⚡ electrical engineering

Stochastic Analysis of Successive Interference Cancellation in a Narrow-Beam LEO Uplink

本文通过对用户设备分布和信道条件的建模，研究了连续干扰消除（SIC）在窄波束低轨（LEO）上行链路中的性能，旨在证明 SIC 能够使单个基站波束同时为多个用户提供服务，从而在网络吞吐量与用户公平性之间实现良好的平衡。

原作者： Ilari Angervuori, Risto Wichman

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Ilari Angervuori, Risto Wichman

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

想象一颗在地球高空飞速掠过的近地轨道（LEO）卫星，它就像一把超快、窄束流的强力手电筒。它的任务是捕捉来自地面成千上万个微型设备（比如你的手机或智能传感器）的信号。但棘手的地方在于，卫星的光束非常窄，就像试图在一个所有人都在大声喧哗的嘈杂房间里，去听清一个人的低语。这种“喧哗”被称为干扰，通常会让卫星很难清晰地听到任何人的声音。

这篇论文研究了一种聪明的技巧，叫做串行干扰消除（Successive Interference Cancellation, SIC）。你可以把卫星想象成一个身处嘈杂房间里的超级聪明侦探。侦探并不会试图同时听清所有人的声音，而是先听取声音最大的那个。一旦理解了这个声音，侦探就会在脑海中将其“静音”，从而有效地将这个人的叫喊从背景噪音中移除。现在，原本被淹没的第二大声的声音变得清晰多了。侦探重复这个过程，一个接一个地剥离最响亮的信号，从而听到层层之下较小的声音。

研究人员想知道：这种“剥离”技巧对卫星真的有效吗？它能帮助多少人？

为了找出答案，他们不仅靠猜测，还构建了一个复杂的数学模型，并运行了数千次计算机模拟。他们想象用户随机散布在一座城市中（使用“泊松点过程”，这是一种表示“随机但均匀”的高级说法方式），并测试卫星如何处理这些窄波束。他们专门观察了每个波束中最强的三个信号。

以下是他们的模拟实验所揭示的结果：

弱势群体的巨大胜利
如果不使用 SIC 技巧，只有声音最大的那个用户能获得良好的连接。第二和第三大的用户通常会被困在噪音中。但有了 SIC，情况发生了戏剧性的变化。论文显示，对于第三强的用户来说，获得成功连接的概率比不使用该技巧时提升了约 900%（具体而言，当信号质量阈值设定为 -7 dB 时，概率从大约 0.087 跃升至 0.862）。这就像房间里的第三个人突然获得了一个扩音器，因为前两个人停止了叫喊。

“金发姑娘”区（最佳平衡点）
研究人员还发现了每个波束中应该包含多少用户的“甜点位”。他们发现，每个波束平均拥有 3 个有效用户（记作 $\kappa_\upsilon = 3$ ）是一个神奇的数字。

如果用户太少（例如只有 1 个），信号质量会极不稳定，在极好与极差之间剧烈波动。
有了 3 个用户，系统会变得更加稳定。其“方差”（即信号跳动的幅度）保持在较低水平，这意味着连接是可靠且公平的。
然而，这里存在一个微小的权衡。虽然系统变得更公平、更稳定，但卫星每秒钟能发送的总数据量略有下降，从仅有一个用户时的约 0.9 bit/s/Hz 下降到了三个用户时的 0.7 bit/s/Hz。作者认为，为了让每个人都能获得不错的连接，而不是让一个人独占一切，付出这点代价是值得的。

他们没有提及的内容（以及他们排除的情况）
需要注意的是，这篇论文并没有做以下事情：他们没有在真实的太空卫星上进行测试；所有的结果都来自于基于平坦地球模型的计算机模拟（他们通过对比球形地球模型，发现对于窄波束而言，该模型是准确的）。他们也没有声称这解决了所有问题。事实上，他们指出一个缺点：即使使用了这个技巧，第二和第三个用户获得的连接质量仍然比最强的那个用户要差。最“响亮”的声音依然占据优势，但其他人现在获得了一个公平的机会，而在此之前，他们根本无法被听到。

底线结论
论文表明，使用串行干扰消除技术可以让单个卫星波束同时为多个用户提供服务，而不会导致整个系统崩溃。它将一场混乱的叫喊战变成了一场有序的对话：最响亮的发言者先被听到，然后被静音，从而让较小的声音也能被听见。虽然这需要牺牲一点速度，但它创造了一个对每个人都更加稳定和公平的网络。作者总结道，这种方法是平衡速度与公平性的一种极具前景的方式，尽管他们也承认，要实现现实世界的应用，仍需更多研究来充分理解其中的权衡。

