BER Analysis and Optimization for Continuous RIS-Enabled NOMA

この論文は、空間相関フェーディング下の上り路 PD-NOMA システムにおけるビット誤り率（BER）を解析し、電力割当と動的 RIS 分割の最適化によって BER フローを解消し、従来の OMA や最適化されていない NOMA を凌駕する性能を実現する手法を提案しています。

要約

1. 背景：混雑する「通信のハイウェイ」

今、私たちは高画質動画や VR、AI といった、大量のデータを使うアプリを日常的に使っています。しかし、通信の「道路（周波数帯）」や「エネルギー（電力）」には限りがあります。

• 従来の方法（OMA）： 道路を区切って、一人ずつ順番に通す方法。安全ですが、渋滞が起きやすく、効率が悪い。
• NOMA（非直交多重アクセス）： 複数の車を同じ車線に並走させて、同時に通す方法。効率は良いですが、車同士がぶつかり合う（干渉する）リスクがあり、事故（通信エラー）が起きやすくなります。

2. 新技術：「連続リフレクター（CRIS）」という魔法の壁

この研究では、NOMA という「並走方式」に、**「連続リフレクター（CRIS）」**という新しい技術を組み合わせています。

• イメージ： 壁一面に、無数の小さな鏡が埋め込まれているような「魔法の壁」です。
• 従来の壁（DRIS）： 離れ離れに置かれた「個々の鏡」。
• この研究の壁（CRIS）： 鏡の隙間がない、**「滑らかな鏡の壁」**そのもの。

この壁は、電波の通り道（空間）を自在に操ることができます。壁の一部を A さんのために、別の部分を B さんのために使い分けることで、電波を強くしたり、邪魔な電波を消したりできるのです。

3. 問題点：「エラーの床（Error Floor）」

NOMA を使うと、強い電波のユーザー（A さん）と弱い電波のユーザー（B さん）が同時に通信します。
通常、受信機は「強い電波（A さん）」の信号を先に消去して、次に「弱い電波（B さん）」の信号を取り出します（これを SIC と呼びます）。

しかし、「完全な消去」は不可能です。

• A さんの信号を消そうとしても、少しだけ「残骸（ノイズ）」が残ってしまいます。
• この残骸が B さんの信号を邪魔し、**「どれだけ電波を強くしても、エラー率が一定以上（床）に下がらない」という現象が起きます。これを「エラーの床」**と呼びます。

4. 解決策：「2 人の調整役」による最適化

この論文の最大の特徴は、この「エラーの床」を完全に消し去る方法を提案したことです。そのために、2 つの調整を同時に行います。

① 壁の「割り当て」を変える（RIS パーティショニング）

• アナロジー： 魔法の壁を、A さん用と B さん用に**「面積」**で分けるとします。
• 工夫： 電波が強い A さんには壁の「広い部分」を、電波が弱い B さんには「狭い部分」を割り当てます。
• 効果： 強い人が壁の広い範囲を使って信号を強化し、弱い人が残った部分で信号を拾うことで、お互いの干渉を減らします。

② 「声の大きさ」を変える（電力配分）

• アナロジー： 2 人が同時に話しているとき、どちらがどのくらい大きな声を出すか調整します。
• 工夫： 壁の割り当てと組み合わせて、最適な声の大きさ（送信電力）を決めます。
• 効果： 干渉を最小限に抑えつつ、全員がクリアに聞こえるようにします。

5. 研究の成果：何がすごいのか？

この「壁の割り当て」と「声の大きさ」を同時に最適化した結果、以下のことがわかりました。

1. エラーの床が消失した：
   従来の方法では「いくら頑張ってもエラーがゼロにならない」状態でしたが、この新しい方法では、電波を強くすればするほど、エラーが限りなくゼロに近づきました。
2. 従来の壁より高性能：
   「離れ離れの鏡（DRIS）」よりも、「滑らかな壁（CRIS）」の方が、電波をより正確に操れることが証明されました。
3. 既存の方式（OMA）より速い：
   順番待ち（OMA）よりも、並走（NOMA）の方が、同じ道路でより多くのデータを運べることを示しました。

まとめ

この論文は、**「滑らかな魔法の壁（CRIS）」を使って、「誰がどのくらいの壁の面積を使うか」と「誰がどのくらい大きな声を出すか」**を、AI が瞬時に計算して調整する仕組みを作りました。

これにより、将来の 6G 通信などで、**「混雑していても、誰一人として通信エラーに悩まされない」**ような、超高速で安定したネットワークの実現に大きく貢献する可能性があります。

まるで、**「大勢の人が狭い部屋で同時に話していても、壁が賢く音声を整理し、誰の声も聞き取れるようにしてくれる」**ような未来の技術です。

技術概要

この論文は、連続再構成可能インテリジェントサーフェス（CRIS）とパワードメイン非直交多重アクセス（PD-NOMA）を統合したアップリンク（UL）システムを対象とした研究です。空間相関フェージング条件下での誤り率（BER）の解析と最適化、およびそれによるシステム性能の向上について論じています。以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題定義と背景

