Resumo Técnico: Enfrentando Interferências em Redes HAPS via Agrupamento Consciente de Ângulo e RSMA

Declaração do Problema

As Estações de Plataforma em Alta Altitude (HAPS) oferecem uma solução promissora para redes sem fio de próxima geração, proporcionando conectividade ubíqua a partir da estratosfera. No entanto, as redes HAPS enfrentam desafios de interferência únicos, distintos das redes terrestres. Devido à alta altitude das HAPS, os enlaces para usuários no solo são dominados por condições fortes de Linha de Visada (LoS) com variabilidade de canal limitada. Consequentemente, usuários que estão geograficamente distantes de uma perspectiva terrestre aparecem próximos do ponto de vista da HAPS, resultando em condições de canal altamente semelhantes e interferência inter-usuário intensificada.

O problema específico abordado neste trabalho envolve uma única HAPS servindo múltiplos usuários no solo por meio de múltiplos feixes sobre um número limitado de Blocos de Recursos (RBs) ortogonais. Como o número de usuários ($U$) excede os RBs disponíveis ($R$), múltiplos usuários devem compartilhar o mesmo RB, levando a uma severa interferência intra-RB. Abordagens tradicionais que utilizam feixes específicos por usuário são frequentemente impraticáveis dada a altitude da HAPS e a proximidade dos usuários. Portanto, o desafio reside em gerenciar eficazmente a interferência quando os usuários são agrupados em clusters geográficos atendidos por um único feixe, enquanto se aloca simultaneamente RBs limitados e otimizam-se estratégias de transmissão para maximizar a eficiência espectral (SE).

Metodologia

Os autores propõem um framework de três etapas para gerenciar a interferência: Agrupamento Consciente de Ângulo, Alocação de RBs Consciente de Interferência e Acesso Múltiplo por Divisão de Taxa (RSMA).

1. Agrupamento Consciente de Ângulo e Direcionamento de Feixe

O sistema assume que a HAPS forma feixes em direção a clusters geográficos, e não a usuários individuais.

• Estratégia de Agrupamento: Os usuários são agrupados em $L = \lceil U/R \rceil$ clusters com base em suas posições angulares (elevação $\theta$ e azimute $\phi$). Os autores utilizam um algoritmo K-means com restrição de capacidade para garantir que nenhum cluster exceda o tamanho $R$.
• Direcionamento de Feixe (WU-Agrupamento): Diferentemente de abordagens baseadas em centróide, a estratégia de agrupamento proposta "Usuário Pior" (WU) direciona cada feixe para a direção que maximiza o mínimo ganho de antena efetivo entre todos os usuários naquele cluster. Isso garante equidade e protege os usuários com as piores condições de canal dentro do cluster.
• Alocação de RBs: Dentro de cada cluster, os RBs são alocados ortogonalmente para evitar interferência intra-cluster. No entanto, como os RBs são reutilizados entre diferentes clusters, a interferência inter-cluster permanece. O algoritmo de alocação atribui RBs aos usuários para minimizar o vazamento de interferência acumulado de usuários já agendados em outros clusters.

2. Gerenciamento de Interferência Inter-Cluster Baseado em RSMA

Para mitigar a inevitável interferência inter-cluster causada pela reutilização de RBs, os autores empregam Acesso Múltiplo por Divisão de Taxa (RSMA) em uma base por RB.

• Divisão de Mensagem: A mensagem para cada usuário é dividida em uma parte comum e uma parte privada.
• Estrutura de Transmissão:
  • As partes comuns de todos os usuários compartilhando um RB específico são combinadas em um único fluxo comum ($s^{(c)}_r$), transmitido com potência $p^{(c)}_{r,\ell}$ por feixe de cluster.
  • As partes privadas são codificadas em fluxos privados individuais ($s^{(p)}_u$), transmitidos com potência $p^{(p)}_u$.
• Recepção: Os usuários primeiro decodificam o fluxo comum (tratando os fluxos privados como ruído), realizam Cancelamento de Interferência Sucessiva (SIC) e, em seguida, decodificam seu fluxo privado. Isso permite um gerenciamento de interferência flexível, tratando a interferência como ruído ou decodificando-a parcialmente.

3. Formulação de Otimização

Os autores formulam um problema de otimização de Equidade Máxima-Mínima (MMF) para projetar conjuntamente a alocação de potência para fluxos comuns e privados ($p^{(c)}$ e $p^{(p)}$) e a alocação de taxa comum ($C_u$). O objetivo é maximizar a taxa de dados alcançável mínima entre todos os usuários, sujeito a restrições de potência total de transmissão e restrições de decodificação.

