Practical RIS Gain without the Pain via Randomization and Opportunistic Scheduling in 5G~NR Wireless Systems: Theory and Experiments

Sintesi Tecnica: Guadagno Pratico RIS senza Scomodità tramite Randomizzazione e Programmazione Opportunistica nei Sistemi Wireless 5G NR

Enunciato del Problema
Le Superfici Intelligenti Ricontfigurabili (RIS) offrono una via promettente per potenziare la forza del segnale, la copertura e il throughput nei sistemi oltre il 5G, controllando gli ambienti di propagazione wireless. Tuttavia, i sistemi convenzionali assistiti da RIS fanno tipicamente affidamento sulla stima esplicita dello Stato del Canale (CSI), seguita da un'ottimizzazione complessa delle configurazioni di fase del RIS per massimizzare il Rapporto Segnale-Rumore (SNR). In ambienti pratici multi-utente 5G New Radio (NR), questo approccio comporta un sovraccarico significativo nella stima del canale, nella complessità computazionale e nella segnalazione di controllo. Inoltre, integrare progetti RIS basati sull'ottimizzazione nello stack protocollare 5G NR – specificamente tenendo conto della segnalazione CSI, della selezione dello Schema di Modulazione e Codifica (MCS) e della programmazione Medium Access Control (MAC) – può ridurre sostanzialmente i guadagni teorici di tali progetti. Vi è un bisogno critico di strategie RIS che sfruttino le proprietà di riflettività senza richiedere l'acquisizione esplicita di CSI o l'ottimizzazione di fase in tempo reale.

Metodologia
Questo lavoro propone e convalida un approccio a bassa complessità in cui gli stati di fase del RIS vengono commutati casualmente tra configurazioni predefinite, indipendentemente dal CSI istantaneo. Le fluttuazioni del canale risultanti sono sfruttate opportunisticamente dal meccanismo di programmazione Proporzionalmente Equo (PF) intrinseco, nativo del 5G NR.

1. Architettura di Sistema: Gli autori hanno sviluppato un banco di prova 5G NR end-to-end che integra lo stack software OpenAirInterface (OAI) con un RIS costruito su misura in-house. Il RIS è un array piano uniforme 32×32 (1024 elementi) operante a 5 GHz con una banda di 300 MHz, utilizzando diodi PIN a un bit per la commutazione di fase. Il banco di prova utilizza USRP B210 come unità radio e opera in modalità Duplex a Divisione di Tempo (TDD) con una banda di 40 MHz.
2. Strategia di Randomizzazione: Invece di ottimizzare le fasi per utenti specifici, il RIS seleziona casualmente vettori di fase da una distribuzione di campionamento predefinita derivata dalle direzioni angolari degli Equipaggiamenti Utente (UE). La configurazione del RIS rimane fissa per un intervallo di commutazione $T_s$ prima di passare a un nuovo stato casuale.
3. Programmazione Opportunistica: La Stazione Base 5G (gNB) utilizza un scheduler PF. Lo scheduler seleziona l'UE con il metrico PF più alto (throughput istantaneo diviso per il throughput medio a lungo termine) per la trasmissione. La media a lungo termine viene aggiornata utilizzando una Media Mobile Ponderata Esponenzialmente (EWMA) con una dimensione della finestra $T_c$. L'ipotesi fondamentale è che la commutazione casuale del RIS generi variazioni del canale che lo scheduler PF può sfruttare per selezionare utenti con condizioni istantanee favorevoli, raccogliendo così i guadagni RIS senza coordinamento esplicito.
4. Quadro Teorico: Gli autori hanno sviluppato un modello teorico che caratterizza l'interazione tra le dinamiche di commutazione del RIS e la programmazione PF. Hanno analizzato la convergenza del throughput di sistema all'aumentare della finestra PF $T_c$ e hanno derivato linee guida di progettazione per la selezione di $T_s$ e $T_c$ al fine di massimizzare il throughput.
5. Convalida Sperimentale: Gli esperimenti sono stati condotti con due UE in un ambiente interno dove il percorso diretto in linea di vista era bloccato. Lo studio ha valutato la Potenza Ricevuta dal Segnale di Riferimento (RSRP), il Tasso di Errore dei Blocchi (BLER), l'indice MCS e il throughput sotto vari intervalli di commutazione del RIS ($T_s$) e finestre di media PF ($T_c$).

