⚡ electrical engineering

Energy Efficient Multi-User Beamforming and 3D Position Optimization for SIM-Assisted UAVs

Este artigo propõe um framework de otimização conjunta, sensível ao hardware e energeticamente eficiente para UAVs assistidos por SIM que projeta simultaneamente precodificadores digitais, deslocamentos de fase de metasuperfície em cascata e posicionamento 3D de UAV utilizando um algoritmo de otimização alternada baseado em transformada para superar significativamente os esquemas de referência convencionais.

Autores originais: Chandan Kumar Sheemar, Giovanni Iacovelli, Sourabh Solanki, Wali Ullah Khan, George C. Alexandropoulos, Symeon Chatzinotas

Publicado 2026-08-17

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Chandan Kumar Sheemar, Giovanni Iacovelli, Sourabh Solanki, Wali Ullah Khan, George C. Alexandropoulos, Symeon Chatzinotas

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que o céu acima de nós está prestes a se tornar muito mais inteligente. Durante anos, dependemos de torres de celular fixas no chão para transmitir nossa internet, mas elas têm dificuldade em alcançar a todos, especialmente em lugares lotados ou durante emergências. Entre o Veículo Aéreo Não Tripulado, ou UAV — um nome chique para um drone que pode voar exatamente onde é necessário, atuando como uma torre de celular voadora. Mas há um porém: drones são pequenos, funcionam com baterias, e carregar equipamentos pesados e que consomem muita energia é uma receita para um tempo de voo curto. Para fazer esses ajudantes voadores durarem mais e funcionarem melhor, cientistas estão estudando uma nova maneira de lidar com ondas de rádio. Em vez de usar computadores enormes e vorazes em energia para processar cada sinal, eles estão experimentando as "Metasuperfícies Inteligentes Empilhadas" (SIMs). Pense em uma SIM não como um chip de computador, mas como uma pilha de folhas mágicas e ultra-finas. Assim como um prisma pode dobrar a luz em um arco-íris, essas folhas podem dobrar e moldar ondas de rádio invisíveis com quase nenhuma eletricidade. Ao empilhar essas folhas, o drone pode direcionar seu sinal como um apontador laser sem precisar de um motor gigante e pesado para fazer o trabalho. A grande questão que os pesquisadores estão fazendo é: Como podemos voar esses drones, ajustar essas folhas mágicas e direcionar seus sinais ao mesmo tempo para obter o máximo de dados possível usando a menor quantidade de energia da bateria?

Este artigo mergulha exatamente nesse quebra-cabeça, propondo um "projeto conjunto" inteligente para um drone equipado com essas folhas inteligentes empilhadas. Os autores, uma equipe de engenheiros e matemáticos, criaram uma receita matemática para descobrir as três coisas perfeitas ao mesmo tempo: onde o drone deve pairar no espaço 3D, como direcionar seus sinais digitais e como ajustar a "fase" (o tempo) de cada pequeno elemento naquelas folhas empilhadas. Eles chamam isso de uma abordagem "eficiente em energia" porque não estão apenas tentando obter a velocidade mais rápida; eles estão tentando obter o máximo de bits de dados para cada gota de energia que o drone consome.

Os pesquisadores descobriram que seu novo método é um divisor de águas em comparação com as formas antigas de fazer as coisas. Em suas simulações de computador, eles compararam seu design conjunto e inteligente contra outros dois métodos: um sistema "totalmente digital" (que usa uma cadeia de rádio separada, pesada e voraz em energia para cada antena, como ter um motor separado para cada roda de um carro) e um método mais simples de "Transmissão de Razão Máxima" (MRT) (que é como gritar em todas as direções esperando que alguém te ouça). Os resultados mostraram que o design assistido por SIM proposto foi significativamente mais eficiente em termos de energia. Por exemplo, em um cenário com 4 usuários e um tamanho específico de SIM, o método deles alcançou cerca de 5,4 × 10⁷ bits por Joule, enquanto o pesado método "totalmente digital" conseguiu apenas cerca de 3,4 × 10⁷ bits por Joule. Isso é um ganho de aproximadamente 58% em eficiência! Ainda mais impressionante, o método MRT mais simples teve um desempenho terrível, permanecendo abaixo de 1 × 10⁷ bits por Joule, o que significa que o novo design foi mais de sete vezes mais eficiente que a abordagem básica.

