Resumo Técnico: Sensoriamento e Comunicação Integrados para Sistemas de Antena de Aperto Baseados em Guia de Ondas Segmentados

1. Definição do Problema

O artigo aborda os desafios do projeto de sistemas de Sensoriamento e Comunicação Integrados (ISAC) para redes de sexta geração (6G), que exigem transmissão de dados de alta taxa e percepção ambiental detalhada simultaneamente. Embora as matrizes de fase tradicionais e as antenas reconfiguráveis ofereçam capacidades de direcionamento de feixe, elas frequentemente sofrem com altos custos de hardware, redes de alimentação complexas e flexibilidade limitada.

Avanços recentes introduziram as "antenas de aperto" (PAs - pinching antennas), que criam pontos de radiação ao apertar um guia de ondas, oferecendo alta flexibilidade espacial e menor complexidade. No entanto, os projetos de PA existentes dependem tipicamente de guias de ondas únicos ou contínuos (dezenas de metros), o que degrada o desempenho em grandes regiões devido à perda de propagação e incorre em altos custos de manutenção. Para enfrentar essas limitações, o artigo investiga sistemas de Antena de Aperto Baseada em Guia de Ondas Segmentado (SWAN - Segmented Waveguide-Enabled Pinching Antenna). O desafio central é otimizar conjuntamente o beamforming de transmissão, a seleção de segmentos e o posicionamento da antena de aperto para maximizar a taxa de comunicação total, satisfazendo simultaneamente as restrições de desempenho de sensoriamento, um problema caracterizado como não convexo e não linear.

2. Metodologia

Modelo do Sistema

Os autores propõem um sistema SWAN-ISAC de downlink onde uma estação base é equipada com $M$ guias de ondas segmentados, cada um contendo $N$ antenas de aperto. O sistema atende $K_c$ usuários de comunicação e detecta $K_s$ alvos de sensoriamento.

• Modelo de Sinal: O sistema emprega um protocolo de Seleção de Segmento e Multiplexação Híbrida (HSSM - Hybrid Segment Selection and Multiplexing). Cada segmento de guia de ondas é conectado a uma cadeia de Radiofrequência (RF) dedicada. Os sinais são alimentados nos guias de ondas, e as PAs irradiam versões com deslocamento de fase do sinal, contabilizando a perda de propagação dentro do guia de ondas.
• Métricas: O objetivo é maximizar a taxa de comunicação total ($R_{kc}$) sujeito a um limiar mínimo de potência de iluminação ($\tilde{\Gamma}$) para os alvos de sensoriamento. As restrições incluem limites de potência total transmitida e espaçamento mínimo entre antenas de aperto adjacentes.

Solução Proposta: Aprendizado por Reforço com Histerese de Segmento (SHRL)

Para resolver o problema de otimização conjunta não convexo, os autores propõem um algoritmo de Aprendizado por Reforço baseado em Histerese de Segmento (SHRL - Segment Hysteresis Reinforcement Learning).

• Formulação MDP: O problema é modelado como um Processo de Decisão de Markov (MDP). O espaço de estados inclui a informação de estado do canal (CSI), posições anteriores das antenas e atribuições de segmentos anteriores. O espaço de ações envolve atualizações contínuas para posições de antenas, logits de seleção de segmento e pesos de beamforming.
• Mecanismo de Histerese: Diferente do Aprendizado por Reforço convencional que atualiza as seleções de segmento de forma independente a cada etapa, o SHRL introduz um portão de histerese probabilístico. Este mecanismo evita mudanças abruptas no mapeamento antena-segmento. Novas decisões de segmento só são aceitas se fornecerem uma melhoria suficiente ou excederem um limiar específico; caso contrário, as seleções anteriores são mantidas. Isso reduz a variância estrutural e mitiga a não-estacionariedade causada pela troca rápida.
• Treinamento: O algoritmo utiliza o arcabouço Advantage Actor-Critic (A2C). O ator (actor) gera parâmetros de beamforming e logits brutos de segmento, enquanto o portão de histerese refina a seleção de segmento antes da execução. O crítico (critic) avalia os valores de estado para guiar as atualizações de política.

