El impacto de la retroalimentación del usuario desvío en la eficacia de la evaluación de la energía

El vector pre-FLT (o matriz para la transmisión de múltiples capas) se calcula sobre la base de la ISC de cada usuario. Para un sistema con N transmiten antenas y K usuarios, el precodificador lineal óptimo bajo la matriz de maximización de la suma-valor]

Función de la información del Estado del Canal

CSI está ampliamente dividido en sistemas de retroalimentación instantánea (por-slot) y estadística (a largo plazo). CSI instantáneo, que captura el estado de canal de rápido apagado en el momento de la transmisión, es esencial para los pesos de la viga de banda estrecha o sub-banda. En los sistemas de dúplex de frecuencia-división (FDD) el canal de enlace hacia abajo no es recíproco con el enlace, por lo que el canal de referencia

La precisión de la retroalimentación CSI se rige por varios factores: el tamaño de cuarentena de códigos, la frecuencia de retroalimentación (intervalo de presentación), y el retraso entre medición y aplicación. El componente de demora es a menudo el más perjudicial, ya que incluso una instantánea CSI perfectamente cuantificada se vuelve estancada cuando el canal cambia debido a la movilidad de los usuarios, la dinámica del medio ambiente o la compensación de frecuencia.

Causas y consecuencias de la demora de la retroalimentación

Fuentes de Dilatación

La demora de la retroalimentación se acumula en múltiples etapas:

1. Medidas y demoras de procesamiento] – el tiempo necesario para que el usuario reciba señales de referencia, calcule el canal y cuantifique el CSI. En 5G NR se define el recurso de referencia CSI de tal manera que el usuario informa el estado de canal medido en una ranura específica; procesamiento posterior en el equipo de usuario (UE) agrega en el orden de cientos de microsegundos.
2. Retraso de transmisión de enlace – tiempo de propagación física más tiempo necesario para que el informe CSI atraviese el medio (por ejemplo, en el canal de control de enlace físico o el canal compartido de enlace físico en LTE/5G). Esto incluye retrasos de programación si la UE debe esperar una subvención de enlace.
3. Retraso en el procesamiento de fases] – una vez recibido, la estación base debe descifrar el informe, calcular nuevos pesos de forma de vigas y aplicarlos a las transmisiones posteriores de enlace. En células de alta carga, el análisis computacional puede añadir decenas de subframes.

El retraso total τ] se mide a menudo en términos de frecuencia ortogonal multixing (OFDM) símbolos o ranuras. En un despliegue típico de 5G NR con espaciamiento de 30 kHz, una ranura dura 0.5 ms. Los retrasos totales de la retroalimentación pueden variar de 1 a 10 ms, dependiendo de la configuración.

Impacto en el rendimiento del sistema

El efecto central de la demora de la retroalimentación es un desfase entre los vectores de rayos utilizados para la transmisión y el canal instantáneo real.

• ] Potencia de señal reducida en el usuario previsto – el haz ya no está alineado con el camino dominante, lo que conduce a una pérdida de ganancia de matriz efectiva. Para un array lineal uniforme con N elementos, el aumento de haz normalizado en la dirección deseada se degrada a medida que aumenta el retraso, reduciendo el SINR por varios dB.
• ]Incremento de interferencia entre usuarios – la fijación de precodificación cero se basa en un sistema de almacenamiento nulo preciso. La ISC anticuada causa interferencia residual, que puede dominar el ruido del sistema en regímenes de alta resistencia al impacto. Este efecto es particularmente dañino en los sistemas de MIMO masivos donde se acumula la interferencia de muchas vigas.
• Deficiencia de rango más alto] – en multi-stream (multi‐layer) MIMO, el precodificador está diseñado para crear canales espaciales paralelos. Delay-inducido canal desajuste reduce la ortogonalidad entre los flujos, disminuyendo la velocidad alcanzable por corriente y potencialmente exigiendo que el sistema retroceda a una transmisión de rango inferior.
• ]Degradada correspondencia de haz – en los sistemas TDD usando reciprocidad, la brecha de tiempo entre sonido de enlace ascendente y transmisión de enlace descendente significa que el canal de enlace ascendente estimado no es exactamente el canal de enlace descendente. Esta brecha de reciprocidad crece con retraso, especialmente en escenarios de alta movilidad.

[LT] [LT] [LT] [FLT] [L] [L] [L] [L] [L]] [L]] [L] [L]] [L] [L]]

Casos de estudio: Diferencias en diferentes sistemas

5G NR y Massive MIMO

5G NR incorpora varios mecanismos para mitigar los retrasos de la retroalimentación. La configuración del informe CSI puede ser periódica (en un intervalo fijo), semipersistente o aperiodico (triggered by a grant). Para los usuarios móviles, se prefiere la presentación de informes aperiodales con intervalos cortos, pero consume más recursos de enlace.

