Sparse Array Design for Near-Field MU-MIMO: Reconfigurable Array Thinning Approach

Resumo Técnico: Projeto de Arranjo Esparsos para MU-MIMO de Campo Próximo via Raleamento de Arranjo Reconfigurável

Enunciação do Problema
Redes sem fio futuras devem implantar arranjos de antenas massivos operando no regime de campo próximo (NF) radiativo. Diferentemente dos sistemas de campo distante, onde os usuários são multiplexados exclusivamente no domínio angular, a propagação em NF permite multiplexação espacial tanto no ângulo quanto no alcance. No entanto, a realização de arranjos de grande abertura com espaçamento de meio comprimento de onda requer milhares de elementos, levando a custos de hardware proibitivos, consumo de energia e complexidade computacional. Embora arranjos esparsos ofereçam uma solução ao aumentar o espaçamento entre elementos para reduzir a correlação espacial, arranjos esparsos uniformes fixos sofrem com lóbulos de grade que causam interferência forte. Alternativas existentes, como arquiteturas de antenas móveis (MA), dependem de reposicionamento mecânico para adaptar-se às distribuições de usuários, introduzindo latência e complexidade de hardware. Além disso, métodos convencionais de seleção de antenas geralmente dependem de informações instantâneas do estado do canal (CSI) para métricas de desempenho, mas não formulam explicitamente o problema como um projeto de arranjo esparso estruturado. Há uma falta de soluções que ofereçam adaptabilidade dinâmica sem movimento mecânico ou sobrecarga computacional excessiva, particularmente no que diz respeito ao comportamento dos lóbulos de grade no domínio do alcance.

Metodologia
Os autores propõem um framework de raleamento de arranjo reconfigurável. Nesta abordagem, um arranjo linear uniforme denso completo (FULA) permanece fisicamente fixo, mas um subconjunto de antenas é ativado seletivamente por meio de uma rede de comutação de RF para formar um arranjo esparso flexível. O padrão de ativação é determinado por um vetor de raleamento binário $\mathbf{b}$.

O artigo estabelece primeiro uma fundação teórica sobre lóbulos de grade no campo próximo:

1. Domínio Angular: Lóbulos de grade ocorrem quando o deslocamento de fase entre elementos adjacentes é igual a um múltiplo inteiro de $2\pi$, dependendo do ângulo de apontamento.
2. Domínio do Alcance: Através da análise do vetor de resposta do arranjo em NF, os autores demonstram que lóbulos de grade não aparecem ao longo da dimensão do alcance. A variação de fase é quadrática e não linear, impedindo o realinhamento coerente das fases dos elementos em distâncias específicas. Em vez disso, apenas pequenas ondulações são observadas.

Com base nesta análise, os autores desenvolvem duas estratégias baseadas em Otimização por Enxame de Partículas (PSO) para determinar o vetor de raleamento ótimo $\mathbf{b}$:

• Arranjo Esparsado Baseado em Lóbulos de Grade (GTA): Um projeto pré-otimizado que minimiza o Nível de Lóbulo Lateral de Pico (PSLL) no domínio angular para suprimir lóbulos de grade. Esta abordagem utiliza uma PSO com relaxação contínua para otimizar o padrão de raleamento offline com base em restrições estatísticas, garantindo a supressão de lóbulos em um intervalo de cobertura.
• Arranjo Esparsado Baseado na Taxa de Soma (STA): Um projeto dinâmico que maximiza diretamente a taxa de soma de múltiplos usuários. Este método otimiza o vetor de raleamento online (ou para realizações específicas do canal) usando a taxa de soma alcançável como função objetivo, assumindo conhecimento das localizações dos usuários (ângulo e alcance).

Ambos os métodos utilizam um framework PSO onde partículas representam vetores de prioridade contínuos mapeados para decisões de ativação binária, impondo um número fixo de antenas ativas ($N_T$) e preservando elementos nas bordas para manter o tamanho da abertura.

Contribuições Principais

1. Insight Teórico: O artigo fornece a primeira análise confirmando que, embora lóbulos de grade existam no domínio angular para arranjos esparsos no campo próximo, eles estão ausentes no domínio do alcance. Esta descoberta simplifica as restrições de projeto para arranjos esparsos em NF.
2. Framework Inovador: Introduz a primeira aplicação de raleamento de arranjo especificamente para comunicações em campo próximo, distinguindo-o da seleção convencional de antenas ao tratá-lo como um problema de projeto de arranjo esparso estruturado.
3. Estratégias de Otimização Dupla: A proposta de duas estratégias distintas baseadas em PSO:
   • GTA: Oferece uma solução prática e pré-otimizada que suprime lóbulos de grade sem exigir rastreamento de usuários em tempo real.
   • STA: Oferece uma solução de alto desempenho que maximiza dinamicamente a taxa de soma, preenchendo a lacuna entre arranjos esparsos fixos e sistemas complexos de antenas móveis.
4. Eficiência: A abordagem evita a latência e a complexidade mecânicas das antenas móveis, oferecendo melhor adaptabilidade do que arranjos esparsos estáticos.

Resultados de Simulação
Os projetos propostos foram avaliados contra benchmarks incluindo um FULA completo, um ULA móvel (MULA), um arranjo esparsado pré-otimizado (PTA) e um ULA esparso uniforme (SULA). As principais descobertas incluem:

• Supressão de Lóbulos de Grade: O GTA suprime efetivamente lóbulos de grade no domínio angular em vários alcances, superando o SULA convencional, que exibe lóbulos fortes.
• Desempenho da Taxa de Soma:
  • O STA alcança desempenho comparável ao MULA (que requer reposicionamento físico) e atinge aproximadamente 75% da taxa de soma do FULA enquanto utiliza apenas 10% dos elementos ativos (32 de 320 antenas).
  • O GTA desempenha-se de forma semelhante ao PTA, demonstrando que a supressão de lóbulos de grade reduz efetivamente a interferência.
  • Embora o GTA e o PTA tenham taxas de soma ligeiramente inferiores (aproximadamente 5% menores) do que o STA devido a lóbulos laterais elevados decorrentes de espaçamento irregular, eles oferecem a vantagem de otimização offline.
• Comportamento no Domínio do Alcance: Simulações confirmam que, quando os usuários estão alinhados em ângulo, mas separados em alcance, o SULA desempenha-se quase identicamente ao FULA, validando a ausência teórica de lóbulos de grade no domínio do alcance.
• Complexidade: A PSO baseada em STA é computacionalmente mais eficiente do que a otimização MULA porque opera em um espaço de seleção discreto em vez de um espaço de posição contínuo, exigindo menos iterações para convergir.

Significado e Alegações
O artigo afirma que o raleamento de arranjo reconfigurável oferece uma estratégia de implantação prática e eficiente para sistemas MU-MIMO de campo próximo. Ao eliminar a necessidade de movimento mecânico (diferentemente do MULA) e superar a subotimalidade de arranjos esparsos fixos sob distribuições dinâmicas de usuários, o framework proposto equilibra eficiência de hardware com alta eficiência espectral. Os autores observam modestamente que, embora o STA exija atualizações frequentes baseadas na geometria do canal, o GTA e o PTA fornecem alternativas robustas pré-otimizadas. O trabalho sugere que o raleamento de arranjo permite degradação graciosa de desempenho e eficiência de hardware, pois elementos defeituosos podem ser desativados e a configuração reotimizada. Trabalhos futuros são identificados como a exploração de soluções baseadas em aprendizado profundo para mitigar ainda mais a complexidade computacional da abordagem PSO atual.