BER Analysis and Optimization for Continuous RIS-Enabled NOMA

Questa lettera analizza e ottimizza un sistema uplink NOMA assistito da una superficie intelligente riconfigurabile continua (CRIS), derivando un'espressione del tasso di errore di bit (BER) per canali con fading spazialmente correlato e proponendo un framework di ottimizzazione congiunta della potenza e della partizione della RIS che elimina i limiti di BER e supera le prestazioni delle soluzioni OMA e NOMA non ottimizzate.

L'essenziale

Immagina di dover organizzare una grande festa in una stanza dove tutti vogliono parlare contemporaneamente, ma c'è un problema: le voci si mescolano e non si capisce nulla. Questo è esattamente il problema delle reti mobili di oggi: c'è troppa gente che cerca di usare la stessa "strada" (la frequenza radio) allo stesso tempo.

Questo articolo scientifico parla di una soluzione intelligente per risolvere questo caos, combinando due tecnologie futuristiche: il NOMA e le RIS Continue.

Ecco una spiegazione semplice, passo dopo passo, usando delle metafore quotidiane.

1. Il Problema: La Folla nella Piazza

Immagina una piazza affollata (la rete mobile).

• Il vecchio metodo (OMA): È come se il sindaco desse a ogni persona un microfono e un orario diverso. La persona A parla alle 10:00, la B alle 10:01, la C alle 10:02. Funziona, ma è lento e spreca tempo.
• Il nuovo metodo (NOMA): È come se tutti parlassero contemporaneamente, ma ognuno con un volume diverso. Chi ha il microfono più forte (chi è vicino) viene ascoltato per primo, e il sistema "cancella" la sua voce per ascoltare chi ha il microfono più debole. È molto più efficiente, ma se il volume non è calibrato perfettamente, le voci si sovrappongono e si crea confusione (errori di trasmissione).

2. La Soluzione Magica: Il "Muro Parlante" (CRIS)

Ora immagina che al centro della piazza ci sia un muro intelligente (la RIS - Reconfigurable Intelligent Surface).

• Il muro vecchio (DRIS): È fatto di mattoni singoli e staccati. Può riflettere il suono, ma in modo un po' "sgranato", come un mosaico.
• Il muro nuovo (CRIS - Continuous RIS): È come un muro di vetro perfettamente liscio e continuo. Può curvare e dirigere il suono con una precisione incredibile, come se fosse un'onda liquida. Questo muro può essere diviso in sezioni: una parte del muro parla con la persona A, un'altra con la persona B, ecc.

3. Cosa fanno gli scienziati in questo studio?

Gli autori (Mahmoud, Amy, Peter e Michail) hanno fatto tre cose fondamentali:

1. Hanno fatto i calcoli matematici (La "Ricetta"):
   Hanno capito come calcolare esattamente quanto rumore c'è quando le voci si mescolano attraverso questo muro continuo. Prima di questo, era difficile fare questi calcoli perché il muro è "continuo" e le onde radio si comportano in modo complicato quando sono vicine tra loro (correlazione spaziale). Hanno creato una formula magica per prevedere gli errori.

2. Hanno inventato un "Regista" intelligente (Ottimizzazione):
   Hanno creato un sistema che decide due cose in tempo reale:

   • Quanto urlare (Potenza): Chi deve parlare più forte e chi più piano?
   • Quanto muro usare (Divisione): Quanta parte del muro intelligente deve essere dedicata a chi?

   Metafora: Immagina di essere un direttore d'orchestra. Non dici solo "suona forte" o "suona piano", ma dici anche: "Tu, il violino, usa la metà sinistra del palco; tu, il violoncello, usa la metà destra". In questo modo, anche se suonano insieme, non si disturbano.

