想象一下，我们头顶的天空即将变得更加“聪明”。多年来，我们一直依赖固定在地面上的通信塔来传输互联网信号，但它们很难覆盖到每一个人，尤其是在拥挤的地方或紧急情况下。于是，无人驾驶飞行器（UAV）登场了——这是一个为无人机起的专业名称，它可以飞到任何需要的地方，充当一个“飞行中的通信塔”。但问题在于：无人机体积小，依靠电池驱动，携带沉重且耗电的设备会导致飞行时间大幅缩短。为了让这些飞行助手工作得更久、效率更高，科学家们正在研究一种处理无线电波的新方法。他们不再使用庞大且耗能的计算机来处理每一个信号，而是尝试使用“堆叠智能超表面”（Stacked Intelligent Metasurfaces，简称 SIMs）。你可以把 SIM 想象成不是一块计算机芯片，而是一叠神奇的、超薄的薄片。就像棱镜可以将光线折射成彩虹一样，这些薄片可以用极低的电量弯曲并塑造肉眼看不见的无线电波。通过堆叠这些薄片，无人机可以像使用激光笔一样引导其信号，而不需要一个巨大的、沉重的引擎来完成这项工作。研究人员提出的核心问题是：我们如何同时实现无人机的飞行、对这些神奇薄片的调谐以及信号的定向，从而在消耗最少电池能量的同时获得尽可能多的数据？
这篇论文深入探讨了这一谜题，提出了一种针对配备了这些堆叠智能薄片的无人机的巧妙“联合设计”。作者们是一群工程师和数学家，他们创建了一个数学配方，旨在同时确定三个完美的要素：无人机应该在三维空间中的哪个位置悬停、如何引导其数字信号，以及如何调整堆叠薄片上每一个微小单元的“相位”（即时间差）。他们称之为一种“高能效”的方法，因为他们不仅是在追求最快的速度，更是在追求每一滴能量所能换取的最大数据量。
研究人员发现，与传统方法相比，他们的新方法是一个游戏规则的改变者。在计算机模拟中，他们将这种智能联合设计与另外两种方法进行了对比：一种是“全数字”系统（它为每一个天线都配备了一个独立的、沉重且耗电的射频链路，就像汽车的每个轮子都有一个独立的发动机），另一种是更简单的“最大比传输”（MRT）方法（这就像是向四面八方大喊大叫，希望有人能听到你）。结果显示，所提出的 SIM 辅助设计在能效方面显著提高。例如，在有 4 个用户且具有特定 SIM 尺寸的情景下，他们的方法实现了约 5.4 × 10⁷ 比特/焦耳的效率，而沉重的“全数字”方法仅能达到约 3.4 × 10⁷ 比特/焦耳。这意味着效率提升了约 58%！更令人震惊的是，简单的 MRT 方法表现极差，保持在 1 × 10⁷ 比特/焦耳以下，这意味着新设计的效率是基础方法的七倍以上。
然而，论文也揭示了一些重要的“视情况而定”的规则。作者发现，仅仅增加无人机的天线尺寸或堆叠更多的智能薄片层数并不总是能提高效率。事实上，如果你不断增加层数或元件数量，控制它们所需的额外电力可能会抵消掉带来的好处，导致整体效率下降。同样，提高发射功率在一定范围内（在他们的测试中约为 30 dBm）是有帮助的，但超过这个点后，额外的功率只会产生干扰并浪费电池，而不会带来更多的数据。论文建议，最佳方案是一种平衡的方法：让无人机悬停在合适的高度，使用适中的智能层数，并精准地引导信号。通过解决这个复杂的数学问题，作者们展示了我们可以构建出未来的飞行网络，使其不仅功能强大，而且对电池非常友好，从而让我们的无人机在空中停留得更久，连接也更稳固。
技术摘要：面向 SIM 辅助无人机（UAV）的高能效多用户波束成形与 3D 位置优化
问题陈述
本文研究了无人机（UAV）系统中能效（EE）驱动的下行链路多用户通信挑战。虽然无人机具有灵活的部署能力和强大的视距连接性，但由于每个天线单元都需要专用的射频（RF）链路，导致硬件复杂度高、功耗大且载荷重，为无人机配备全数字波束成形的架构往往是不切实际的。为了缓解这些约束，作者研究了一种混合架构，即无人机配备了堆叠智能超表面（SIM）。与仅能应用逐元素相位偏移的单层可重构智能超表面（RIS）不同，SIM 利用多层级联的超表面进行波域模拟波束成形。这使得直接在电磁领域进行复杂的信号处理成为可能，从而大幅减少了所需的射频链路数量。
核心问题被建模为三个耦合变量的联合优化，旨在最大化系统能效（定义为可达和速率与总功耗的比值）：
- 数字预编码器： 射频链路处的低维数字波束成形矩阵。
- SIM 相位偏移： 堆叠超表面所有层中可控的相位偏移。
- 无人机 3D 位置： 无人机的空间坐标。
