🔢 mathematics

Network-Wide PAoI Guarantee in CF-mMIMO Networks with S&C Coexistence: A Unified Framework for Spatial Partitioning Toward xURLLC

Dit artikel presenteert een unificerend analytisch raamwerk dat stochastische meetkunde en stochastische netwerkkalculus combineert om de optimale ruimtelijke verdeling van toegangspunten in CF-mMIMO-netwerken met co-existentie van sensoren en communicatie te bepalen, zodat de garantie voor de versheid van informatie (PAoI) voor xURLLC-toepassingen wordt geoptimaliseerd.

Oorspronkelijke auteurs: Yanxi Zhang, Mingwu Yao, Qinghai Yang, Muyu Mei

Gepubliceerd 2026-04-09

📖 4 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Yanxi Zhang, Mingwu Yao, Qinghai Yang, Muyu Mei

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ 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

De Grootte van het Probleem: Een Stad vol Sensoren en Boodschappers

Stel je een enorme, futuristische stad voor (dit is het 6G-netwerk). In deze stad moeten twee dingen tegelijk gebeuren:

Sensoren (De Ogen): Ze moeten de omgeving in de gaten houden. Denk aan camera's of radar die zien waar auto's rijden of waar machines werken. Ze moeten snel nieuwe beelden maken.
Boodschappers (De Oren): Ze moeten die beelden snel en betrouwbaar naar een centrale besturing sturen.

Het probleem is dat deze twee taken vaak ruzie maken om dezelfde middelen (zoals energie en frequenties). Als je te veel sensoren hebt, heb je veel beelden, maar geen boodschappers om ze te brengen. Als je te veel boodschappers hebt, kunnen ze wel snel reizen, maar hebben ze niets om te vervoeren omdat de sensoren te traag zijn.

De onderzoekers van dit paper willen weten: Hoe verdelen we de hulpbronnen perfect? Hoeveel "werkers" moeten we inzetten voor het kijken (sensing) en hoeveel voor het brengen (communicatie), zodat de informatie altijd vers en actueel is?

De Oplossing: Een Slimme Verdelingsstrategie

De auteurs hebben een wiskundig model bedacht (een "universeel raamwerk") om dit probleem op te lossen. Ze gebruiken een slimme analogie:

De "Versheid" van de Informatie (Age of Information)
Stel je voor dat je een nieuwsbrief leest.

Als je de krant van gisteren leest, is het nieuws oud.
Als je de krant van vandaag leest, is het vers.
In deze stad willen ze Peak Age of Information (PAoI) minimaliseren. Dat betekent: "Wat is het slechtste moment waarop de informatie verouderd is?" Ze willen voorkomen dat de besturingssysteem een beslissing neemt op basis van een kaart van gisteren, terwijl de auto nu al ergens anders staat.

Hoe werkt hun model? (De Drie Delen)

Het team heeft het probleem opgesplitst in drie stappen, alsof ze een restaurant runnen:

1. De Keuken (Sensoren)
De sensoren (radars) scannen de omgeving. Soms zien ze iets, soms niet.

De uitdaging: Als de sensoren te ver uit elkaar staan, missen ze dingen. Als ze te dicht bij elkaar staan, maken ze ruzie over wie er mag kijken.
De oplossing: Ze berekenen de kans dat er minimaal één sensor iets ziet. Dit hangt af van hoe dicht de sensoren bij elkaar staan en hoe goed ze kunnen "zien" (zoals de sterkte van een radar).

2. De Koeriersdienst (Communicatie)
Zodra een sensor iets ziet, moet het bericht naar de centrale CPU.

De uitdaging: De weg is vol. Er zijn veel boodschappers, maar ook veel verkeersdrukte (interferentie) en soms is de weg slecht (slecht signaal). Soms moet een boodschapper een boodschap opnieuw brengen als hij hem kwijtraakt.
De oplossing: Ze gebruiken een wiskundige methode om te voorspellen hoe lang het duurt voordat een bericht zeker aankomt, rekening houdend met alle vertragingen en fouten.

3. De Chef-kok (De Optimale Verdeling)
Nu hebben ze de cijfers voor de keuken en de koeriers. De chef moet nu beslissen: "Hoeveel mensen zet ik aan het koken en hoeveel aan het bezorgen?"