3. Hanno dimostrato che funziona meglio di tutto:
   Hanno simulato la situazione e scoperto che il loro sistema:

   • Elimina il "pavimento degli errori" (Error Floor). Senza ottimizzazione, anche aumentando la potenza, c'è sempre un livello minimo di errori che non scende. Con il loro metodo, gli errori scendono quasi a zero.
   • È molto meglio del vecchio muro a mattoni (DRIS) e molto meglio del vecchio metodo a turni (OMA).

4. Il Risultato Finale

Grazie a questo studio, in futuro potremo avere:

• Connessioni più veloci: Più persone possono usare la stessa frequenza senza disturbarsi.
• Meno sprechi di energia: Il muro intelligente aiuta a concentrare il segnale dove serve, senza bisogno di urlare (spendere più energia).
• Affidabilità: Anche in situazioni difficili (come dentro un edificio o con molti ostacoli), la connessione rimane stabile.

In sintesi:
Gli scienziati hanno preso un'idea teorica (un muro di specchi continuo e perfetto) e l'hanno unita a una tecnica di comunicazione avanzata (NOMA). Hanno poi creato un "cervello" matematico che regola i volumi e le zone del muro per assicurarsi che tutti parlino chiaramente, eliminando il caos e rendendo le nostre future connessioni internet molto più veloci e sicure.

Sommario tecnico

Ecco una sintesi tecnica dettagliata del documento in italiano, strutturata secondo le sezioni richieste.

Titolo

Analisi e Ottimizzazione del BER per Sistemi NOMA Uplink Abilitati da RIS Continuo (CRIS)

1. Il Problema

La crescente domanda di connettività mobile richiede un utilizzo più efficiente delle risorse di spettro e potenza. Sebbene il NOMA (Non-Orthogonal Multiple Access) sia una tecnologia promettente che permette a più utenti di condividere lo stesso blocco di risorse, i sistemi NOMA in uplink (UL) soffrono di un fenomeno critico noto come "pavimento di errore" (BER floor). Questo limite si verifica a causa degli errori residui nella cancellazione dell'interferenza successive (SIC), che impediscono al tasso di errore bit (BER) di scendere ulteriormente anche aumentando la potenza di trasmissione.

Inoltre, la maggior parte degli studi esistenti si concentra su RIS (Reconfigurable Intelligent Surfaces) discreti o su scenari in downlink. Non esistono analisi precedenti sulle prestazioni a livello di simbolo o sul BER per sistemi NOMA in uplink assistiti da RIS a superficie continua (CRIS), specialmente in condizioni di sfading spazialmente correlato, che è un caso realistico per superfici con alta densità di elementi.

2. Metodologia

Gli autori propongono un approccio analitico e di ottimizzazione basato sui seguenti pilastri:

• Modello di Sistema: Viene considerato un sistema uplink con $K$ utenti a singola antenna che comunicano con una stazione base (BS) attraverso un CRIS passivo rettangolare. Il CRIS è suddiviso in $K$ sezioni verticali (partizioni), ciascuna dedicata a un utente specifico. Si assume che il percorso diretto tra utenti e BS sia bloccato.
• Analisi Statistica del Canale:
  • Viene modellato lo sfading di Rayleigh spazialmente correlato.
  • Gli autori derivano i primi e secondi momenti dei componenti del canale efficace ($\gamma_{kk}$ per il canale desiderato e $\gamma_{ki}$ per le componenti di interferenza).
  • Utilizzando l'approssimazione Gamma per il canale desiderato e Gaussiana per le componenti di interferenza, viene derivata la Funzione Caratteristica (CF) del canale cascato.
• Derivazione del BER: Sulla base della CF, viene ottenuta un'espressione analitica per il BER medio incondizionato di ciascun utente. Questa espressione è fondamentale per valutare le prestazioni senza dover ricorrere esclusivamente a simulazioni Monte Carlo.
• Schema di Ottimizzazione Congiunta: Viene proposto un framework per minimizzare il BER medio totale (somma dei BER di tutti gli utenti) agendo su due variabili di controllo:
  1. Allocazione della Potenza (PA): La potenza di trasmissione $P_k$ di ciascun utente.
  2. Partizionamento del RIS: La larghezza $W_k$ della sezione del CRIS assegnata a ciascun utente.
  • Il problema di ottimizzazione è formulato nel dominio log-log per garantire stabilità e convergenza, utilizzando un metodo di discesa del gradiente con moltiplicatori di Lagrange per gestire i vincoli di potenza e area.