该优化受限于发射功率约束、超表面元素的单位模约束以及无人机部署区域。由于存在分数规划目标函数、SIM 信道的级联特性、信道对无人机位置的非线性依赖性以及非凸的单位模约束，该问题具有高度非凸性。
方法论
为了解决这一具有挑战性的非凸问题，作者提出了一种基于变换的交替优化框架。该方法流程如下：
- 分数规划重构： 使用 Dinkelbach 方法将分数形式的能效目标转换为减法形式。引入一个辅助参数以迭代更新能效值。
- 辅助变量变换： 为了处理非凹的对数和速率及信噪比（SINR）项，作者采用了对偶变换和二次变换。这引入了辅助变量（αk 和 yk），从而解耦了 SINR 项，将目标函数转化为适用于分块优化的形式。
- 数字波束成形器更新： 在固定 SIM 相位和无人机位置的情况下，通过求解凸二次规划来更新数字预编码器。利用 Karush-Kuhn-Tucker (KKT) 条件推导出其闭式解，并采用二分搜索来满足发射功率约束。
- SIM 相位优化： 在满足单位模约束的前提下，使用 Riemannian 流形上升法优化 SIM 相位偏移。将可行集视为复单位圆的乘积流形。算法计算欧几里得梯度，将其投影到流形的切空间上，并通过收缩算子（retraction operator）进行更新，以保持单位模长。
- 无人机位置优化： 使用**逐次凸逼近（SCA）**更新无人机位置。基于解析导出的信道梯度，在当前位置周围构建凹代理函数。随后通过在可行部署区域内的投影梯度上升步进行位置更新。
整体算法在这些模块之间进行迭代直至收敛，通过理论分析确认了变换后目标的单调改进以及向平稳解的收敛性。
主要贡献
- 统一框架： 本文开发了一个专门针对 SIM 辅助无人机下行链路系统的统一优化框架，在考虑硬件感知功率模型的情况下，对数字预编码、级联 SIM 相位偏移和 3D 无人机定位进行了联合优化。
- 硬件感知的能效最大化： 不同于以往仅关注频谱效率或和速率的工作，本研究构建了一个能效最大化问题，明确考虑了射频链路功率、基带处理、逐元素 SIM 控制功率以及无人机推进约束。
- 算法创新： 作者提出了一种结合 Dinkelbach 方法、对偶/二次变换、Riemannian 流形优化和 SCA 的新型算法方法，以应对 SIM 架构和无人机移动性带来的特定非凸性。
- 性能分析： 研究提供了收敛性和复杂度分析，表征了所提算法的计算成本。
数值结果
在 28 GHz 瑞利衰落信道下的仿真结果将提出的联合设计与两个基准方案进行了比较：全数字（FD）方案和 SIM 辅助的最大比传输（SIM-MRT）方案。
- 能效： 提出的方案显著优于这两个基准方案。对于一个具有 M=36 个单元和 4 个用户的系统，在 30 dBm 发射功率下，所提方法比 FD 方案的能效高出约 58%，比 SIM-MRT 方案高出 700% 以上。
- 和速率权衡： 虽然 FD 方案实现了最高的绝对和速率，但所提 SIM 架构提供了极佳的权衡，在显著降低硬件复杂度和功耗的同时，实现了极具竞争力的和速率。SIM-MRT 方案在多用户场景中表现较差，因为它无法有效管理用户间干扰。
- 参数敏感性：
- 发射功率： 能效随功率增加直到达到饱和点（约 30 dBm），之后由于速率增益相对于功率消耗的递减，能效开始下降。
- SIM 规模 (M)： 增加单元数量可以提高波束成形增益，但也会增加电路功率。随着 M 的增加，所提方案的扩展性优于 FD 方案，而 FD 方案的能效会因射频链路功率的线性增加而剧烈下降。
- 层数 (L)： 增加 SIM 层数并不总是能提高能效。当层数超过一定值（例如 L>2）时，额外的波域处理增益会被增加的硬件/控制功率以及层间传播损耗所抵消。
意义与主张
本文声称，所提出的联合设计有效地弥合了低复杂度设计与全数字系统之间的差距。通过利用 SIM 的波域处理能力，该架构在保持高波束成形灵活性的同时，减少了所需射频链路的数量。结果表明，在无人机系统中实现高能效需要平衡空间自由度、硬件复杂度和功耗。研究强调，仅仅增加发射功率或堆叠更多层超表面并不能保证提高能效；相反，对数字预编码器、SIM 配置和无人机轨迹进行整体优化是至关重要的。该工作确立了 SIM 架构特别适用于对尺寸、重量和功耗要求严苛的能源受限航空平台。
每周获取最佳 electrical engineering 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。