El sistema de transmisión de alta velocidad (en inglés) se basa en la velocidad de la señal de alta velocidad (en inglés) y la velocidad de la señal de alta velocidad (en inglés) (en inglés) se puede utilizar un sistema de alta velocidad (en inglés) y el sistema de alta velocidad (en inglés)

Wi-Fi 6/6E y 7

El sistema de retroceso de la red de datos de alta velocidad (CLT) y el sistema de control de la transmisión de datos de alta frecuencia (FLT) permite un sistema de control de tiempo de conexión (FLT) de alta velocidad (en inglés) de la red de datos de alta frecuencia (en inglés)

Mitigation Strategies

Predicción del Canal

La forma más directa de combatir el retraso de la retroalimentación es predecir el estado del canal en el momento de la transmisión real basada en mediciones pasadas. La predicción lineal (por ejemplo, usando un filtro Wiener) explota la autocorrelación del canal de tiempo-varying. El rendimiento depende de la propagación del Doppler y del horizonte de predicción.

Robust Beamforming

En lugar de confiar en CSI instantáneo perfectamente ajustado, los diseños robustos de forma de vigas incorporan modelos de incertidumbre. Por ejemplo, un enfoque de peor medida minimiza el máximo posible deterioro de SINR dado un error encuadernado en la CSI. Alternativamente, el modelado robusto estocástico trata el canal como una variable aleatoria con distribución conocida (debido a las estadísticas de demora) y optimiza la tasa de suma esperada.

• ] La incertidumbre de la matriz – modelando el canal real como H = + Δ], donde ] El haz es una matriz de error con el borde.
• Forma estatística – utilizando la matriz de covariancia de canal a largo plazo, que varía lentamente en comparación con CSI instantáneo. Por ejemplo, el eigen‐beamformer basado en la matriz de correlación de transmisión proporciona un rendimiento robusto incluso bajo CSI anticuado.
• Regularizado cero-forcing – añadir un término de carga diagonal proporcional al poder de error esperado al pseudo-inverso. Esto reduce la sensibilidad a los pequeños valores singulares causados por el retraso.

Estos métodos intercambian el rendimiento máximo (cuando CSI es fresco) para mejorar el rendimiento en el momento de la demora. En los sistemas masivos de MIMO, la ley de grandes cantidades ayuda: con muchos usuarios, la interferencia media de CSI retardado tiende a una robustez constante y favorable sin predicciones explícitas.

Enfoques de aprendizaje automático

El aprendizaje de la máquina (ML) se aplica cada vez más a los estados de canales y aprende directamente las políticas de rayos que son robustas para retrasar. El aprendizaje de refuerzo profundo puede capacitar a un agente para seleccionar vectores de forma de haz desde un libro basado en observaciones retardadas, optimizando para la producción a largo plazo.

Mejoras del Protocolo

Los cambios a nivel de sistema pueden reducir el retraso efectivo en la capa de protocolo.

• Informe de retroalimentación rápida –) reduciendo la periodicidad de los informes periódicos o utilizando disparadores aperódicos que se alinean con el estado de movilidad del usuario.
• Multi‐stage feedback – enviando rápidamente un índice de haz grueso, seguido de un refinamiento más fino más adelante. El haz grueso puede ser utilizado para la transmisión inmediata de datos mientras el CSI fino llega, mitigando el impacto de la demora.
• Resolución de códigos adaptivos – aumenta la cuartificación sólo cuando el canal es estático (bajo impacto de demora) y la reducción durante la alta movilidad para mantener la latencia de la retroalimentación baja.
• Optimización de capas de corros – integrar programación de rayos con procesos de HARQ (Requesa de repetición automática de hibrid) para que las retransmisiones puedan beneficiarse de un CSI más reciente.

Future Directions

Como las frecuencias de portadores empujan hacia las bandas de onda milímetro (mmWave) y sub-terahercios (por ejemplo, 6G a 100 GHz+), los contras de longitud de onda y el canal se vuelve mucho más sensible a los movimientos minúsculos; una fracción de un milímetro puede cambiar el camino dominante.

Otra dirección prometedora es el uso de superficies reflectantes inteligentes (IRS) y superficies inteligentes reconfigurables (RIS) para ayudar a la formación de rayos. Al controlar el ambiente de propagación en sí, la dependencia de la retroalimentación CSI precisa puede ser reducida, porque el IRS puede dirigir caminos reflejados basado en una media estadística en lugar de retroalimentación instantánea.

Conclusión

El retraso de la retroalimentación de los usuarios sigue siendo un reto fundamental para la transmisión de rayos MIMO, con impactos que van desde la pérdida de energía de señal hasta mayores interferencias y ganancias de multiplexación espacial reducidas. La gravedad crece con la movilidad de los usuarios y funciona a través de todos los estándares inalámbricos principales: desde 5G NR y Wi-Fi hasta los sistemas emergentes de 6G.