Energy-Efficient IRS-Assisted Green Cellular Networks With Ground Base Station Sleep Mode

Resumo Técnico: Redes Celulares Verdes Assistidas por IRS com Modo de Suspensão de Estações Base Terrestres para Eficiência Energética

Formulação do Problema
Esta pesquisa aborda o desafio de maximizar a eficiência energética (EE) em redes sem fio além da quinta geração (B5G) e da sexta geração (6G). O cenário específico envolve uma rede celular de downlink integrando três componentes fundamentais: Estações Base Terrestres (GBSs), uma única Estação Base Aérea (ABS) e Superfícies de Reflexão Inteligente (IRSs). O problema central surge da necessidade de equilibrar a economia de energia com os requisitos de Qualidade de Serviço (QoS). Embora os modos de suspensão das GBSs reduzam o consumo de potência estática, eles podem criar lacunas de cobertura e degradar o desempenho, particularmente para usuários na borda da célula. Por outro lado, as ABSs oferecem cobertura flexível, mas introduzem custos de plataforma (ex: pairagem/hovering), e as IRSs melhoram a propagação do sinal, mas exigem a otimização conjunta dos deslocamentos de fase.

Os autores formulam isso como um problema de otimização não convexo de números inteiros mistos. O objetivo é maximizar a razão entre o throughput total da rede e o consumo total de potência. As variáveis de otimização incluem:

• Variáveis discretas: Estados de ativação das GBS (suspensão/ativação) e associação de usuários (qual transmissor atende qual usuário em qual subcanal).
• Variáveis contínuas: Alocação de potência de transmissão para as GBSs e a ABS, o posicionamento horizontal da ABS e os deslocamentos de fase dos elementos da IRS.

O problema é limitado por orçamentos de potência, requisitos de QoS (taxa de dados mínima), restrições de módulo unitário para os elementos da IRS e a modelagem explícita de interferência de canal compartilhado entre transmissores terrestres e aéreos ativos. A natureza não convexa do problema, impulsionada por objetivos fracionários, variáveis binárias e termos de interferência acoplados, torna os métodos de otimização convencionais computacionalmente intratáveis.

Metodologia
Para resolver este complexo problema de otimização, os autores propõem uma estrutura de Aprendizado por Reforço Profundo Híbrido (Hybrid DRL). Esta abordagem decompõe o espaço de decisão em componentes discretos e contínuos, aproveitando os pontos fortes de dois algoritmos distintos:

1. Double Deep Q-Learning (DDQL): Utilizado para lidar com tarefas de tomada de decisão discretas. Especificamente, o agente DDQL determina os indicadores de modo de suspensão das GBS ($\alpha_m$) e as variáveis de associação de usuários ($\beta_{k,m,l}, \beta_{k,a,l}$). Este módulo aprende a topologia de rede ideal e os padrões de ativação para minimizar o uso desnecessário de energia enquanto mantém a cobertura.
2. Deep Deterministic Policy Gradient (DDPG): Utilizado para otimizar variáveis de controle contínuas. O agente DDPG ajusta a posição horizontal da ABS, a alocação de potência de transmissão para nós terrestres e aéreos e as matrizes de deslocamento de fase da IRS. Este módulo adapta-se às condições dinâmicas de canal e padrões de interferência.

O sistema é modelado como um Processo de Decisão de Markov (MDP). O espaço de estados inclui informações de estado de canal (CSI), atividade atual das GBS, associações de usuários, níveis de potência, posição da ABS e configurações da IRS. A função de recompensa é projetada para maximizar a eficiência energética, impondo penalidades por violações de QoS (usuários que não atingem os requisitos mínimos de taxa) e violações de restrições (ex: limites de potência).

Principais Contribuições
O artigo detalha as seguintes contribuições específicas:

• Desenvolvimento de Estrutura: O design de uma estrutura de rede energeticamente eficiente que integra conjuntamente assistência de IRS, mobilidade de ABS e modos de suspensão de GBS.
• Modelagem Consciente de Interferência: A criação de um modelo de sistema que contabiliza explicitamente a interferência de canal compartilhado entre transmissões terrestres e aéreas dentro de um esquema de alocação de recursos ortogonal.
• Formulação de Otimização: A formulação de um problema não convexo de números inteiros mistos que otimiza conjuntamente indicadores de suspensão, associação de usuários, potência, posicionamento e deslocamentos de fase.
• Algoritmo Híbrido: A proposta de uma solução DRL híbrida combinando DDQL e DDPG para navegar eficientemente no espaço de decisão de alta dimensão e variáveis mistas.
• Validação de Desempenho: Demonstração de que a abordagem proposta melhora a eficiência energética enquanto satisfaz as restrições de QoS, superando benchmarks convencionais.

Resultados Numéricos
A estrutura proposta foi avaliada através de simulações numéricas envolvendo 3 GBSs, 6 usuários e 2 IRSs dentro de uma área de raio de 500m. Os resultados foram comparados com três esquemas de referência: um sistema sem IRSs, um sistema sem uma ABS e um sistema onde todas as GBS permanecem ativas (sem modo de suspensão).

• Convergência: A estrutura DRL híbrida demonstrou convergência estável, com a eficiência energética aumentando de aproximadamente $3 \times 10^6$ bit/J para entre $5,5$e$6,5 \times 10^6$ bit/J após o treinamento.
• Compromissos (Trade-offs): O sistema alcançou com sucesso uma melhoria dupla: aumentando a taxa de dados média do usuário e, simultaneamente, reduzindo o consumo total de potência.
• Eficácia do Modo de Suspensão: A política aprendida reduziu progressivamente o número de GBS ativas ao longo dos episód de treinamento. Os resultados indicam que os links assistidos por IRS e o suporte da ABS permitem que a rede mantenha a QoS mesmo com menos estações terrestres ativas.
• Desempenho Comparativo: O método proposto alcançou a maior eficiência energética entre todos os esquemas comparados. A lacuna de desempenho com as linhas de base "Sem-IRS" e "Sem-ABS" destacou os benefícios específicos do reforço de reflexão de sinal e da flexibilidade aérea, respectivamente.

Significância e Alegações
O artigo afirma que a integração da flexibilidade da ABS, da propagação assistida por IRS e do controle inteligente de modo de suspensão permite uma operação de rede altamente eficiente e adaptável. Os autores sustentam que sua abordagem DRL híbrida oferece uma solução promissora para enfrentar os desafios de eficiência energética em futuras redes sem fio, equilibrando efetivamente cobertura, gerenciamento de interferência e consumo de energia. O estudo conclui que a estrutura proposta melhora significamente a eficiência energética em comparação com esquemas que carecem de assistência de IRS, suporte de ABS ou otimização de modo de suspensão, sem comprometer as taxas de dados dos usuários.

Os autores mantêm um escopo modesto em relação ao trabalho futuro, observando que direções de pesquisa futuras incluem a extensão da estrutura para cenários com múltiplas ABSs, estratégias de implantação dinâmica de IRS e modelos de mobilidade e tráfego mais realistas.