No entanto, o artigo também revela algumas regras de "depende". Os autores descobriram que simplesmente tornar a antena do drone maior ou empilhar mais camadas dessas folhas inteligentes nem sempre a torna mais eficiente. Na verdade, se você continuar adicionando camadas ou elementos, a eletricidade extra necessária para controlá-los pode acabar consumindo os benefícios, fazendo com que a eficiência geral caia. Da mesma forma, aumentar a potência de transmissão ajuda até certo ponto (cerca de 30 dBm em seus testes), mas depois disso, o excesso de potência apenas cria interferência e desperdiça bateria sem fornecer muito mais dados. O artigo sugere que o ponto ideal é uma abordagem equilibrada: um drone pairando na altura certa, usando um número moderado de camadas inteligentes e direcionando seus sinais com precisão. Ao resolver esse complexo problema matemático, os autores mostraram que podemos criar redes voadoras do futuro que não são apenas poderosas, mas também gentis com a bateria, mantendo nossos drones no céu por mais tempo e nossas conexões mais fortes.

Resumo Técnico: Eficiência Energética de Beamforming Multiusuário e Otimização de Posição 3D para UAVs Assistidos por SIM

Enunciado do Problema
Este artigo aborda o desafio da comunicação downlink multiusuário com eficiência energética (EE) em sistemas de Veículos Aéreos Não Tripulados (UAV). Embora os UAVs ofereçam implantação flexível e conectividade de linha de visada forte, equipá-los com arquiteturas de beamforming totalmente digitais é frequentemente impraticável devido à alta complexidade de hardware, consumo de energia e peso de carga associados à necessidade de uma cadeia de radiofrequência (RF) dedicada por elemento de antena. Para mitigar essas restrições, os autores investigam uma arquitetura híbrida onde o UAV é equipado com Superfícies de Metamateriais Empilhadas (SIM - Stacked Intelligent Metasurfaces). Diferente das superfícies inteligentes reconfiguráveis (RIS) de camada única que aplicam apenas deslocamentos de fase elemento a elemento, as SIMs utilizem múltiplas camadas de metamateriais em cascata para realizar o beamforming analógico no domínio da onda. Isso permite o processamento de sinais complexos diretamente no domínio eletromagnético, reduzindo drasticamente o número de cadeias de RF necessárias.

O problema central formulado é a otimização conjunta de três variáveis acopladas para maximizar a Eficiência Energética (EE) do sistema (definida como a razão entre a taxa de soma alcançável e o consumo total de potência):

Precodificador Digital: A matriz de beamforming digital de baixa dimensão nas cadeias de RF.
Deslocamentos de Fase da SIM: Os deslocamentos de fase controláveis em todas as camadas da metamateriais empilhadas.
Posição 3D do UAV: As coordenadas espaciais do UAV.

A otimização está sujeita a restrições de potência de transmissão, restrições de módulo unitário nos elementos passivos da metamateriais e regiões de implantação do UAV. O problema é altamente não convexo devido à função objetivo fracionária, à natureza em cascata do canal SIM, à dependência não linear do canal em relação à posição do UAV e às restrições de módulo unitário não convexas.

Metodologia
Para resolver este problema não convexo desafiador, os autores propõem um framework de otimização alternada baseado em transformações. A metodologia procede da seguinte forma:

Reformulação de Programação Fracionária: A função de EE fracionária é convertida em uma forma subtrativa usando o método de Dinkelbach. Um parâmetro auxiliar é introduzido para atualizar iterativamente o valor da EE.
Transformação de Variáveis Auxiliares: Para lidar com a taxa de soma logarítmica não côncava e os termos de razão sinal-interferência-mais-ruído (SINR), os autores empregam transformações duais e quadráticas. Isso introduz variáveis auxiliares ( $\alpha_k$ e $y_k$ ) que desacoplam os termos de SINR, transformando a função objetivo em uma forma passível de otimização por blocos.
Atualização do Beamformer Digital: Com as fases da SIM e a posição do UAV fixas, o precodificador digital é atualizado resolvendo um programa quadrático convexo. A solução ótima é derivada em forma fechada usando as condições de Karush-Kuhn-Tucker (KKT), com uma busca por bisseção empregada para satisfazer a restrição de potência de transmissão.
Otimização de Fase da SIM: A otimização dos deslocamentos de fase da SIM, sujeita a restrições de módulo unitário, é realizada via ascensão em variedade de Riemann (Riemannian manifold ascent). O conjunto viável é tratado como uma variedade de produto de círculos unitários complexos. O algoritmo calcula o gradiente euclidiano, projeta-o no espaço tangente da variedade e atualiza as fases via um operador de retração para manter a magnitude unitária.
Otimização da Posição do UAV: A posição do UAV é atualizada usando Aproximação Convexa Sucessiva (SCA). Uma função substituta (surrogate) côncava é construída em torno da posição atual com base em gradientes de canal derivados analiticamente. A posição é então atualizada via um passo de ascensão de gradiente projetado dentro da região de implantação viável.

