Fast Fluid Antenna Multiple Access

技术摘要：Copula 辅助的快速流体天线多址接入

问题陈述
快速流体天线多址接入（FAMA）是一项极具前景的大规模连接概念，它通过在符号级重新配置接收端天线位置来缓解严重干扰。其核心机制在于选择最佳端口 $k^\star$，使得该处的总干扰 $I_k$ 自然发生深衰落，从而最大化瞬时信干比（SIR）。

然而，快速 FAMA 的实际实施面临一个关键的“ genie 辅助”瓶颈。理论框架假设用户终端（UT）具备：

1. 全端口可观测性：能够同时获取所有 $K$ 个端口的接收信号 $\{r_k\}$ 和信道系数 $\{h_k\}$。
2. 干扰知识：能够即时获知所有端口的总干扰 $\{I_k\}$，以计算最佳选择度量 $\gamma_k = |h_k|^2 / |I_k|^2$。

由于硬件限制（需要 $K$ 条射频链或超过符号率的切换速度）、信道估计所需的过高导频开销，以及在不了解干扰符号的情况下直接观测数据依赖型干扰 $I_k$ 的根本不可能性，上述假设是不切实际的。此前试图放宽这些假设的尝试（例如慢速 FAMA 或 Turbo FAMA）要么牺牲了复用增益，要么保留了高复杂度和不切实际的可观测性要求。

方法论
本文提出了一种Copula 辅助的 FAMA 框架，将端口选择视为一个概率推断问题。核心假设是：用户终端可以通过仅观测一小部分端口（$M \ll K$），利用学习到的信道与干扰场的联合依赖结构，表现得仿佛拥有每个端口的完整干扰知识。

所提出的方法论涉及一个两阶段注意力 Copula 时间序列模型：

1. 问题表述：
   系统对所有 $K$ 个端口的复数三元组 $(r_k, h_k, I_k)$ 的联合统计特性进行建模。目标是学习条件分布 $p(z_{\text{miss}} | z_{\text{obs}})$，其中 $z_{\text{miss}}$ 代表未观测端口，$z_{\text{obs}}$ 代表部分观测值（通常是已知 $r_k$ 和 $h_k$ 的 $M$ 个端口）。

2. 模型架构：

   • 端口主序表示：快照 $(r, h, I)$ 被编码为长度为 $T=3K$ 的实值时间序列，分离实部和虚部。
   • 阶段 1（边缘建模）：使用**深度 Sigmoid 流（DSF）**拟合每个标量坐标的参数化单变量边缘分布。这将原始数据转换为标准均匀变量，使边缘分布与依赖结构解耦。
   • 阶段 2（Copula 建模）：基于Transformer 的架构参数化条件 Copula 密度。它利用对观测令牌（历史数据）的自注意力机制，以及跨注意力机制来预测未观测令牌。
   • 训练策略：模型在随机部分观测掩码下进行训练。在训练过程中，模型暴露于各种观测端口子集（$M$），并必须推断缺失值。这确保模型能够学习泛化到特定的硬件约束（例如固定数量的射频链），以便在推理阶段使用。

3. 推理与选择：
   在运行时，用户终端观测 $M$ 个端口。模型重建所有 $K$ 个端口的干扰场 $\{I_k\}$ 和信道 $\{h_k\}$ 的后验分布。随后，用户终端选择最大化推断出的瞬时 SIR 的端口 $k^\star$，从而有效地模拟拥有完美知识的“神谕”。

主要贡献

• 快速 FAMA 的重新表述：本文将快速 FAMA 端口选择问题形式化为复数三元组 $(r_k, h_k, I_k)$ 上的联合填补任务，摆脱了对直接干扰观测的需求。
• 新颖的学习框架：引入了一种专门针对 FAS 干扰场设计的注意力-Copula 时间序列模型。该框架显式地对信道、干扰和接收信号的联合分布进行建模，允许从部分数据中推断未观测变量。
• 跨场景的鲁棒性：该框架在多种条件下进行了评估，包括：
  • 几何结构：一维线性和二维平面 FAS 配置。
  • 信道模型：丰富散射（高斯/瑞利）和有限散射（具有有限路径的莱斯信道）。
  • 观测约束：分析了 $M$ 显著小于总端口数 $K$ 时的性能。

仿真结果
广泛的仿真证明了所提方法的有效性：

• 重建精度：一旦观测端口数 $M$ 超过孔径的空间自由度（DoF）（对于长度为 $W$ 的一维孔径，约为 $2W$），重建 $h$、$r$ 和 $I$ 的归一化均方误差（NMSE）降至 $10^{-4}$ 量级。
• 系统性能：所提出的“预测”方案实现的二进制对称信道（BSC）和速率与“神谕”基准（假设已知所有端口的完美信息）非常接近。
  • 对于一维和二维几何结构，一旦 $M \approx 2W$，性能差距即消失。
  • 即使在有限散射环境和大量干扰源（$U$ 高达 200）的情况下，系统仍保持接近理想的性能。
• 可扩展性：推理复杂度主要由观测端口数 $M$ 而非总端口数 $K$ 决定，使得该方法可扩展至大型 FAS 阵列。

意义与主张
本文声称弥合了快速 FAMA 的理论潜力与实际硬件限制之间的差距。通过证明用户终端仅需少量每符号感知端口（例如 $M \ll K$）即可实现接近理想的快速 FAMA 性能，该工作大幅放宽了对“神谕辅助”干扰可观测性的需求。

作者认为，这种方法恢复了快速 FAMA 的概念简洁性——具体来说，即无需预编码、功率控制或串行干扰消除（SIC）即可缓解干扰的能力，同时在现实的切换和导频开销约束下保持可行性。结果表明，FAS 信道丰富的空间结构可以通过概率建模有效地加以利用，从而推断干扰场，为未来 6G 网络中的高复用大规模连接提供支持。