⚡ electrical engineering

Two-Level Distributed Interference Management for Large-Scale HAPS-Empowered vHetNets

Dit artikel stelt een tweeledig gedistribueerd algoritme voor het ontwerpen van straalvormingsgewichten voor evenredige rechtvaardigheid voor, dat de versterkte Lagrange-methode combineert met een ADMM-raamwerk met drie blokken om ernstige co-kanaalinterferentie effectief te beheersen en schaalbaarheid te waarborgen in grote verticale heterogene netwerken aangedreven door HAPS die gebruikmaken van geharmoniseerd spectrum.

Oorspronkelijke auteurs: Afsoon Alidadi Shamsabadi, Animesh Yadav, Halim Yanikomeroglu

Gepubliceerd 2026-05-21

📖 5 min leestijd🧠 Diepgaand

CC0 1.0

Oorspronkelijke auteurs: Afsoon Alidadi Shamsabadi, Animesh Yadav, Halim Yanikomeroglu

Oorspronkelijk artikel vrijgegeven aan het publieke domein onder CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Een Beter Internet in de Hoogte

Stel je voor dat de toekomst van het internet niet alleen op de grond ligt, maar ook in de lucht. Het artikel gaat over een systeem genaamd vHetNets (Verticale Heterogene Netwerken). Denk hierbij aan een internet met twee lagen:

De Grondlaag: Gewone zendmasten (zoals die op straathoeken).
De Luchtlagen: Hoogteplatforms (HAPS), die lijken op gigantische, stationaire drones of ballonnen die 20 kilometer hoog in de stratosfeer zweven.

Het doel is om deze twee lagen perfect samen te laten werken om iedereen snel en betrouwbaar internet te geven. Er is echter een groot probleem: Interferentie.

Het Probleem: Een Luidruchtig Feest

Stel je een enorm feest voor waar iedereen tegelijkertijd probeert te praten.

De Grondmasten zijn als mensen in de kamer die met hun vrienden praten.
Het Luchtplatform is als een gigantisch luidsprekersysteem dat naar de hele kamer zendt.

Als ze allemaal dezelfde frequentie proberen te gebruiken (hetzelfde "kanaal" of "lokaal"), wordt het een chaotische puinhoop. De luchtluidspreker is zo krachtig en bestrijkt zo'n groot gebied dat zijn stem de gesprekken op de grond overschreeuwt, en de gesprekken op de grond staan weer in de weg van de luchtluidspreker. Dit noemen we interferentie.

In het verleden probeerden ingenieurs dit op te lossen met een Gecentraliseerde Manager. Stel je één persoon voor die op een podium staat met een microfoon, luistert naar iedereen in de kamer, en precies berekent wie moet spreken, wanneer en hoe hard.

De Tekortkoming: In een enorme stad met duizenden mensen (gebruikers) en honderden masten raakt deze ene manager overbelast. Het kost te lang om alle informatie te verzamelen, en het "signaal" (de instructies) raakt verstopt door te veel data. Het systeem wordt te traag en te duur om te runnen.

De Oplossing: Een Gedistribueerd Team van Kapiteins

De auteurs stellen een nieuwe manier voor om dit feest te runnen. In plaats van één baas, gebruiken ze een Twee-Niveau Gedistribueerd Team.

1. Het "Cell-Free" Concept:
Op de oude manier was je toegewezen aan één specifieke mast. Op deze nieuwe "Cell-Free" manier wordt iedereen bediend door iedereen. Stel je voor dat elke persoon op het feest een team van luidsprekers (zowel op de grond als in de lucht) heeft dat samenwerkt om hun stem te versterken. Ze sturen allemaal hun signaal direct naar jou, waarbij ze hun kracht combineren.