O algoritmo geral itera entre esses blocos até a convergência, com análise teórica confirmando a melhoria monotônica da função transformada e a convergência para uma solução estacionária.

Principais Contribuições

Framework Unificado: O artigo desenvolve um framework de otimização unificado especificamente para sistemas de downlink de UAV assistidos por SIM, otimizando conjuntamente o precodificação digital, os deslocamentos de fase em cascata da SIM e o posicionamento 3D do UAV sob um modelo de potência consciente ao hardware.
Maximização de EE Consciente do Hardware: Diferente de trabalhos anteriores focados apenas em eficiência espectral ou taxa de soma, este trabalho formula um problema de maximização de EE que contabiliza explicitamente a potência da cadeia de RF, processamento de banda base, potência de controle elemento a elemento e restrições de propulsão do UAV.
Inovação Algorítmica: Os autores propõem uma abordagem algorítmica inovadora combinando o método de Dinkelbach, transformações duais/quadráticas, otimização de variedade de Riemann e SCA para lidar com as não convexidades específicas introduzidas pela arquitetura SIM e pela mobilidade do UAV.
Análise de Desempenho: O estudo fornece análises de convergência e complexidade, caracterizando o custo computacional do algoritmo proposto.

Resultados Numéricos
Os resultados das simulações, conduzidos a 28 GHz com canais de desvanecimento Rician, comparam o design conjunto proposto contra dois benchmarks: um esquema Totalmente Digital (FD) e um esquema de Transmissão de Razão Máxima assistido por SIM (SIM-MRT).

Eficiência Energética: O esquema proposto supera significativamente ambos os benchmarks. Para um sistema com $M=36$ elementos e 4 usuários, o método proposto atinge aproximadamente 58% de EE maior que o esquema FD e mais de 700% maior que o esquema SIM-MRT a 30 dBm de potência de transmissão.
Trade-offs de Taxa de Soma: Embora o esquema FD atinja a maior taxa de soma absoluta, a arquitetura baseada em SIM proposta oferece um trade-off favorável, alcançando taxas de soma competitivas com complexidade de hardware e consumo de energia significativamente menores. O esquema SIM-MRT apresenta desempenho insatisfatório em cenários multiusuário devido à sua incapacia de gerenciar a interferência entre usuários.
Sensibilidade de Parâmetros:
- Potência de Transmissão: A EE aumenta com a potência até um ponto de saturação (em torno de 30 dBm), após o qual declina devido aos ganhos de taxa decrescentes em relação ao consumo de potência.
- Tamanho da SIM ( $M$ ): Aumentar o número de elementos melhora o ganho de beamforming, mas aumenta a potência do circuito. O esquema proposto escala de forma mais favorável que o esquema FD conforme $M$ aumenta, enquanto a EE do esquema FD degrada bruscamente devido ao aumento linear da potência da cadeia de RF.
- Número de Camadas ( $L$ ): Aumentar o número de camadas da SIM nem sempre melhora a EE. Além de um certo ponto (ex: $L > 2$ ), os ganhos adicionais de processamento no domínio da onda são compensados pelo aumento da potência de hardware/controle e perdas de propagação através da pilha.

Significância e Alegações
O artigo alega que o design conjunto proposto preenche efetivamente a lacuna entre designs de baixa complexidade e sistemas totalmente digitais. Ao alavancar as capacidades de processamento no domínio da onda das SIMs, a arquitetura reduz o número de cadeias de RF necessárias, mantendo alta flexibilidade de beamforming. Os resultados demonstram que alcançar alta eficiência energética em sistemas de UAV requer um equilíbrio cuidadoso entre graus de liberdade espacial, complexidade de hardware e consumo de energia. O estudo destaca que simplesmente aumentar a potência de transmissão ou empilhar mais camadas de metamateriais não garante a melhoria da EE; em vez disso, uma otimização holística do precodificador digital, da configuração da SIM e da trajetória do UAV é essencial. O trabalho estabelece que arquiteturas baseadas em SIM são particularmente adequadas para plataformas aéreas com restrições de energia, onde tamanho, peso e potência são restrições críticas.

Mais como este