Kanavan estimointi ja optimaalinen resurssien allokointi uudelleenkonfiguroitavia älykkäitä pintoja ja pinottuja älykkäitä metapintoja varten

Väitöskirja keskittyy tehokkaiden kanavan estimoinnin ja tasapuolisuuden optimoinnin algoritmien suunnitteluun diagonaalisuuden ylittävien uudelleenkonfiguroitavien älykkäiden pintojen (Beyond Diagonal Reconfigurable Intelligent Surfaces, BD-RIS) ja pinotun älykkään metapinnan (Stacked Intelligent Metasurface, SIM) avulla toimivissa järjestelmissä.

Ensin esitetään uusia yhteiskanavan estimoinnin ja ennustamisen strategioita, joilla saadaan aikaan pieni yleisrasite ja suuri tarkkuus, kahta uudelleenkonfiguroitavien älykkäiden pintojen arkkitehtuuria varten BD-RIS-avusteisessa MIMO-järjestelmässä korreloivissa, nopeasti häipyvissä ympäristöissä kanavan vanhentumisen esiintyessä. Kanavan estimoinnissa käytetään Tucker2-hajotelmaa bilineaarisen vuorottelevan pienimmän neliösumman menetelmän kanssa. Kanavan ennustusmalli perustuu konvoluutioneuroverkkoon ja autoregressiiviseen ennustimeen. Simulointitulosten perusteella lähestymistapa on kanavan vanhenemisen kestävä ja sillä on suuri estimoinnin tarkkuus, vähäinen pilottiyleisrasite ja matala laskennan kompleksisuus.

Sitten kuvataan tensoriin perustuva yhteiskanavan estimoinnin ja kerrosten välisten kanavakertoimien kalibroinnin protokolla PARATUCK2-hajotelmalla ja vuorottelevan pienimmän neliösumman menetelmällä. Protokollaa voidaan soveltaa SIM-avusteiseen MISO-järjestelmään. Numeeriset tulokset osoittavat mallin ylivertaisuuden viimeisimpiin käytössä oleviin nähden.

Lopuksi keskitytään kahden maxmin-tasapuolisuusalgoritmin kehittämiseen SIM-avusteista usean käyttäjän MISO-järjestelmää varten välittömän kanavan tilatiedon (CSI) ja tilastollisen CSI:n pohjalta. Välittömän CSI:n tapaukseen esitetään vuorottelevan optimoinnin algoritmia. Siinä optimoidaan yhdessä tehon jakaminen geometrisellä ohjelmoinnilla (GP) sekä aaltoon perustuvan keilanmuodostuksen kertoimet gradienttimenetelmällä. Koska tarkan lausekkeen johtaminen keskimääräistä saavutettavissa olevaa vähimmäisnopeutta varten on hankalaa tilastollisen CSI:n tapauksessa, johdetaan tiukka suurin arvo ja muodostetaan näin stokastinen optimointiongelma. Ongelma ratkaistaan vuorottelevalla lähestymistavalla, jossa yhdistetään GP ja gradienttimenetelmän algoritmit optimaalisten käytäntöjen saavuttamiseksi. Numeerisissa tuloksissa näkyy merkittäviä parannuksia järjestelmän saavutettavissa olevassa vähimmäisnopeudessa ja tasapuolisuudessa verrokkeihin nähden.