技术摘要：窄波束 LEO 上行链路中连续干扰消除的随机分析

问题陈述
本文研究了配备窄高斯天线波束的低轨（LEO）卫星网络上行链路中，连续干扰消除（SIC）的性能。虽然随机几何已被广泛应用于分析地面网络中的信噪比（SIR）阶统计量，但针对 LEO 网络仍缺乏全面的框架。文中指出一个关键区别在于：LEO 网络具有单一路径损耗和特定的几何约束，导致其 SIR 阶统计量受 Poisson-Dirichlet 分布 $PD(0, \cdot)$ （即伽马过程）支配；而具有单一路径损耗的地面网络则遵循 $PD(\cdot, 0)$ 。作者旨在分析在城市阴影衰落条件下，典型 LEO 基站处最强的三个用户设备（UE）的 SIR 分布和阶统计量，以确定 SIC 是否能在平衡吞吐量与用户公平性的同时，实现每个波束单元内服务多个用户。

方法论
本研究采用随机几何框架，并采用了以下建模选择：

系统模型： 提出了一个平面系统模型，其中用户（UE）根据均匀的同质泊松点过程（PPP）分布在地球上，密度为 $\lambda$ 。LEO 基站（BS）形成一个位于高度 $h$ 处的同质点过程。分析聚焦于一个“典型”波束，并假设具有平移不变性。
阴影衰落： 作者利用高斯混合阴影模型（结合了视距 LoS 和非视距 NLoS 组件）来表示城市环境。为了便于解析处理，将其近似为带有零原子概率测度的混合指数分布。该近似匹配了原始对数正态混合分布的前两阶矩。
有效用户： 引入了“有效”用户的概念，以解释那些未被阴影完全衰减的发射机。通过调整波束半宽度 $\phi_{RX}$ 相对于仰角 $\epsilon$ 的关系，使有效用户数量（ $\kappa_\upsilon$ ）保持恒定（具体为 $n=3$ ）。
解析推导：
- 接收信号功率过程被定义为一个增益过程（GP），该过程被证明是一个非齐次 PPP。
- 总干扰被表征为一个伽马过程，从而导致信噪比（STIR）过程呈现 Poisson-Dirichlet 分布。
- 推导出了 STIR 和 SIR 过程的第 $k$ 阶阶乘矩测度的闭式表达式。
- 推导了在完美 SIC 条件下第 $k$ 个最强用户的覆盖概率，这要求前 $k-1$ 个信号必须被成功解码并移除。
验证： 利用包含原始高斯混合阴影的现实球面地球模型，通过蒙特卡洛模拟对解析结果进行了验证。

核心贡献

LEO SIC 的随机框架： 本文提供了一个全新的随机几何框架，专门用于分析 LEO 上行链路中的 SIR 阶统计量，并区分了其底层的伽马过程与地面模型。
阴影近似： 引入了一种混合指数分布来近似复杂的高斯混合阴影，从而在保持统计一致性（匹配均值和方差）的同时，实现了易于处理的解析解。
SIC 性能分析： 作者推导了前三个最强用户在 SIC 条件下的覆盖概率和吞吐量，明确建模了第 $k$ 个用户的成功取决于更强用户的成功解码。
权衡量化： 研究量化了在增加每个波束服务的用户数量时，总网络吞吐量与用户公平性（链路质量稳定性）之间的权衡关系。

结果

SIR 提升： 分析表明，与非 SIC 场景相比，SIC 显著增强了第 2 和第 3 强用户的性能。对于阈值 $\theta = -7$ dB 的第 3 强用户，其覆盖概率比非 SIC 情况提高了约 900%。
方差与公平性： 研究强调，保持每个波束平均有三个有效用户（ $\kappa_\upsilon = 3$ ）能使系统处于 SIR 分布的有限方差区域。相比之下，用户较少（如 $\kappa_\upsilon = 1$ ）的情景会导致 SIR 方差无穷大，从而导致链路质量不稳定。因此，通过 SIC 服务更多用户可以提高用户公平性和链路稳定性。
吞吐量权衡： 虽然 SIC 提高了公平性，但存在吞吐量权衡。服务三个用户的总带宽归一化吞吐量（ $T_3 \approx 0.7$ bit/s/Hz）略低于在无穷方差区域服务单个用户的吞吐量（ $T_1 \approx 0.9$ bit/s/Hz）。作者指出这是一个“相当大但并非压倒性”的权衡。
链路质量： 尽管总吞吐量有所获益，但第 2 和第 3 强用户的个体链路质量仍逊于最强用户，且当多个用户共享波束时，单个连接的整体信号质量被描述为“相当差”。

意义与主张
本文声称 SIC 使 LEO 基站能够在一个波束单元内服务多个用户，从而在良好的平均网络吞吐量与用户公平性之间取得平衡。作者强调，通过增加服务的用户数量（特别是增加到 SIR 方差为有限值的程度），链路质量会变得更加稳定，从而缓解了与稀疏用户密度相关的这种不稳定性。然而，本文在实现方面保持了谨慎，指出虽然 SIC 提高了公平性，但较弱用户的个体连接质量仍然有限。作者总结道，需要进一步的研究来阐明部署此类方案在现实世界 LEO 网络中的具体权衡和实现考量。

类似论文