2. De "Twee-Niveau" Strategie:
Om het chaos te beheersen zonder één enkele baas, gebruiken ze een slimme, tweestapsdans:

Niveau 1 (De Innerlijke Lus): Elke mast (op de grond of in de lucht) fungeert als een lokale kapitein. Ze kijken naar hun directe buren en nemen snelle, lokale beslissingen over hoe ze hun "stralen" (zoals zaklampen) moeten richten om hun gebruikers te helpen. Ze hoeven niet met de hele wereld te praten; ze praten alleen met hun lokale team.
Niveau 2 (De Buitenste Lus): Deze lokale kapiteins checken periodiek met elkaar of ze elkaars tenen niet trappen. Ze gebruiken een wiskundige truc (genaamd ADMM en Augmented Lagrangian) om hun stralen langzaam aan te passen totdat iedereen tevreden is en het lawaai geminimaliseerd is.

Denk hierbij aan een groep muzikanten in een band. In plaats van dat één dirigent instructies schreeuwt naar 100 mensen, luistert elke muzikant naar de persoon naast zich en past hun volume en timing aan. Uiteindelijk speelt de hele band in perfecte harmonie zonder dat er één dictator nodig is.

De "Geheime Ingrediënt": Evenredige Rechtvaardigheid

Het artikel richt zich op een specifiek doel genaamd Evenredige Rechtvaardigheid.

De Oude Manier: Soms proberen systemen de totale snelheid van het hele netwerk te maximaliseren. Dit is als een leraar die alle extra punten geeft aan de slimste leerling, waardoor het klasgemiddelde er geweldig uitziet, maar de worstelende leerlingen achterblijven.
De Nieuwe Manier: Dit algoritme zorgt ervoor dat iedereen een eerlijke kans krijgt. Het zorgt ervoor dat de persoon met de slechtste verbinding omhoog wordt getild, terwijl het totale netwerk snel blijft. Het is als een leraar die ervoor zorgt dat geen enkele leerling zakt, zelfs als dat betekent dat de topstudent iets minder extra punten krijgt.

Waarom Dit Belangrijk Is (De Resultaten)

De auteurs voerden simulaties uit om hun idee te testen. Dit is wat ze ontdekten:

Snelheid versus Efficiëntie: De "Gecentraliseerde" methode (de enkele baas) was iets sneller (ongeveer 13% beter), maar vereiste een enorme hoeveelheid datatransport en rekenkracht.
De Winnaar: De "Gedistribueerde" methode (het team van kapiteins) was bijna net zo goed als de baas, maar was veel lichter en sneller om te runnen. Het bespaarde een enorme hoeveelheid "signalerings- overhead" (het dataverkeer dat nodig is voor coördinatie).
Schaalbaarheid: Omdat de gedistribueerde methode niet afhankelijk is van één centraal brein, kan het enorme netwerken (zoals een hele stad met duizenden gebruikers) aan zonder te crashen.
HAPS Kracht: Ze lieten zien dat het toevoegen van het luchtplatform (HAPS) aan het grondnetwerk een game-changer is. Een netwerk met slechts 4 grondmasten + 1 luchtplatform presteerde even goed als een netwerk met 12 grondmasten alleen.

Samenvatting

Dit artikel presenteert een nieuwe "teamgebaseerde" strategie voor het beheren van internetverkeer tussen grondmasten en hoogteplatforms in de lucht. In plaats van een trage, overbelaste centrale baas te gebruiken, maken ze gebruik van een slim, coöperatief systeem waarbij lokale masten hun signalen samen aanpassen. Deze aanpak houdt het internet snel en eerlijk voor iedereen, zelfs in enorme, drukke netwerken, zonder dat er onmogelijke hoeveelheden data hoeven te worden uitgewisseld.

Technische Samenvatting: Twee-niveau Gedistribueerde Interferentiebeheersing voor Groot-schalige HAPS-gedreven vHetNets

1. Probleemstelling
Het artikel behandelt de kritieke uitdaging van interferentiebeheersing in HAPS-gedreven verticale heterogene netwerken (vHetNets) die opereren binnen een geharmoniseerd spectrum kader. In deze architectuur delen High Altitude Platform Stations (HAPS) en terrestrische Macro Base Stations (MBSs) hetzelfde frequentieband om de spectrale efficiëntie (SE) en dekking te verbeteren. Deze integratie introduceert echter ernstige inter-tier en intra-tier interferentie, vooral omdat de HAPS, gepositioneerd op een hoogte van ongeveer 20 km, een groot interferentie-afdekgebied creëert dat tegelijkertijd talloze MBSs en User Equipments (UEs) beïnvloedt.

