Riepilogo Tecnico: Affrontare le Interferenze nelle Reti HAPS tramite Clustering Consapevole dell'Angolo e RSMA

Enunciato del Problema

Le Stazioni di Piattaforma ad Alta Quota (HAPS) offrono una soluzione promettente per le reti wireless di nuova generazione fornendo connettività ubiqua dalla stratosfera. Tuttavia, le reti HAPS affrontano sfide di interferenza uniche e distinte dalle reti terrestri. A causa dell'alta quota delle HAPS, i collegamenti verso gli utenti a terra sono dominati da forti condizioni di Vista Diretta (LoS) con una variabilità del canale limitata. Di conseguenza, gli utenti che sono geograficamente distanti da una prospettiva terrestre appaiono ravvicinati dal punto di vista della HAPS, risultando in condizioni di canale altamente simili e in un'intensificata interferenza tra utenti.

Il problema specifico affrontato in questo lavoro riguarda una singola HAPS che serve più utenti a terra tramite più fasci su un numero limitato di Blocchi di Risorse (RB) ortogonali. Poiché il numero di utenti ($U$) supera i RB disponibili ($R$), più utenti devono condividere lo stesso RB, portando a una grave interferenza intra-RB. Gli approcci tradizionali che utilizzano fasci specifici per l'utente sono spesso poco pratici data l'altitudine della HAPS e la vicinanza degli utenti. Pertanto, la sfida risiede nella gestione efficace dell'interferenza quando gli utenti sono raggruppati in cluster geografici serviti da un singolo fascio, allocando simultaneamente RB limitati e ottimizzando le strategie di trasmissione per massimizzare l'efficienza spettrale (SE).

Metodologia

Gli autori propongono un framework a tre stadi per gestire l'interferenza: Clustering Consapevole dell'Angolo, Allocazione dei RB Consapevole dell'Interferenza e Accesso Multiplo a Divisione di Velocità (RSMA).

1. Clustering Consapevole dell'Angolo e Steering del Fascio

Il sistema assume che la HAPS formi fasci verso cluster geografici piuttosto che verso singoli utenti.

• Strategia di Clustering: Gli utenti sono raggruppati in $L = \lceil U/R \rceil$ cluster basati sulle loro posizioni angolari (elevazione $\theta$ e azimut $\phi$). Gli autori utilizzano un algoritmo K-means vincolato dalla capacità per garantire che nessun cluster superi la dimensione $R$.
• Steering del Fascio (WU-Clustering): A differenza degli approcci basati sul centroide, la strategia di clustering proposta "Worst-User" (WU) indirizza ogni fascio nella direzione che massimizza il minimo guadagno dell'antenna efficace tra tutti gli utenti in quel cluster. Questo garantisce equità e protegge gli utenti con le condizioni di canale più povere all'interno del cluster.
• Allocazione dei RB: All'interno di ogni cluster, i RB sono allocati in modo ortogonale per evitare interferenze intra-cluster. Tuttavia, poiché i RB sono riutilizzati tra cluster diversi, l'interferenza inter-cluster permane. L'algoritmo di allocazione assegna i RB agli utenti per minimizzare la perdita di interferenza accumulata dagli utenti già schedulati negli altri cluster.

2. Gestione dell'Interferenza Inter-Cluster Basata su RSMA

Per mitigare l'inevitabile interferenza inter-cluster causata dal riutilizzo dei RB, gli autori impiegano l'Accesso Multiplo a Divisione di Velocità (RSMA) su base per-RB.

• Divisione del Messaggio: Il messaggio per ogni utente è diviso in una parte comune e una parte privata.
• Struttura di Trasmissione:
  • Le parti comuni di tutti gli utenti che condividono un RB specifico sono combinate in un unico flusso comune ($s^{(c)}_r$), trasmesso con potenza $p^{(c)}_{r,\ell}$ per fascio di cluster.
  • Le parti private sono codificate in flussi privati individuali ($s^{(p)}_u$), trasmessi con potenza $p^{(p)}_u$.
• Ricezione: Gli utenti decodificano prima il flusso comune (trattando i flussi privati come rumore), eseguono la Cancellazione Successiva dell'Interferenza (SIC) e successivamente decodificano il proprio flusso privato. Questo permette una gestione flessibile dell'interferenza trattando l'interferenza come rumore o decodificandola parzialmente.

3. Formulazione dell'Ottimizzazione

Gli autori formulano un problema di ottimizzazione di Massima-Minima Equità (MMF) per progettare congiuntamente l'allocazione di potenza per i flussi comuni e privati ($p^{(c)}$ e $p^{(p)}$) e l'allocazione della velocità comune ($C_u$). L'obiettivo è massimizzare la velocità di dati raggiungibile minima tra tutti gli utenti, soggetto a vincoli di potenza di trasmissione totale e vincoli di decodifica.