• Abordagem de Solução: Devido à natureza não convexa do problema (envolvendo razões de Relação Sinal-para-Interferência-para-Ruído (SINR)), os autores empregam uma técnica de Aproximação Convexa Sucessiva (SCA). Eles introduzem variáveis de folga e utilizam aproximações de Taylor de primeira ordem para transformar o problema em uma forma convexa tratável, resolvida iterativamente.

Contribuições Principais

1. Framework de Agrupamento Inovador: O artigo introduz um algoritmo de agrupamento consciente de ângulo que agrupa usuários com base na similaridade angular e emprega uma estratégia de direcionamento de feixe para o "usuário pior". Isso contrasta com trabalhos anteriores que frequentemente assumem feixes específicos por usuário ou direcionamento baseado em centróide, oferecendo uma abordagem mais prática para a geometria HAPS.
2. Estratégia Integrada de RSMA: O trabalho integra o RSMA em redes HAPS especificamente para gerenciar a interferência inter-cluster decorrente da reutilização de RBs, um cenário onde a alocação ortogonal tradicional falha.
3. Otimização Conjunta: Os autores desenvolvem um algoritmo iterativo (MMF-RSMA-PA) que otimiza conjuntamente o direcionamento de feixe, a alocação de RBs e a divisão de potência/taxa para maximizar a equidade e a eficiência espectral.
4. Avaliação Abrangente: O estudo fornece uma análise detalhada das compensações entre ganho de formação de feixe e mitigação de interferência, examinando especificamente o impacto das configurações de arranjo de antenas da HAPS (tamanho da UPA).

Resultados Numéricos

Simulações foram conduzidas com uma HAPS a 20 km de altitude servindo 60 usuários sobre 10 RBs usando um Arranjo Planar Uniforme (UPA) de 8x8.

• Convergência: O algoritmo iterativo SCA proposto (Algoritmo 2) demonstra convergência monótona, estabilizando-se em menos de 13 iterações.
• Ganhos de Eficiência Espectral:
  • Impacto do RSMA: A comparação do esquema proposto (WU-Agrupamento + RSMA) contra uma linha de base sem RSMA (WU-Agrupamento sem RSMA) revela uma melhoria substancial. A Eficiência Espectral (SE) mediana aumentou de aproximadamente 0,12 b/s/Hz para 0,55 b/s/Hz (um aumento de quatro vezes), destacando a eficácia do RSMA no gerenciamento de interferência inter-cluster.
  • Impacto do Agrupamento: O WU-Agrupamento proposto superou consistentemente uma abordagem de agrupamento baseada em centróide (C-Agrupamento + RSMA). Ao levar em conta explicitamente as condições de canal do usuário pior durante o direcionamento do feixe, a estratégia WU melhorou a equidade e as taxas mínimas.
• Compensação de Configuração de Antena: O aumento do número de elementos de antena (por exemplo, de 2x2 para 8x8) melhorou o desempenho ao estreitar os feixes e suprimir interferências. No entanto, aumentar ainda mais o tamanho do arranjo (por exemplo, para 16x16 ou maior) levou à degradação do desempenho. Feixes mais estreitos reduziram o ganho para usuários localizados fora do centro do feixe, impactando negativamente o desempenho geral do sistema.

Significado e Alegações

O artigo afirma que o framework proposto de agrupamento consciente de ângulo combinado com RSMA supera significativamente os esquemas de base em termos de eficiência espectral por usuário alcançável. Os autores enfatizam que sua abordagem aborda as características de propagação específicas das redes HAPS (LoS forte, variabilidade de canal limitada), que tornam as estratégias tradicionais de gerenciamento de interferência menos eficazes.

O significado do trabalho reside em demonstrar que:

1. Formação de Feixe Prática: Direcionar feixes com base no "usuário pior" dentro de um cluster é superior ao direcionamento baseado em centróide para garantir equidade em redes HAPS.
2. Eficácia do RSMA: O RSMA é uma ferramenta poderosa para gerenciar o tipo específico de interferência inter-cluster gerado pela reutilização de RBs em cenários HAPS, oferecendo uma ponte entre tratar a interferência como ruído e decodificá-la completamente.
3. Equilíbrio de Design do Sistema: Existe uma compensação crítica no design de antenas HAPS; simplesmente aumentar o número de elementos de antena não garante melhor desempenho devido ao estreitamento da cobertura do feixe, necessitando de uma abordagem de design equilibrada.

O artigo conclui que essa abordagem integrada gerencia eficazmente a interferência em redes HAPS, aprimorando o desempenho dos usuários no solo em termos de eficiência espectral sem exigir hardware complexo de formação de feixe específico por usuário.