3. Principais Contribuições

1. Estrutura SWAN-ISAC: O artigo propõe um design ISAC aproveitando guias de ondas segmentados para reduzir a perda de propagação no guia de ondas e aumentar a flexibilidade de alocação de recursos espaciais em comparação com designs de guia de ondas contínuos.
2. Protocolo HSSM: Implementação de um protocolo de seleção de segmento e multiplexação híbrida que conecta segmentos a cadeias de RF dedicadas, equilibrando desempenho com redução de custos de hardware.
3. Algoritmo SHRL: Desenvolvimento de um novo algoritmo de RL que incorpora um mecanismo de atualização baseado em histerese. Isso aborda especificamente os problemas de estabilidade na otimização de seleções de segmentos discretos dentro de um ambiente de controle contínuo, garantindo consistência temporal na exploração de políticas.
4. Otimização Conjunta: Formulação e solução de um problema de otimização conjunta complexo envolvendo beamforming de transmissão, seleção de segmento e posicionamento físico da antena sob restrições de sensoriamento.

4. Resultados de Simulação

Os autores realizaram simulações em uma área de 50m $\times$ 60m com 6 usuários e 1 alvo, operando a 28 GHz.

• Comparação de Protocolos: O esquema SWAN-HSSM proposto superou significativamente os modelos de referência SWAN-SM (multiplexação única) e PASS (Esquema de Seleção de Antena Periódica) convencional, tanto em cenários esparsos quanto densos de usuários/alvos. O SWAN-HSSM alcançou as maiores recompensas ao selecionar efetivamente segmentos ativos para reduzir a dispersão de potência e mitigar interferências.
• Desempenho do Algoritmo: O SHRL demonstrou superior estabilidade de convergência e alcançou a maior recompensa final em comparação com os esquemas SPRL (seleção periódica), A2C, PPO e Aleatório. O mecanismo de histerese evitou trocas desnecessárias de segmentos, levando a um aprendizado mais estável.
• Sensibilidade de Configuração:
  • Comprimento do Guia de Ondas: À medida que o comprimento total do guia de ondas aumentava (até 80m), o desempenho melhorava devido à maior abertura espacial. No entanto, em comprimentos muito longos (100m), a perda de propagação causou degradação em todos os algoritmos, com o SHRL permanecendo o mais robusto.
  • Número de Segmentos: O aumento do número de segmentos ($M$) melhorou o SNR de sensoriamento (devido à menor atenuação por segmento), mas reduziu as taxas de comunicação (devido a menos antenas por segmento e redução do ganho de array). O SHRL manteve consistentemente o melhor equilíbrio entre essas métricas concorrentes.

5. Significância e Alegações

O artigo alega que a arquitetura SWAN-ISAC proposta, combinada com o algoritmo SHRL, oferece uma solução viável para implementações de ISAC de alto desempenho e limitação de potência. A significância reside em:

• Eficiência de Hardware: O uso de guias de ondas segmentados e antenas de aperto reduz a complexidade de hardware e os custos de manutenção em comparação com matrizes de fase tradicionais, oferecendo maior flexibilidade do que guias de ondas contínuos únicos.
• Otimização Estável: A introdução do mecanismo de histerese no RL fornece um método para estabilizar o processo de aprendizado em sistemas com mudanças estruturais discretas (seleção de segmento), um desafio frequentemente enfrentado por algoritmos de RL padrão como A2C ou PPO.
• Ganhos de Desempenho: O sistema alcança um equilíbrio superior entre vazão de comunicação e precisão de sensoriamento, mantendo o SNR de sensoriamento próximo aos limiares operacionais enquanto aumenta significativamente as taxas de dados em comparação com os esquemas de base.

Os autores concluem que sistemas de antena de guia de ondas segmentados são um promissor habilitador para futuras aplicações de ISAC de 6G, particularmente onde o direcionamento de feixe flexível e a separação eficiente das funções de comunicação e sensoriamento são necessários.