De geïdentificeerde kernmoeilijkheden zijn:

Schaalbaarheid: Het grote dekgebied van de HAPS omvat vele MBSs, en het gebruik van ultra-massive MIMO (umMIMO) resulteert in optimalisatieproblemen met hoge dimensionaliteit die computationeel onhandelbaar zijn voor gecentraliseerde oplosmethoden.
Signaallast: Gecentraliseerde benaderingen vereisen het verzamelen van globale Channel State Information (CSI) van alle knooppunten, wat een verbodsfactor oplegt aan latentie en signaallast, vooral gezien de afstand tussen HAPS en terrestrische knooppunten.
Niet-convexiteit: Het interferentiebeheersingsprobleem, specifiek wanneer geformuleerd voor Proportionele Rechtvaardigheid (PF), is inherent niet-convex. Standaard gedistribueerde algoritmen, zoals de twee-blok Alternating Direction Method of Multipliers (ADMM), garanderen vaak geen convergentie voor algemene niet-convex beperkte problemen zonder relaxatieschema's die de prestaties kunnen compromitteren.

2. Methodologie
Om deze uitdagingen te overwinnen, stellen de auteurs een Twee-niveau Gedistribueerd Proportioneel Rechtvaardigheids Beamforming Gewichten Ontwerp (PFBWD) algoritme voor. De methodologie verloopt via de volgende stappen:

Systeemmodel: Het netwerk wordt gemodelleerd als een cell-free architectuur waarbij UEs gezamenlijk worden bediend door meerdere MBSs en een enkele HAPS met behulp van coherente gezamenlijke transmissie. De kanaalmodellen houden rekening met Rayleigh fading voor terrestrische links en 3D Rician fading (met dominante Line-of-Sight) voor HAPS-links.
Probleemherformulering: Het oorspronkelijke niet-convexe PFBWD-probleem wordt herformuleerd tot een gedistribueerde structuur. De auteurs introduceren slack-variabelen om de interferentie- en gewenste signaaltermen te ontkoppelen. Cruciaal passen ze Jensen's ongelijkheid toe om de interferentieterm te begrenzen, waardoor het probleem kan worden opgesplitst in lokale beperkingen per Base Station (BS) en globale beperkingen per UE.
Algoritmeontwerp: De voorgestelde oplossing maakt gebruik van een twee-niveau optimalisatiekader:
- Buitenste Niveau: Past de Augmented Lagrangian Method (ALM) toe om gelijkheidsbeperkingen tussen lokale en globale variabelen af te dwingen, en updatet iteratief Lagrange-multiplicatoren.
- Binnenste Niveau: Integreert een gestructureerde drie-blok ADMM binnen het ALM-kader. Deze specifieke structuur wordt gekozen omdat de standaard twee-blok ADMM geen convergentie garandeert voor de niet-convexe beperkingen die in dit probleem aanwezig zijn. De drie-blok ADMM behandelt de lokale optimalisatie van beamforming-gewichten, terwijl de ALM ervoor zorgt dat de koppelingsbeperkingen worden voldaan.
- Omgaan met Niet-convexiteit: Voor de niet-convexe subproblemen binnen de ADMM-blokken maken de auteurs gebruik van Successive Convex Approximation (SCA) om iteratief convexe surrogaten op te lossen, waardoor het algoritme stationaire punten vindt.

