DOI: https://doi.org/10.1109/jsac.2026.3650895
تاريخ النشر: 2026-01-01
المؤلف: Yafei Wang وآخرون
الموضوع الرئيسي: أنظمة الاتصالات الفضائية
نظرة عامة
تستكشف هذه الورقة تصميم الترميز الموزع لإرساليات MIMO الضخمة متعددة الأقمار الصناعية، مع التركيز على تأثيرات التأخير وتعويض دوبلر لضمان الإرسال المتماسك. يكشف تحليل شامل لنموذج جهاز الإرسال والاستقبال عن تأثير أخطاء التعويض ويبرز القرب من الاستقلالية للتداخل بين الأقمار الصناعية. يستنتج المؤلفون نموذج إشارة مستلمة ويشكلون مشكلة تقريبية لتعظيم المعدل المتوقع تتضمن معلومات حالة القناة الإحصائية (sCSI) وأخطاء التعويض. يجادلون بأن التحولات التقليدية إلى تقليل الحد الأدنى للخطأ التربيعي الموزون (WMMSE) لا تنطبق في هذا السياق، مما يؤدي إلى تقديم صياغة WMMSE المعتمدة على تحليل التباين (CDWMMSE).
لزيادة الكفاءة الحسابية، يطور المؤلفون طريقة تحليل منخفضة التعقيد وخوارزمية تحسين. بالإضافة إلى ذلك، يقترحون نهج تعلم عميق مدفوع بالنموذج (DL) يستفيد من التماثل في التحويل من sCSI إلى المتغيرات غير المعروفة في الحل الأمثل، مع ميزات شبكة Transformer كثيفة جديدة ودالة خسارة غير متغيرة الحجم. تؤكد نتائج المحاكاة فعالية الطريقة المقترحة ومرونتها عبر سيناريوهات عملية متنوعة، مما يظهر قدرتها على التكيف مع البيئات الديناميكية ذات الأعداد المتغيرة من المستخدمين والأقمار الصناعية.
مقدمة
تسلط المقدمة الضوء على التحديات المستمرة في تحقيق الوصول العالمي إلى النطاق العريض من خلال شبكات الاتصالات الأرضية، مع التأكيد على إمكانيات الاتصالات عبر الأقمار الصناعية (SatCom) كتكنولوجيا رئيسية لشبكات الجيل السادس (6G) القادمة. كما هو موضح في رؤية IMT-2030، تهدف SatCom إلى توفير الاتصال الشامل، خاصة للأجهزة المحمولة، وبالتالي التغلب على القيود التي تفرضها البنية التحتية الأرضية. تحدد الورقة الترميز كأحد التقنيات الحيوية لتعزيز الكفاءة الطيفية وتجربة المستخدم في أنظمة 6G، باستخدام مصفوفات هوائيات متقدمة لإدارة الموارد المكانية وتمكين تدفقات بيانات متعددة للتعايش ضمن نفس كتلة موارد الوقت والتردد.
ومع ذلك، تواجه تنفيذ الترميز في أنظمة SatCom تحديات فريدة، بما في ذلك التأخيرات الطويلة في الانتشار، والتحولات العالية لدوبلر، والصعوبات في الحصول على معلومات حالة القناة الفورية (CSI) بسبب الطبيعة الديناميكية لتفاعلات الأقمار الصناعية مع المستخدمين. لمعالجة هذه القضايا، تقترح الورقة استخدام CSI الإحصائية (sCSI)، المشتقة من بيانات موقع الأقمار الصناعية المساعدة المستقرة، كحل قوي يقلل من عبء الإشارة مع الحفاظ على الأداء في البيئات المتغيرة بسرعة النموذجية لشبكات الأقمار الصناعية في مدار الأرض المنخفض (LEO). تركز الدراسة على تطوير استراتيجيات الترميز الموزع لأنظمة SatCom المعتمدة على تقسيم التردد المتعامد (OFDM) تحت sCSI، بهدف تعزيز مؤشرات الأداء الرئيسية مثل نسبة الإشارة إلى التداخل زائد الضوضاء (SINR)، ونسبة الإشارة إلى التسرب زائد الضوضاء (SLNR)، ومعدل المجموع القابل للتحقيق، مما يساهم في الأهداف العامة لتحسين تجربة المستخدم، وكفاءة الطاقة، والتغطية في واجهات الهواء من الجيل القادم.