Als je te veel koks hebt, heb je veel eten, maar het blijft in de keuken staan (verouderde informatie).
Als je te veel koeriers hebt, rennen ze met lege handen (geen nieuwe informatie).
Het resultaat: De auteurs hebben een formule gevonden die precies aangeeft wat de beste verdeling is. Het is niet altijd 50/50. Soms moet je meer koks hebben (bijvoorbeeld als de sensoren het moeilijk hebben om iets te zien), en soms meer koeriers (als de weg erg druk is).

Waarom is dit belangrijk?

Stel je autonome auto's of chirurgische robots voor die op afstand worden bediend.

Als de informatie 1 seconde te oud is, kan een robot een verkeerde beweging maken.
Als de informatie niet aankomt, stopt de robot.

Dit onderzoek geeft netwerkbeheerders een simpele tool (een wiskundige schatting) om te zien hoe ze hun netwerk moeten inrichten zonder dat ze urenlang durende simulaties hoeven te draaien. Ze kunnen nu direct zien: "Ah, als we 30% van onze antennes gebruiken voor sensoren en 70% voor communicatie, zijn we het veiligst."

Samenvatting in één zin

De auteurs hebben een slimme wiskundige formule bedacht die precies vertelt hoe je een netwerk van sensoren en boodschappers moet verdelen, zodat de informatie altijd zo vers mogelijk blijft, zelfs als de omgeving chaotisch en onvoorspelbaar is.

Titel

Netwerkbrede PAoI-garantie in CF-mMIMO-netwerken met co-existentie van Sensing en Communicatie (S&C): Een unificerend raamwerk voor ruimtelijke partitionering richting xURLLC.

1. Probleemstelling

De zesde generatie (6G) draadloze netwerken moeten naast data-overdracht ook omgevingsbewaking (sensing) ondersteunen, wat essentieel is voor toepassingen met ultra-betrouwbare en laag-latente communicatie (xURLLC), zoals fabrieksautomatisering en autonoom rijden.

De Uitdaging: In een Cell-Free Massive MIMO (CF-mMIMO) architectuur, waarbij een groot aantal verspreide Access Points (AP's) samenwerken, ontstaat er een fundamenteel conflict bij het toewijzen van netwerkbronnen.
- Meer AP's toewijzen aan sensing verbetert de detectie en de frequentie van updates (verversing van informatie).
- Meer AP's toewijzen aan communicatie verbetert de betrouwbaarheid en snelheid van de levering van deze updates.
De Metric: Voor xURLLC is de "Age of Information" (AoI) cruciaal. Specifiek richt dit artikel zich op de Peak Age of Information (PAoI), die de slechtst mogelijke veroudering van data weergeeft. Het doel is om de waarschijnlijkheid dat de PAoI een bepaalde drempel overschrijdt (PAVP - PAoI Violation Probability) te minimaliseren.
Complexiteit: De analyse is complex door de combinatie van:
- Stochastische ruimtelijke verdeling van AP's en gebruikers.
- Onvolledige Channel State Information (CSI).
- Beperkte bloklengte codering (Finite Blocklength Coding - FBC) voor korte pakketten.
- Wachtrijdynamiek en retransmissies.

2. Methodologie

De auteurs ontwikkelen een unificerend analytisch raamwerk dat twee geavanceerde wiskundige technieken combineert:

Stochastische Meetkunde (Stochastic Geometry): Om de ruimtelijke verdeling van AP's (zowel voor sensing als communicatie) en gebruikers te modelleren als onafhankelijke Poisson Point Processes (PPPs). Dit stelt hen in staat om netwerkbrede statistieken af te leiden zonder de complexiteit van specifieke topologieën.
Stochastische Netwerkkalculus (Stochastic Network Calculus - SNC): Om de prestaties van wachtrijen te analyseren en een bovengrens af te leiden voor de PAVP.

Het Model:

Ruimtelijke Partitionering: Een parameter $\beta$ bepaalt het aandeel AP's dat aan communicatie wordt toegewezen, terwijl $(1-\beta)$ aan sensing wordt toegewezen.
Sensing Sub-systeem: AP's scannen periodiek. Als een doelwit wordt gedetecteerd, wordt er een kort pakket gegenereerd. De aankomsttijden van deze pakketten worden gemodelleerd op basis van de sensing-dekking.
Communicatie Sub-systeem: Gebruikt Time Division Duplexing (TDD) met pilot-training (onderhevig aan pilot-contaminatie) en conjugate beamforming. Pakketten worden verzonden met FBC en ondergaan retransmissie bij fouten.
Afleiding: De auteurs leiden de Moment Generating Functions (MGF's) af voor zowel de inter-aankomsttijden van de sensing-pakketten als de servicetijden van de communicatiepakketten. Deze MGF's worden vervolgens ingevoerd in een SNC-basisformule om een bovengrens voor de PAVP te verkrijgen.

