Utilizing Improper Gaussian Signaling for Downlink Rate-Splitting Multiple Access with Imperfect Successive Interference Cancellation

Titolo

Utilizzo della Segnalazione Gaussiana Impropria per l'Accesso Multiplo a Divisione di Tasso (RSMA) in Downlink con Cancellazione Interferenza Successiva (SIC) Imperfetta

1. Problema

Il documento affronta una sfida critica nelle reti wireless di prossima generazione basate sull'Accesso Multiplo a Divisione di Tasso (RSMA). Sebbene l'RSMA sia noto per la sua robustezza nella gestione dell'interferenza multi-utente, la maggior parte degli studi esistenti si basa sull'assunzione ideale di una Cancellazione Interferenza Successiva (SIC) perfetta.
In scenari reali, la SIC è intrinsecamente imperfetta a causa di limitazioni hardware, errori di stima del canale e effetti di lunghezza di blocco finita. Questo genera interferenza residua che si propaga attraverso la pipeline di decodifica, erodendo i vantaggi dell'RSMA. Le soluzioni attuali (come il controllo di potenza o l'uso di RIS) agiscono come misure esterne e non affrontano la causa radice: la rigidità statistica della Segnalazione Gaussiana Propria (PGS), che ignora metà dei gradi di libertà disponibili del secondo ordine.

2. Metodologia

Gli autori propongono l'integrazione della Segnalazione Gaussiana Impropria (IGS) nel framework RSMA in downlink per mitigare direttamente l'interferenza residua causata dalla SIC imperfetta.

• Modello di Sistema: Viene stabilito un framework fondamentale a due utenti con ingresso singolo e uscita singola (SISO).
  • Il flusso comune ($W_c$) utilizza IGS, introducendo un grado di libertà aggiuntivo attraverso il coefficiente di circolarità $\kappa$ (che quantifica il grado di improprietà).
  • I flussi privati ($W_1, W_2$) utilizzano la tradizionale PGS.
  • Viene modellata l'imperfezione della SIC tramite un parametro $\lambda \in [0, 1]$, dove un valore più alto indica una maggiore interferenza residua.
• Analisi Teorica:
  • Vengono derivate espressioni analitiche per le velocità di trasmissione private ($R_k$) e comuni ($R_{c,k}$), mostrando che $R_k$ aumenta con $\kappa$, mentre $R_{c,k}$ diminuisce.
  • Si formulano problemi di ottimizzazione per massimizzare la somma delle velocità private, la velocità comune e la velocità totale (somma rate).
• Algoritmi di Ottimizzazione:
  • Per la massimizzazione della velocità privata, viene dimostrato che il grado di improprietà ottimale è $\kappa^* = 1$.
  • Per la velocità comune, vengono derivati soluzioni analitiche in forma chiusa con condizioni di monotonia rigorose per determinare il $\kappa$ ottimale.
  • Per il problema non convesso di massimizzazione della somma rate, viene sviluppato un algoritmo basato su Soft Actor-Critic (SAC), un metodo di apprendimento per rinforzo profondo (DRL) che bilancia la massimizzazione della ricompensa con un bonus di entropia per evitare ottimi locali.

3. Contributi Chiave

1. Scoperta Fondamentale: Dimostrano che l'IGS, da sola, è sufficiente a contrastare l'interferenza residua della SIC senza bisogno di compensare distorsioni hardware (come lo squilibrio I/Q) o architetture MIMO complesse.
2. Soluzioni Analitiche in Forma Chiusa:
   • Per la massimizzazione della velocità privata, provano che l'improprietà massima ($\kappa=1$) è sempre ottimale.
   • Per la massimizzazione della velocità comune, derivano espressioni esplicite per il $\kappa$ ottimale, rivelando come il coefficiente di circolarità modella i componenti del tasso in modo trasparente.
3. Algoritmo SAC per RSMA: Sviluppo di un algoritmo SAC specifico per risolvere il problema di allocazione delle risorse non convesso in RSMA con IGS, offrendo un approccio più efficiente rispetto alle ottimizzazioni numeriche "opache" usate in studi precedenti.
4. Analisi di Robustezza: Dimostrano che l'IGS offre una robustezza intrinseca contro l'interferenza residua senza richiedere risorse aggiuntive (potenza, antenne o hardware dedicato).

4. Risultati

Le simulazioni numeriche condotte in MATLAB confermano i risultati teorici:

• Vantaggio dell'IGS: L'IGS supera costantemente la PGS in tutti gli scenari testati.
• Impatto dell'Imperfezione SIC: Il guadagno di prestazioni dell'IGS rispetto alla PGS si amplia significativamente all'aumentare del coefficiente di imperfezione della SIC ($\lambda$). In altre parole, più il sistema è imperfetto, più l'IGS è vantaggiosa.
• Ottimizzazione del $\kappa$: I risultati mostrano che un coefficiente di imperfezione SIC più alto ($\lambda$) richiede generalmente un coefficiente di improprietà ottimale ($\kappa$) più elevato.
• Convergenza dell'Algoritmo: L'algoritmo SAC riesce a trovare soluzioni vicine all'ottimo per il problema della somma rate, superando le limitazioni delle tecniche tradizionali in contesti non convessi.

5. Significato e Impatto

Questo lavoro segna un cambiamento di paradigma nella progettazione dei sistemi RSMA:

• Nuovo Grado di Libertà: Propone l'improprietà del segnale non come un artefatto da correggere, ma come un grado di libertà di progettazione intenzionale per gestire l'interferenza.
• Praticità: Fornisce soluzioni analitiche chiare per sistemi SISO, rendendo l'implementazione più fattibile rispetto a studi precedenti basati su MIMO complessi o ottimizzazioni numeriche pesanti.
• Futuro delle Reti: Suggerisce che le architetture trasmettitore-ricevitore RSMA future dovrebbero incorporare l'ottimizzazione dell'improprietà del segnale come dimensione fondamentale, specialmente per implementazioni pratiche dove la cancellazione perfetta dell'interferenza non è garantita.

In sintesi, il paper dimostra che sfruttare la statistica del secondo ordine dei segnali (tramite IGS) è una strategia efficace, economica e analiticamente trattabile per migliorare l'efficienza spettrale e l'affidabilità delle reti 6G in presenza di imperfezioni reali.