النتائج
في هذا القسم، يقدم المؤلفون النتائج العددية التي تم الحصول عليها باستخدام محاكي قناة QuaDRiGa، تحديدًا تحت سيناريو ‘QuaDRiGa NTN Urban LOS’. تم معايرة معلمات المحاكي لتتوافق مع نموذج القناة والمواصفات من مشروع الشراكة للجيل الثالث. تم تعيين منطقة تغطية الإرسال التعاوني على نصف قطر 800 كم، مما لا يؤثر على نتائج الأداء للطريقة المقترحة. يتم استخدام محاكاة مونت كارلو، حيث يتم اختيار نقطة عشوائية ضمن منطقة تغطية الكوكبة كمركز، ويتم اختيار S من الأقمار الصناعية الأقرب للإرسال التعاوني. يتم تقديم تمثيلات بصرية لمنطقة الخدمة المختارة والأقمار الصناعية في الشكل 4.
تفترض المحاكاة قيود طاقة موحدة عبر جميع الأقمار الصناعية، المشار إليها بـ \( P_s = P_{TX}, \forall s \)، مع نطاق طاقة من \( P_{TX} \in [20 \text{ dBm}, 50 \text{ dBm}] \). يسمح هذا النطاق بمحاكاة ميزانيات روابط مختلفة تتوافق مع تكوينات أجهزة الإرسال والاستقبال المختلفة. يستخدم تقييم الأداء القيمة المتوقعة \( R_E = \sum_{k \in K} E\{R_k\} \). يعتمد المؤلفون نهج نمذجة خطأ الطور حيث \( \phi_{s,k} = e^{j\varrho_{s,k}} \) و \( \varrho_{s,k} \sim N(0, \sigma^2_{s,k}) \)، مشيرين إلى الأعمال السابقة لهذه المنهجية. ينتهي القسم بمقارنة بين مخططات مختلفة، على الرغم من عدم تفصيل النتائج المحددة والاكتشافات في النص المقدم.
المناقشة
في قسم المناقشة من الورقة، يستعرض المؤلفون الأبحاث الحالية حول تقنيات الترميز لأنظمة الأقمار الصناعية الفردية، مع تسليط الضوء على مختلف الأساليب التي تعالج التحديات العملية مثل معلومات حالة القناة (CSI) القديمة وأخطاء الطور. تشمل المساهمات البارزة الترميز القائم على الحد الأدنى للخطأ التربيعي (MMSE) وطرق التعلم العميق (DL) التي تعزز الكفاءة الحسابية في تصميمات الترميز. يؤكد المؤلفون على أهمية توسيع مصفوفات الهوائيات ونشر كوكبات الأقمار الصناعية في مدار الأرض المنخفض (LEO) لتلبية الطلبات المتزايدة على الاتصال من الجيل السادس (6G)، مقترحين أن الإرسال التعاوني بين الأقمار الصناعية يمكن أن يسهل بنى MIMO الموزعة.
تحدد الورقة الفجوات الحرجة في الأبحاث الحالية، لا سيما في تصميم مخططات الترميز الموزعة القوية التي يمكن أن تعمل بفعالية تحت معلومات CSI الفورية المحدودة (iCSI). لمعالجة هذه التحديات، يقدم المؤلفون إطارًا جديدًا للترميز الموزع في شبكات الأقمار الصناعية في مدار الأرض المنخفض (LEO)، مع التركيز على تأثير أخطاء تعويض التأخير ودوبلر. يعيدون صياغة مشكلة تصميم الترميز إلى مشكلة WMMSE المعتمدة على تحليل التباين (CDWMMSE)، موضحين تعادلها مع المشكلة الأصلية ويقترحون حلاً منخفض التعقيد يستفيد من خصائص خط الرؤية (LoS) لقنوات الأقمار الصناعية. بالإضافة إلى ذلك، يقدم المؤلفون نهج تعلم عميق مدفوع بالنموذج يحقق أداءً قائمًا على التحسين مع تقليل التعقيد، مما يمكّن من التوسع في السيناريوهات الديناميكية. تهدف هذه الأعمال إلى دفع حدود المعرفة في الترميز للاتصالات عبر الأقمار الصناعية، لا سيما في سياق الاتصال من الجيل السادس (6G).
DOI: https://doi.org/10.1109/jsac.2026.3650895
Publication Date: 2026-01-01
Author(s): Yafei Wang et al.
Primary Topic: Satellite Communication Systems
Overview
This paper explores the design of distributed precoding for multi-satellite massive MIMO transmissions, focusing on the effects of delay and Doppler precompensation to ensure coherent transmission. A thorough analysis of the transceiver model reveals the impact of precompensation errors and highlights the near-independence of inter-satellite interference. The authors derive a received signal model and formulate an approximate expected rate maximization problem that incorporates statistical channel state information (sCSI) and compensation errors. They argue that conventional transformations to weighted minimum mean square error (WMMSE) minimization do not hold in this context, leading to the introduction of a covariance decomposition-based WMMSE (CDWMMSE) formulation.
