⚡ electrical engineering

Spacing-Based Coupling Radiation Control in Pinching-Antennas Systems for Heterogeneous NOMA Users

本文提出一种面向夹持天线系统的基于间距的耦合辐射控制机制，通过联合优化天线位置与功率分配，在满足比特用户服务质量与干扰约束的前提下，提升异构非正交多址接入用户的语义频谱效率。

原作者： Ishtiaque Ahmed, Leila Musavian

发布于 2026-05-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Ishtiaque Ahmed, Leila Musavian

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一条高速互联网公路（无线网络），通常因为所有人同时尝试通行而拥堵。现在，想象一种新型交通控制器，它不仅能指挥车辆何时通行，还能实际重塑道路本身，为每位驾驶员创造一条完美、笔直的路径。

这正是论文《用于异构 NOMA 用户的捏合天线系统中基于间距的耦合辐射控制》的核心理念。

以下是研究人员所做工作的分解，采用简单的类比说明：

1. 新硬件：“衣夹”高速公路

传统基站使用大型固定天线。本文引入了捏合天线系统（PASS）。

类比：想象一根长长的透明塑料管（介质波导），信号像水流过管道一样在其中传输。与其在末端设置一个巨大的水龙头，不如在管子侧面夹上一系列廉价的“衣夹”。
工作原理：当你用衣夹“捏”住管子时，部分信号会泄漏到空气中，从而到达你的手机。神奇之处在于，这些衣夹是可重构的。你可以将它们滑动得更近或更远，并调整它们捏住管子的松紧程度。这会改变每个位置泄漏出的信号量，从而为用户创建一条定制的“视距”路径。

2. 问题：两种不同类型的乘客

研究人员试图利用同一信号同时服务两种截然不同的用户：

“比特”用户：这是你标准的手机或电脑。它需要精确接收发送的数据（如文本消息或视频流）。这就像一位乘客需要完美地听到演讲中的每一个字。
“语义”用户：这是一种新型的、由人工智能驱动的通信方式。系统不是发送每一个数据比特，而是发送消息的含义或“大意”。这就像一位乘客只需要理解演讲的主要思想，即使漏掉几个字也无妨。这种方式效率更高，但需要特定的解码方法（如神经网络）。

挑战在于，这两类用户的需求不同。如果给“比特”用户分配过多功率，“语义”用户的信号可能会变弱；如果给“语义”用户分配过多，“比特”用户可能会丢失数据。

3. 解决方案：“可调节的捏合”

该论文提出了一种系统，其中的“衣夹”（天线）可以根据它们之间的间距改变其强度。

类比：将信号想象成流经管道的水。通过移动衣夹使其更近或更远，研究人员可以精确控制每个点喷出的水量（信号功率）。
策略：他们使用了一种称为NOMA（非正交多址接入）的技术。这就像广播电台同时播放两首不同的歌曲，但一首比另一首更响亮。“比特”用户收听响亮的歌曲并忽略较安静的那首。“语义”用户则收听较安静的歌曲，但首先使用一种特殊滤波器（串行干扰消除）去除响亮的歌曲，以便清晰地听到较安静的那首。

4. 优化：寻找最佳位置

研究人员并非随意猜测衣夹的位置或信号的响度。他们构建了一个数学“游戏”来寻找最佳配置。

目标：最大化“语义频谱效率”。用通俗的话说：在不降低“比特”用户连接质量的前提下，向“语义”用户交付最多的“含义”。
方法：他们使用了一种逐步进行的计算机算法（交替优化）。
1. 步骤 A：固定衣夹位置，计算两位用户之间的最佳功率分配。
2. 步骤 B：固定功率分配，将衣夹移动到管道上的最佳位置以增强信号。
3. 重复：反复执行此过程，直到找到绝对最佳的组合。

5. 结果：为何更优越

研究人员进行了仿真，以比较这种新系统与旧式固定天线系统的表现。

发现：“可调节捏合”系统（比例功率 PASS）始终优于旧系统。
类比：想象固定天线就像一个在固定圆形范围内喷水的洒水器。如果你站在错误的位置，你会淋湿；如果你站在正确的位置，你会被淋透。而新的捏合天线系统就像一个智能洒水器，可以将特定的水流精准地瞄准你所站的位置，并根据你的距离调整水压。
关键要点：通过调整天线间距，该系统可以在保持常规用户满意的同时，向 AI 用户交付更多的“含义”（语义数据），即使在复杂的环境中也能如此。

总结

这篇论文提出了一种构建无线网络更智能的方法。它不使用笨重的固定天线，而是利用带有可移动“衣夹”的柔性管道。通过滑动这些衣夹并调整它们捏合的松紧度，该系统可以为常规用户和下一代 AI 用户完美定制信号，以更少的浪费交付更多有用的信息。