Principali Contributi

1. Banco di Prova End-to-End: Lo sviluppo e la dimostrazione di un sistema 5G NR in tempo reale, over-the-air (OTA) che integra un gNB basato su OAI e un RIS fisicamente costruito, quantificando i guadagni di prestazioni in un ambiente di stack protocollare realistico.
2. Convergenza Teorica: Dimostrazione analitica (Teorema 1) che, all'aumentare della finestra di programmazione PF $T_c$, il throughput a lungo termine di un sistema con RIS configurato casualmente converge al throughput ottenuto da un RIS ottimizzato sotto programmazione Round-Robin (RR).
3. Linee Guida di Progettazione: Derivazione analitica (Teorema 2) che stabilisce la relazione tra la finestra PF $T_c$, l'intervallo di commutazione del RIS $T_s$, il numero di UE e il numero di stati RIS. L'analisi mostra che $T_c$ deve scalare solo logaritmicamente con il numero di UE e stati RIS per raggiungere un throughput quasi ottimale.
4. Verifica Sperimentale: Dimostrazione empirica che un RIS sintonizzato casualmente, quando accoppiato con la programmazione PF, raggiunge prestazioni (RSRP, BLER, MCS, throughput) paragonabili a progetti RIS ottimizzati, senza il sovraccarico dell'acquisizione CSI o dell'ottimizzazione di fase.
5. Robustezza alla Posizione UE: Evidenza sperimentale che dimostra che, anche con posizioni UE arbitrarie (non necessariamente allineate con le direzioni di beamforming del RIS), il sistema RIS randomizzato supera significativamente un sistema senza RIS.

Risultati

• Guadagni di Prestazioni: In scenari con un singolo UE, il RIS ha fornito un aumento di 10–13 dB nell'RSRP (un aumento di potenza >10×), risultando in un incremento del throughput da ~26 Mbps (senza RIS) a ~53 Mbps (con RIS).
• Confronto del Throughput: In scenari di programmazione multi-utente, il RIS randomizzato con programmazione PF ha raggiunto livelli di throughput che si avvicinavano al benchmark "genie-aided" (RIS ottimizzato con programmazione RR). Nello specifico, con una finestra PF $T_c = 10$ s e un intervallo di commutazione RIS $T_s = 5$ s, il sistema ha raggiunto un throughput aggregato di 52 Mbps, superando significativamente la baseline senza RIS (26 Mbps) e la programmazione Round-Robin con RIS casuale (~40-48 Mbps).
• Sensibilità ai Parametri: Gli esperimenti hanno confermato che un intervallo di commutazione RIS intermedio ($T_s \approx 5-9$ s) produce il throughput migliore. Se $T_s$ è troppo grande, il sistema non riesce a esplorare gli stati RIS all'interno della finestra di media; se $T_s$ è troppo piccolo, non c'è tempo sufficiente affinché l'adattamento MCS si stabilizzi prima che il RIS si ricontiguri.
• Equità: Nonostante la natura opportunistica della programmazione, il sistema ha mantenuto l'equità a lungo termine, con gli UE che ricevevano slot temporali pressoché uguali durante la durata dell'esperimento.

Significato e Affermazioni
Il paper afferma che integrare un RIS nei sistemi 5G non richiede necessariamente complessità sostanziale o ottimizzazione esplicita del CSI. Il punto chiave è che l'operazione RIS randomizzata, combinata con i meccanismi di programmazione opportunistica nativi del 5G NR, è sufficiente per fornire la maggior parte dei guadagni di prestazioni comunemente attribuiti a progetti RIS basati sull'ottimizzazione.

Questo approccio offre una via pratica e scalabile per il dispiegamento RIS nel mondo reale perché:

• Elimina il sovraccarico dell'acquisizione esplicita di CSI e dell'ottimizzazione di fase.
• Non richiede coordinamento tra il RIS e il sistema 5G NR.
• Sfrutta l'infrastruttura di programmazione 5G NR esistente (scheduler PF) per raccogliere i benefici del RIS.
• Fornisce miglioramenti significativi delle prestazioni anche quando le posizioni degli UE sono arbitrarie e non perfettamente allineate con le direzioni di beamforming del RIS.

Gli autori concludono che, sebbene i loro esperimenti siano stati condotti in un setup specifico interno a due utenti, il concetto si estende a sistemi pratici multi-antenna con un numero maggiore di utenti, presentando un'alternativa praticabile alle complesse strategie RIS basate sull'ottimizzazione.