To enhance computational efficiency, the authors develop a low-complexity decomposition method and an optimization algorithm. Additionally, they propose a model-driven deep learning (DL) approach that utilizes the equivariance of the mapping from sCSI to the unknown variables in the optimal solution, featuring a novel dense Transformer network and a scaling-invariant loss function. Simulation results confirm the proposed method’s effectiveness and robustness across various practical scenarios, demonstrating its adaptability to dynamic environments with fluctuating numbers of users and satellites.
Introduction
The introduction highlights the ongoing challenges in achieving global broadband access through terrestrial communication networks, emphasizing the potential of satellite communication (SatCom) as a key technology for the forthcoming sixth-generation (6G) wireless networks. As outlined in the IMT-2030 vision, SatCom aims to provide ubiquitous connectivity, particularly for handheld devices, thereby overcoming the limitations posed by terrestrial infrastructure. The paper identifies precoding as a vital technology to enhance spectral efficiency and user experience in 6G systems, utilizing advanced antenna arrays to manage spatial resources and enable multiple data streams to coexist within the same time-frequency resource block.
However, the implementation of precoding in SatCom systems faces unique challenges, including long propagation delays, high Doppler shifts, and difficulties in acquiring instantaneous channel state information (CSI) due to the dynamic nature of satellite-user interactions. To address these issues, the paper proposes the use of statistical CSI (sCSI), derived from stable auxiliary satellite position data, as a robust solution that minimizes signaling overhead while maintaining performance in rapidly changing environments typical of low Earth orbit (LEO) satellite networks. The study focuses on developing distributed precoding strategies for orthogonal frequency-division multiplexing (OFDM)-based SatCom systems under sCSI, aiming to enhance key performance indicators such as signal-to-interference-plus-noise ratio (SINR), signal-to-leakage-plus-noise ratio (SLNR), and achievable sum rate, thereby contributing to the overarching goals of improved user experience, energy efficiency, and coverage in next-generation air interfaces.
Results
In this section, the authors present the numerical results obtained using the QuaDRiGa channel simulator, specifically under the ‘QuaDRiGa NTN Urban LOS’ scenario. The simulator’s parameters are calibrated to align with the channel model and specifications from the Third Generation Partnership Project. The cooperative transmission coverage area is set at a radius of 800 km, which does not influence the performance outcomes of the proposed method. Monte Carlo simulations are employed, where a random point within the constellation’s coverage area is selected as the center, and the S closest satellites are chosen for cooperative transmission. Visual representations of the selected service area and satellites are provided in Figure 4.
The simulations assume uniform power constraints across all satellites, denoted as \( P_s = P_{TX}, \forall s \), with a power range of \( P_{TX} \in [20 \text{ dBm}, 50 \text{ dBm}] \). This range allows for the simulation of various link budgets corresponding to different transceiver configurations. The performance evaluation utilizes the expected value \( R_E = \sum_{k \in K} E\{R_k\} \). The authors adopt a phase error modeling approach where \( \phi_{s,k} = e^{j\varrho_{s,k}} \) and \( \varrho_{s,k} \sim N(0, \sigma^2_{s,k}) \), referencing previous works for this methodology. The section concludes with a comparison of different schemes, although specific results and findings are not detailed in the provided text.
Discussion
In the discussion section of the paper, the authors review existing research on precoding techniques for single-satellite systems, highlighting various approaches that address practical challenges such as outdated channel state information (CSI) and phase errors. Notable contributions include minimum mean square error (MMSE)-based precoding and deep learning (DL) methods that enhance computational efficiency in precoding designs. The authors emphasize the importance of scaling antenna arrays and deploying low Earth orbit (LEO) satellite constellations to meet the increasing demands of 6G connectivity, proposing that inter-satellite cooperative transmission can facilitate distributed multiple-input multiple-output (MIMO) architectures.
The paper identifies critical gaps in current research, particularly in the design of robust distributed precoding schemes that can operate effectively under limited instantaneous CSI (iCSI). To address these challenges, the authors introduce a novel framework for distributed precoding in LEO satellite networks, focusing on the impact of delay and Doppler compensation errors. They reformulate the precoding design problem into a covariance decomposition-based weighted MMSE (CDWMMSE) problem, demonstrating its equivalence to the original problem and proposing a low-complexity solution that leverages the line-of-sight (LoS) characteristics of satellite channels. Additionally, the authors present a model-driven deep learning approach that achieves optimization-based performance with reduced complexity, enabling scalability in dynamic scenarios. This work aims to advance the state of the art in precoding for satellite communications, particularly in the context of 6G connectivity.