Power consumption Reduction in ELAA-Assisted ISAC Systems

Resumo Técnico: Redução do Consumo de Energia em Sistemas ISAC Assistidos por ELAAs

Declaração do Problema
As Matrizes de Antenas Extremamente Grandes (ELAAs) são fundamentais para a Sensoriamento e Comunicação Integrados (ISAC) em redes de sexta geração (6G), particularmente para possibilitar o sensoriamento de campo próximo de alta resolução através de ondas esféricas. No entanto, implantar ELAAs com arquiteturas convencionais totalmente digitais apresenta desafios significativos. Ativar todos os elementos de antena simultaneamente requer uma cadeia de radiofrequência (RF) dedicada para cada elemento, levando a uma complexidade de hardware proibitiva e ao consumo excessivo de energia. Embora técnicas de formação de feixe híbrida (hybrid beamforming) e seleção de antena tenham sido propostas para mitigar os custos de hardware, elas frequentemente enfrentam dificuldades com efeitos de campo próximo, como deslocamentos de fase variantes com a frequência e variações significativas de ganho de canal ao longo da matriz. Além disso, os métodos existentes podem não explorar plenamente a não-estacionariedade espacial das ELAAs, onde os usuários tipicamente interagem apenas com uma região específica de "visibilidade" (VR) da matriz.

Metodologia
Para enfrentar esses desafios, os autores propõem um framework de ativação de submatrizes energeticamente eficiente para um sistema ISAC assistido por ELAA monoestático. O sistema serve simultaneamente usuários de campo próximo (NFUEs), usuários de campo distante (FFUEs) e ilumina um alvo para sensoriamento no downlink.

O núcleo da metodologia envolve a formulação de um problema de otimização conjunta (P1) visando minimizar o consumo total de energia da ELAA. As variáveis de decisão são indicadores binários que representam se submatrizes específicas são ativadas para atender NFUEs, FFUEs ou sensoriamento. A otimização está sujeita a:

1. Restrições de Qualidade de Serviço (QoS): Requisitos mínimos de Relação Sinal-Interferência Mais Ruído (SINR) tanto para NFUEs quanto para FFUEs, e um limiar mínimo de ganho de padrão de feixe para o alvo de sensoriamento.
2. Restrições de Potência: Limites na potência total de transmissão e na potência de transmissão por submatriz.
3. Restrições de Hardware: Lógica de ativação binária garantindo que uma submatriz usada para comunicação também esteja disponível para sensoriamento, se necessário.

O problema é inerentemente não convexo e combinatório devido às variáveis binárias e à natureza não convexa das restrições de SINR e de ganho de padrão de feixe. Para resolver isso, os autores desenvolvem um algoritmo iterativo baseado em aproximação convexa sucessiva (SCA) (Algoritmo 1). A abordagem envolve:

• Relaxação: Relaxar as restrições binárias para variáveis contínuas dentro de $[0, 1]$ e adicionar termos de penalidade à função objetivo para incentivar soluções binárias.
• Linearização: Aproximar termos não convexos (como interferência e expressões de ganho de padrão de feixe) usando expansões de Taylor de primeira ordem para criar limites inferiores convexos.
• Resolução Iterativa: Resolver o subproblema convexo resultante (P2) em cada iteração usando solvers padrão (ex: CVX) e atualizar os parâmetros de penalidade até a convergência.

Principais Contribuições

1. Framework de Otimização: O artigo formula um novo problema de otimização que seleciona um subconjunto ideal de submatrizes para minimizar o consumo total de energia enquanto adere estritamente aos requisitos de QoS de dupla função (sensoriamento e comunicação).
2. Solução Algorítmica: Um algoritmo iterativo eficiente baseado em SCA é desenvolvido para lidar com a natureza não convexa e combinatória do problema. O método proposto produz uma solução subótima de alta qualidade com complexidade computacional polinomial, oferecendo uma vantagem significativa sobre métodos de busca exaustiva que possuem complexidade exponencial.
3. Modelagem de Sistema: O trabalho incorpora um modelo de sistema realista que considera características de canal de campo próximo (ondas esféricas), não-estacionariedade espacial (regiões de visibilidade) e as restrições específicas de arquiteturas de submatrizes híbridas.

Resultados Numéricos
Os resultados de simulação validam a eficácia do esquema proposto:

• Convergência: O algoritmo demonstra convergência rápida, estabilizando