• Approccio alla Soluzione: A causa della natura non convessa del problema (che coinvolge rapporti del Rapporto Segnale-Interferenza-Rumore (SINR)), gli autori impiegano una tecnica di Approssimazione Convessa Successiva (SCA). Introducono variabili di slack e utilizzano approssimazioni di Taylor del primo ordine per trasformare il problema in una forma convessa trattabile, risolta in modo iterativo.

Contributi Chiave

1. Framework di Clustering Innovativo: Il documento introduce un algoritmo di clustering consapevole dell'angolo che raggruppa gli utenti in base alla similarità angolare e impiega una strategia di steering del fascio basata sull'utente peggiore. Questo contrasta con lavori precedenti che spesso assumono fasci specifici per l'utente o steering basato sul centroide, offrendo un approccio più pratico per la geometria HAPS.
2. Strategia RSMA Integrata: Il lavoro integra l'RSMA nelle reti HAPS specificamente per gestire l'interferenza inter-cluster derivante dal riutilizzo dei RB, uno scenario in cui l'allocazione ortogonale tradizionale fallisce.
3. Ottimizzazione Congiunta: Gli autori sviluppano un algoritmo iterativo (MMF-RSMA-PA) che ottimizza congiuntamente lo steering del fascio, l'allocazione dei RB e la divisione di potenza/velocità per massimizzare equità ed efficienza spettrale.
4. Valutazione Completa: Lo studio fornisce un'analisi dettagliata dei compromessi tra guadagno di beamforming e mitigazione dell'interferenza, esaminando specificamente l'impatto delle configurazioni dell'array di antenne HAPS (dimensione UPA).

Risultati Numerici

Le simulazioni sono state condotte con una HAPS a 20 km di altitudine che serve 60 utenti su 10 RB utilizzando un Array Planare Uniforme (UPA) 8x8.

• Convergenza: L'algoritmo SCA iterativo proposto (Algoritmo 2) dimostra una convergenza monotona, stabilizzandosi in meno di 13 iterazioni.
• Guadagni di Efficienza Spettrale:
  • Impatto RSMA: Confrontando lo schema proposto (WU-Clustering + RSMA) con una baseline senza RSMA (WU-Clustering senza RSMA) rivela un miglioramento sostanziale. L'Efficienza Spettrale (SE) mediana è aumentata da circa 0,12 b/s/Hz a 0,55 b/s/Hz (un aumento di quattro volte), evidenziando l'efficacia dell'RSMA nella gestione dell'interferenza inter-cluster.
  • Impatto del Clustering: Il WU-Clustering proposto ha costantemente superato un approccio di clustering basato sul centroide (C-Clustering + RSMA). Tenendo conto esplicitamente delle condizioni di canale dell'utente peggiore durante lo steering del fascio, la strategia WU ha migliorato l'equità e le velocità minime.
• Compromesso della Configurazione delle Antenne: L'aumento del numero di elementi dell'antenna (ad esempio, da 2x2 a 8x8) ha migliorato le prestazioni restringendo i fasci e sopprimendo l'interferenza. Tuttavia, un ulteriore aumento della dimensione dell'array (ad esempio, a 16x16 o superiore) ha portato a un degrado delle prestazioni. Fasci più stretti hanno ridotto il guadagno per gli utenti situati lontano dal centro del fascio, impattando negativamente sulle prestazioni complessive del sistema.

Significato e Affermazioni

Il documento afferma che il framework proposto di clustering consapevole dell'angolo combinato con RSMA supera significativamente gli schemi di base in termini di efficienza spettrale per utente raggiungibile. Gli autori sottolineano che il loro approccio affronta le caratteristiche di propagazione specifiche delle reti HAPS (forte LoS, variabilità del canale limitata) che rendono le strategie tradizionali di gestione dell'interferenza meno efficaci.

Il significato del lavoro risiede nel dimostrare che:

1. Beamforming Pratico: Indirizzare i fasci basandosi sull'"utente peggiore" all'interno di un cluster è superiore allo steering basato sul centroide per garantire l'equità nelle reti HAPS.
2. Efficacia dell'RSMA: L'RSMA è uno strumento potente per gestire il tipo specifico di interferenza inter-cluster generata dal riutilizzo dei RB negli scenari HAPS, offrendo un ponte tra il trattare l'interferenza come rumore e decodificarla completamente.
3. Bilanciamento del Design di Sistema: Esiste un compromesso critico nel design delle antenne HAPS; aumentare semplicemente il numero di elementi dell'antenna non garantisce prestazioni migliori a causa del restringimento della copertura del fascio, rendendo necessario un approccio di design bilanciato.

Il documento conclude che questo approccio integrato gestisce efficacemente l'interferenza nelle reti HAPS, migliorando le prestazioni degli utenti a terra in termini di efficienza spettrale senza richiedere hardware complesso di beamforming specifico per l'utente.