilità: L'algoritmo di ricerca esaustiva è stato usato come riferimento per reti piccole, mentre algoritmi euristici (genetici e greedy) sono stati confrontati per complessità, confermando l'efficacia dell'approccio proposto.

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo verso la sostenibilità delle reti 6G. Dimostra che l'efficienza energetica non può essere perseguita isolatamente, ma deve essere integrata con la consapevolezza del contesto di propagazione (propagation-aware).

• Sostenibilità Ambientale: Permette di ridurre il consumo energetico delle reti senza degradare l'esperienza utente, allineandosi agli obiettivi di sostenibilità ambientale ed economica del 6G.
• Integrazione HAPS-TN: Fornisce un modello robusto per l'integrazione di piattaforme HAPS nelle reti terrestri, gestendo le sfide specifiche delle perdite atmosferiche e dell'ingresso negli edifici.
• Validazione Realistica: L'uso di un framework di emulazione Sionna-OAI colma il divario tra teoria e pratica, offrendo una base solida per future implementazioni reali di gestione dinamica delle risorse nelle reti di nuova generazione.

In sintesi, il paper propone una soluzione matura per lo switching delle celle che bilancia intelligentemente risparmio energetico e qualità del servizio, tenendo conto delle complessità fisiche reali della propagazione del segnale.