• 背景: モバイル接続の需要増大に伴い、スペクトルや電力などの限られたリソースを効率的に利用する技術が求められています。NOMA は、複数のユーザーが同じリソースブロックを共有することで効率を向上させる有望な技術ですが、特にアップリンクにおいて、逐次干渉除去（SIC）による残留干渉が誤り率のフロア（誤り床）を引き起こす課題があります。
• 既存研究の限界: 従来の研究は主に離散 RIS（DRIS）やホログラフィック RIS（HRIS）のダウンリンクに焦点が当てられており、アップリンクにおける連続面（CRIS）のシンボルレベル性能や、空間相関フェージングを考慮した解析は不足していました。
• 課題: CRIS は要素密度が無限大とみなせるため、空間相関が強く現れます。この相関を正確にモデル化し、NOMA システムにおける誤り率を解析的に導出するとともに、誤り率フロアを解消するための最適化手法を確立する必要があります。

2. 手法とアプローチ

• システムモデル:
  • 複数の単一アンテナユーザー（UE）が、単一アンテナ基地局（BS）と通信するアップリンクシステムを想定。
  • 直接路は遮断されており、CRIS を介して通信を行う。
  • CRIS はユーザー数 $K$ に応じて $K$ 個の垂直セクション（パーティション）に分割され、各セクションは特定のユーザーのチャネルを強化するように設計される。
  • チャネルは空間相関を持つレイリーフェージングを仮定。
• チャネル解析と BER 導出:
  • 受信信号を有効チャネル成分（最適化された成分と残留干渉成分）として表現。
  • 空間相関を考慮し、カスケードチャネルの特性関数（Characteristic Function: CF）を導出。
  • 正確な分布解析が困難なため、$\gamma_{kk}$（最適化成分）にはガンマ分布近似、$\Re(\gamma_{ki})$（干渉成分）にはガウス分布近似を用いることで、BER の解析式を導出。
  • 位相整合（Phase Alignment）を行い、受信信号の星座図を QAM 類似の形状に整えることで解析を容易化。
• 最適化フレームワーク:
  • 導出した BER 式を用いて、**アップリンク送信電力配分（Power Allocation: PA）とCRIS パーティション幅（RIS Area Splitting）**の同時最適化問題を定式化。
  • 目的関数は全ユーザーの平均 BER の最小化。
  • 制約条件（送信電力上限、パーティション幅の総和）をラグラジュ関数を用いて扱い、勾配降下法に基づく反復アルゴリズムで求解。

3. 主要な貢献

1. CRIS-NOMA システムの最初の解析: 空間相関フェージング下における、CRIS 支援アップリンク NOMA システムの BER 解析を初めて提案。
2. 正確なチャネル統計量の導出: 連続面における有効チャネルの第 1 次・第 2 次モーメントを導出し、それらを用いてカスケードチャネルの特性関数を近似。これにより、誤り率フロアを考慮した BER 解析式を閉形式で得ることに成功。
3. Joint Optimization の提案: 送信電力と CRIS の物理的な面積割り当て（パーティション）を同時に最適化する枠組みを提案。これにより、SIC に起因する誤り率フロアを解消可能であることを示した。
4. DRIS との比較: 離散 RIS（DRIS）との比較を通じて、CRIS が性能の上限（Upper Bound）として機能し、より優れた性能を発揮することを示唆。

4. シミュレーション結果

• 解析の精度: 導出した解析式とシミュレーション結果が非常に良く一致しており、提案された近似手法の妥当性が確認された。
• 誤り率フロアの解消:
  • 最適化を行わない場合（Equal PA や等分割）、SIC の残留誤差により、高 SNR 領域でも誤り率が 0.1 程度で飽和する「誤り率フロア」が発生。
  • CRIS パーティションのみの最適化では改善が見られるが、完全な解消には至らない（弱いユーザーのチャネル硬化が低下するため）。
  • **電力配分とパーティションの同時最適化（JO）**を行うことで、誤り率 $10^{-7}$ 以下の領域まで誤り率フロアを完全に排除することに成功。
• 他方式との比較:
  • 最適化された CRIS-NOMA は、従来の直交多重アクセス（OMA）や最適化されていない NOMA、DRIS を用いた NOMA をすべて上回る性能を示した。
  • 特に、複数のユーザーがリソースブロックを共有しつつも干渉を効果的に抑制できる点が優位性として確認された。

5. 意義と結論

本研究は、次世代通信システムにおいて、連続面（CRIS）と NOMA を組み合わせる可能性を理論的に裏付けた重要な成果です。

• 技術的意義: 空間相関を考慮した連続面のチャネルモデルを確立し、NOMA のアップリンクにおける根本的な課題である誤り率フロアを、リソース（電力と物理面積）の最適配分によって解決する手法を提示しました。
• 実用性: 提案された最適化アルゴリズムは、計算コストを考慮しつつ実用的な性能向上をもたらすことが示されました。
• 将来展望: 本研究の結果は、高密度なユーザー環境や高信頼性が求められる 6G などの次世代ネットワークにおいて、CRIS と NOMA の統合が有効なソリューションとなり得ることを示唆しています。

要約すると、この論文は「CRIS の連続性」と「NOMA の多重化」を組み合わせることで、従来の離散システムや最適化されていないシステムでは達成できなかった、高信頼・高効率なアップリンク通信を実現する理論的・実証的基盤を提供したものです。