3. Belangrijkste Bijdragen

Unificerend Analytisch Raamwerk: Voor het eerst wordt een tractabele analytische methode gepresenteerd die de ruimtelijke partitionering van CF-mMIMO-netwerken koppelt aan de netwerkbrede PAoI-prestaties, rekening houdend met zowel sensing als communicatie beperkingen.
Afleiding van MGF's: De auteurs leiden gesloten uitdrukkingen af voor de MGF's van:
- De inter-aankomsttijden van sensordata (gebaseerd op sensing-dekkingskans).
- De servicetijden van communicatiepakketten (gebaseerd op SINR-dekking, imperfecte CSI en FBC).
Bovengrens voor PAVP: Er wordt een nauwkeurige, berekenbare bovengrens afgeleid voor de waarschijnlijkheid dat de PAoI een drempelwaarde overschrijdt.
Optimalisatie van Partitionering: Het raamwerk stelt een optimalisatieprobleem op om de optimale partitioneringsfactor $\beta^*$ te vinden die de PAVP minimaliseert. Dit biedt inzicht in de trade-off tussen update-generatie en betrouwbare levering.
Validatie: Uitgebreide Monte Carlo-simulaties bevestigen dat de analytische bovengrens de prestatietrend nauwkeurig volgt en de optimale partitioneringsfactor zeer dicht bij de simulatieresultaten ligt.

4. Resultaten en Observaties

De numerieke resultaten tonen de volgende inzichten:

Trade-off Bevestiging: Er is een duidelijke "U-vormige" relatie tussen de partitioneringsfactor $\beta$ $β$ en de PAVP.
- Als $\beta \to 0$ (alleen sensing): Er zijn geen communicatiemiddelen om de data te leveren, wat leidt tot hoge PAoI.
- Als $\beta \to 1$ (alleen communicatie): Er is geen sensing om updates te genereren, wat ook leidt tot hoge PAoI.
- Er bestaat een optimaal middenpunt $\beta^*$ dat de totale veroudering minimaliseert.
Invloed van eisen: Hoe strenger de PAoI-eis (kortere deadline), hoe meer resources naar sensing moeten gaan om frequente updates te garanderen. Bij minder strenge eisen kan meer focus liggen op communicatie voor betrouwbaarheid.
Invloed van Doelwitkarakteristieken: Bij doelwitten met een grotere Radar Cross Section (RCS) is sensing makkelijker. Dit verschuift de optimale $\beta^*$ naar rechts (meer communicatie), omdat minder AP's nodig zijn voor sensing om dezelfde dekking te bereiken.
Netwerkdichtheid: In dichte netwerken levert verdere verdichting van AP's voor communicatie afnemende opbrengsten op; het is efficiënter om grotere antenne-array's te gebruiken. Voor sensing is verdichting echter zeer effectief in ruisbeperkte regimes.
Sensing Interval: Er is een niet-monotone relatie tussen de sensing-interval ( $T_s$ ) en de PAVP. Te snelle sensing overbelast de wachtrij, terwijl te trage sensing veroudering introduceert. Een evenwicht is noodzakelijk.

5. Betekenis en Impact

Dit onderzoek is van groot belang voor de ontwikkeling van 6G-netwerken en xURLLC-toepassingen:

Ontwerprichtsnoer: Het biedt netwerkplanners een rekenkundig efficiënt instrument om de balans tussen sensing en communicatie te bepalen zonder kostbare en tijdrovende uitgebreide simulaties.
Garantie van Kwaliteit: Het raamwerk biedt een conservatieve maar nauwkeurige garantie voor de "frisheid" van informatie in kritieke systemen.
Theoretische Lekkenschap: Het vult een belangrijke leemte in de literatuur door de interactie tussen sensing-gedreven datageneratie en communicatie-beperkte levering in grote, willekeurige netwerken kwantitatief te analyseren.

Kortom, het artikel levert een fundamentele theoretische basis voor het ontwerp van toekomstige co-existentie-netwerken waar zowel real-time omgevingsbewaking als ultra-betrouwbare communicatie gelijktijdig moeten worden gegarandeerd.