3. Belangrijkste Bijdragen
Het artikel levert de volgende specifieke bijdragen:

Architectuur en Formulering: Het bestudeert een geharmoniseerd spectrum HAPS-gedreven vHetNet onder een cell-free architectuur waarbij UEs worden bediend door meerdere BSs. Het formuleert een PFBWD-optimalisatieprobleem dat expliciet sterke inter-tier interferentie-koppeling vastlegt.
Gedistribueerde Herformulering: Het toont aan dat gecentraliseerde optimalisatie onpraktisch is voor deze schaal en formuleert het probleem opnieuw in een gedistribueerde structuur. Dit maakt BS-niveau optimalisatie mogelijk met uitsluitend lokale CSI, waardoor de noodzaak voor uitwisseling van kanaalcoëfficiënten tussen BSs wordt geëlimineerd.
Algoritmeontwikkeling: Het ontwikkelt een nieuw twee-niveau gedistribueerd algoritme dat ALM combineert met een gestructureerde drie-blok ADMM. Dit kader is op maat gemaakt om het niet-convexe PFBWD-probleem te behandelen terwijl het voldoet aan de convergentievoorwaarden die nodig zijn voor multi-blok ADMM in niet-convexe settings.
Theoretische Garanties: Het artikel stelt de convergentie van het voorgestelde algoritme vast en bewijst dat het convergeert naar een stationair punt van het oorspronkelijke niet-convexe probleem.

4. Numerieke Resultaten
Simulatie-resultaten, uitgevoerd in een scenario met 4 MBSs, 1 HAPS en 16 UEs, tonen aan:

Convergentie: Het algoritme convergeert snel, waarbij de waarde van de buitenste doelstelling na ongeveer 4 iteraties verzadigt en de residuen naar nul naderen.
Prestatiekloof: Het gedistribueerde algoritme bereikt een gemiddelde Spectrale Efficiëntie (SE) van ~18,1 b/s/Hz/UE, vergeleken met ~20,9 b/s/Hz/UE voor de gecentraliseerde benchmark. Dit vertegenwoordigt een prestatiekloof van ongeveer 13%, met een vergelijkbare 5% kloof in de Proportionele Rechtvaardigheid doelstellingsfunctie.
Efficiëntiewinst: Ondanks het lichte prestatieverlies biedt de gedistribueerde aanpak aanzienlijke winsten in efficiëntie. De computationele complexiteit wordt gereduceerd van $O((3328)^{3.5})$ voor het gecentraliseerde geval naar $O((1280)^{3.5})$ voor het gedistribueerde geval. De signaallast wordt drastisch gereduceerd van ~2048 reële scalairen per HAPS (gecentraliseerd) naar ~48 reële scalairen per BS (gedistribueerd).
Logaritmische Prestatie-Efficiëntie Index (LPEI): Het voorgestelde gedistribueerde algoritme presteert consistent beter dan de gecentraliseerde oplossing wat betreft de LPEI, wat een superieure algehele efficiëntie aangeeft bij het afwegen van prestaties tegen computationele en signaalkosten.
HAPS-Integratievoordelen: Het integreren van een enkele HAPS met 4 MBSs bereikt dezelfde gemiddelde SE als een zelfstandig terrestrisch netwerk met 12 MBSs, wat de capaciteitswinsten van de vHetNet-architectuur onderstreept.

5. Betekenis en Claims
Het artikel claimt dat het voorgestelde twee-niveau gedistribueerde algoritme een schaalbare en praktische oplossing biedt voor interferentiebeheersing in groot-schalige, geharmoniseerd spectrum HAPS-gedreven vHetNets. Het betoogt dat hoewel gecentraliseerde algoritmen theoretisch optimaal zijn, ze in de praktijk onuitvoerbaar zijn vanwege schaalbaarheids- en signaalbeperkingen. De voorgestelde methode slaagt erin deze kloof te overbruggen door bijna-optimale prestaties te bieden (binnen ~13% van de gecentraliseerde bovengrens) terwijl de computationele complexiteit en signaallast aanzienlijk worden gereduceerd. Het werk benadrukt de noodzaak van geavanceerde gedistribueerde optimalisatiekaders om het potentieel van toekomstige geïntegreerde lucht-terrestrische netwerken te ontsluiten, met name in scenario's die niet-convexe interferentiebeheersing en groot-schalige antennearrays omvatten.