3. Contributi Chiave

1. Prima Analisi UL per CRIS-NOMA: Questo lavoro presenta i primi risultati teorici e simulati sulle prestazioni BER di un sistema NOMA uplink assistito da RIS continuo, considerando canali spazialmente correlati.
2. Derivazione Analitica del BER: Gli autori derivano un'espressione chiusa (approssimata ma altamente accurata) per il BER, basata sulla funzione caratteristica del canale, superando la complessità computazionale delle distribuzioni esatte.
3. Framework di Ottimizzazione Congiunta: Viene introdotto un metodo innovativo che ottimizza simultaneamente la potenza di trasmissione e l'area fisica del RIS assegnata a ciascun utente.
4. Eliminazione del Pavimento di Errore: La proposta dimostra che l'ottimizzazione congiunta può eliminare completamente i pavimenti di errore associati ai sistemi NOMA uplink tradizionali.

4. Risultati

Le simulazioni confermano l'accuratezza delle analisi teoriche e mostrano i seguenti risultati:

• Confronto con Schemi Non Ottimizzati: I sistemi NOMA senza ottimizzazione (NO) o con solo partizionamento fisso mostrano un BER floor significativo (superiore a 0.1 per l'utente più forte), rendendoli inaffidabili.
• Superiorità dell'Ottimizzazione Congiunta (JO): Lo schema che ottimizza sia la potenza che le partizioni del CRIS (JO) elimina il pavimento di errore, raggiungendo BER inferiori a $10^{-7}$.
• Vantaggio rispetto all'OMA: Il sistema CRIS-NOMA ottimizzato supera significativamente i sistemi OMA (Multiple Access Orthogonale) tradizionali, permettendo a più utenti di accedere simultaneamente alla risorsa completa senza subire interferenze eccessive.
• CRIS vs DRIS: Il RIS continuo (CRIS) offre prestazioni superiori rispetto ai RIS discreti (DRIS) con la stessa area superficiale, grazie alla maggiore precisione nel beamforming e alla migliore cattura dell'energia.
• Impatto della Dimensione del CRIS: L'aumento della dimensione del CRIS senza ottimizzazione porta a miglioramenti limitati a causa delle interferenze residue. L'ottimizzazione è crucita per sfruttare appieno l'aumento delle risorse.

5. Significato e Impatto

Questo studio è significativo per lo sviluppo delle future reti di comunicazione (6G e oltre) per i seguenti motivi:

• Affidabilità del NOMA Uplink: Risolve il problema fondamentale del pavimento di errore nei sistemi NOMA uplink, rendendo questa tecnologia praticabile per scenari ad alta affidabilità.
• Efficienza Spettrale e Energetica: Dimostra come l'integrazione di superfici intelligenti continue con il NOMA possa massimizzare l'efficienza spettrale e l'utilizzo dell'energia, permettendo l'uso di modulazioni di ordine superiore (es. 64-QAM) anche per utenti vicini.
• Guida per l'Implementazione Hardware: Fornisce un modello teorico superiore (upper bound) per le prestazioni dei RIS discreti ad alta densità, guidando la progettazione di hardware futuro verso superfici quasi continue.
• Gestione Dinamica delle Risorse: Il framework di ottimizzazione proposta offre una strategia pratica per allocare dinamicamente sia la potenza che lo spazio fisico del RIS in base alle condizioni del canale, massimizzando le prestazioni complessive della rete.