技术摘要：面向异构 NOMA 用户的夹持天线系统中基于间距的耦合辐射控制

问题陈述
夹持天线系统（PASS）已成为 6G 的一种革命性架构，它利用低成本介质波导和“衣夹”式天线来构建可重构的视距（LoS）链路。虽然现有的 PASS 研究主要集中在具有均匀功率分布或等功率夹持天线的基于比特的通信上，但在探索异构网络的灵活辐射控制方面存在显著差距。具体而言，PASS 通过非正交多址（NOMA）同时支持语义通信（SC）和传统比特通信的潜力尚未被探索。现有模型通常将 PASS 视为具有均匀功率的传统 MIMO，未能利用 PASS 独特的物理特性：即通过调整波导与夹持天线之间的物理间距来控制耦合强度和辐射功率的能力。

方法论
本文提出了一种下行链路 NOMA 辅助框架，服务于异构用户对：语义用户（S）和比特用户（B）。核心创新在于一种可调功率 PASS 模型，其中每个天线的辐射功率比由介质波导与天线之间的耦合间距（ $S_n$ ）决定。

系统模型：
- 辐射控制： 耦合系数 $\kappa_n$ 利用耦合模理论（CMT）进行建模，其中辐射功率比 $\beta_n$ 是间距 $S_n$ 的函数。这使得天线之间能够实现比例功率分配，而非等功率分配。
- 信道模型： 信道以视距为主，通过球面波前进行建模。发射信号在辐射到自由空间之前，会在介质波导内传播并经历相位偏移（ $\lambda_g$ ）。
- NOMA 解码： 系统采用“比特到语义”的解码顺序。比特用户将其信号解码，将语义信号视为干扰。语义用户采用连续干扰消除（SIC）在解码自身消息之前消除比特用户的信号。
优化问题：
目标是在保证用户 B 服务质量（QoS）的同时，最大化用户 S 的语义频谱效率（SE）。优化变量包括：
- 功率分配（ $p_S$ ）： 分配给语义用户的总功率比例。
- 天线位置（ $x^P$ ）： 沿波导分布的 $N$ 个夹持天线的 $x$ 坐标。
该问题受限于以下约束：最小相邻天线间距（ $\Delta \geq \lambda/2$ ）、比特用户 QoS 要求、SIC 可行性以及总功率限制。目标函数涉及 S 形语义相似度函数 $\epsilon_K(\gamma)$ ，使得该问题成为非凸问题。
解决方案：
提出了一种**交替优化（AO）**算法，通过将非凸问题解耦为两个子问题来求解：
- 功率分配子问题： 在天线位置固定的情况下，基于活动约束（QoS 和 SIC 可行性）推导出最优功率系数的闭式解。
- 天线位置子问题： 在功率分配固定的情况下，优化天线位置。这涉及一个两步迭代过程：
  - 大尺度布局： 通过二分搜索放置天线，以调整几何结构，增强语义用户的信道增益，同时保持比特用户的 QoS。
  - 精细对齐： 进行微调以确保两位用户的相位对齐，最大化建设性干扰。

主要贡献

可调功率 PASS 模型： 作者形式化了一个下行链路模型，其中不等功率辐射由波导与夹持天线之间的物理间距动态控制，超越了以往工作中均匀功率的假设。
异构 NOMA 框架： 本文在 PASS-NOMA 框架内集成了语义通信和比特通信，论证了“比特到语义”解码顺序的合理性，并解决了基于神经网络的语义提取所带来的特定资源分配挑战。
优化算法： 开发了一种低复杂度的 AO 方法，联合优化功率分配和天线位置，结合相位对齐约束以处理球面波前和波导传播效应。
性能验证： 数值结果验证了所提出的比例功率 PASS 显著优于传统的固定天线系统（CAS）和等功率 PASS 方案。

仿真结果
在 28 GHz 频率下，使用各种参数（ $N=3, 7$ ； $D=20, 40$ m）进行的仿真表明：

语义 SE 增益： 与等功率 PASS 和 CAS 相比，比例功率 PASS 实现了更高的语义 SE，特别是在发射功率（ $P_{max}$ ）增加时。
相位敏感性： 性能对相位对齐精度高度敏感。针对语义用户的精细对齐（ $\delta_S$ ）产生最佳结果，而粗略对齐会显著降低性能。
鲁棒性： 与 CAS 相比，所提出的系统在比特用户 QoS 和 SIC 可行性方面表现出更低的中断概率，这归因于天线重定位的灵活性。
几何影响： 较小的覆盖区域和用户之间的特定距离比能带来更好的性能。增加天线数量（ $N=7$ 对比 $N=3$ ）会分散辐射分布，这在高比特用户 QoS 要求下可能会影响可行性，但总体上能提升性能。

意义与主张
本文主张，通过利用 PASS 的物理灵活性——特别是通过天线间距调节辐射比的能力——可以有效地服务于具有不同通信需求（语义与比特）的异构用户。该工作证明了灵活辐射控制是下一代语义通信系统的关键使能技术。作者得出结论，他们的方法比传统基准提供了明显的性能增益，并建议未来的工作可以探索幅度可调性，以进一步增强可重构异构通信。该研究将 PASS 定位为不仅是硬件创新，更是优化复杂混合服务无线网络的可控资源。