paper_title: "Improving Integrated Satellite-Terrestrial Cell-Free Massive MIMO Systems by Rate-Splitting Multiple Access"
date: "2026-06-17"
authors: "Yao Zhang", "Jintao Shen", "Xiaofeng Lin", "Meilin Li", "Yaoqi Sun", "Xichun Sheng", "Haitao Zhao", "Hongbo Zhu"
venue: "IEEE Internet of Things Journal"
year: 2025
doi: "10.1109/JIOT.2025.3525730"
ieee_url: "https://doi.org/10.1109/JIOT.2025.3525730"
tags: "IEEE", "LEO", "Cell-Free Massive MIMO", "RSMA", "Energy Efficiency", "Satellite-Terrestrial Networks", "SINR"
source: "local IEEE PDF metadata and DOI"
duplicate_check: "passed"
privacy_check: "passed"
从 RSMA 看星地融合 Cell-Free Massive MIMO 的能效优化
1. 论文基本信息
- 英文标题：Improving Integrated Satellite-Terrestrial Cell-Free Massive MIMO Systems by Rate-Splitting Multiple Access
- 中文理解标题：用 RSMA 提升星地融合 Cell-Free Massive MIMO 系统的频谱效率与能量效率
- 作者：Yao Zhang, Jintao Shen, Xiaofeng Lin, Meilin Li, Yaoqi Sun, Xichun Sheng, Haitao Zhao, Hongbo Zhu
- 期刊/会议：IEEE Internet of Things Journal
- 年份：2025
- DOI：10.1109/JIOT.2025.3525730
- IEEE Xplore 链接：https://doi.org/10.1109/JIOT.2025.3525730
- 阅读日期：2026-06-17
- 关键词：IST-CF-mMIMO、LEO satellite、RSMA、uplink、spectral efficiency、energy efficiency、imperfect CSI、imperfect SIC
2. 为什么选择这篇论文
这篇论文直接讨论 integrated satellite-terrestrial cell-free massive MIMO，也就是把地面 AP、LEO 卫星和中心处理节点放在同一个协作接收框架里分析。它不是单纯介绍 NTN 架构，而是进一步引入 rate-splitting multiple access (RSMA)，推导上行频谱效率和能量效率，并把用户功率控制系数设计成能效优化问题。
它和当前研究方向的连接点主要有三层。第一，论文把 LEO satellite link 与 terrestrial CF-mMIMO link 同时建模，适合观察星地协作对 SINR 与干扰项的影响。第二，RSMA 的"部分解码、部分当噪声处理"本质上是一种干扰管理机制，可以启发 interference-aware message passing 如何表达可解码干扰与残余干扰。第三，论文明确比较 spectral efficiency、energy efficiency 和算法复杂度，这对讨论 millisecond-level inference 的收益和代价很有参考价值。
3. 论文要解决的问题
传统 terrestrial CF-mMIMO 能通过分布式 AP 消除小区边界效应，但覆盖范围仍受地面基础设施限制；LEO 卫星能扩大覆盖，却会带来链路损耗、移动性、回传和能耗压力。把二者合并成 IST-CF-mMIMO 后，系统能获得更多观测分支和宏分集，但也会出现更复杂的多用户干扰、导频污染、CSI 不完美以及中心处理复杂度。
作者关注的问题是：在上行 IST-CF-mMIMO 系统中，如果用户采用 RSMA，把一个消息拆成两路数据流发给地面 AP 和 LEO 卫星，那么系统的可达频谱效率与能量效率如何刻画？进一步地，如何选择两路数据流的功率控制系数，使系统能量效率更高，同时避免使用过重的优化算法？
这不是一个只靠增加卫星或 AP 数量就能解决的问题。卫星链路可以改善覆盖和频谱效率，但卫星侧功耗较高；RSMA 可以增强干扰管理，但需要 SIC，且实际 SIC 不可能完美。论文的价值在于把这些因素放到同一个可计算模型里，而不是只给出架构层面的判断。
4. 系统模型和关键假设
论文研究上行 RSMA-aided IST-CF-mMIMO 系统，系统包含多个多天线地面 AP、一个多天线 LEO satellite、多个单天线用户以及一个 CPU。AP 和卫星分别接收用户上行信号，并把经过本地信道估计和接收处理后的信息送到 CPU，CPU 再进行合并检测和 SIC。
信道方面，作者同时考虑 AP-user 和 satellite-user 链路，并采用空间相关 Rician fading。这个设定贴合 LEO/星地融合场景：LoS 分量较强，但非视距成分、阴影衰落和空间相关性仍会影响接收质量。每个 coherence interval 开始时，用户向 AP 与卫星发送导频；AP 与卫星使用 MMSE channel estimation，后续推导显式考虑 imperfect CSI。
RSMA 传输中，每个用户的消息被拆成两个独立部分，对应两个数据流。两个数据流的功率控制系数记为 eta_k 和 xi_k，并满足功率约束。CPU 按顺序解码两路数据流，并用 SIC 消除已解码部分。论文没有假设 SIC 完美，而是把 imperfect SIC 引入后续频谱效率推导，这一点比很多理想化 RSMA 分析更接近实际系统。
5. 方法概述
论文的方法路线可以概括为"建模、闭式分析、能效优化、仿真验证"四步。
第一步，作者建立 RSMA-aided IST-CF-mMIMO 上行模型。用户同时面向地面 AP 和 LEO satellite 发射，AP 与卫星进行信道估计并把信息送到 CPU。第二步，作者使用 use-and-then-forget (UatF) bounding technique，为两路 RSMA 数据流分别推导可达频谱效率下界，再得到用户总频谱效率和系统 sum spectral efficiency。第三步，作者建立包括用户发射功率、AP 电路功耗、卫星功耗和回传功耗在内的总功耗模型，从而得到 energy efficiency。第四步，作者把用户功率控制系数 eta_k 和 xi_k 的选择转化为能效最大化问题，并使用 fractional programming (FP)，结合 Lagrangian dual transformation 和 quadratic transformation，构造低复杂度迭代算法。
从算法意义看，这篇论文没有用 GNN 或 MPNN，但它给出了一个很适合作为学习式方法对照的优化基线：目标明确，变量是每个用户两路流的功率分配，约束简单，核心困难来自分式 SINR、对数速率和能效目标之间的耦合。
6. 关键公式或机制理解
第一个关键机制是 RSMA 的消息拆分。用户 k 的消息被拆成两路数据流，分别由 eta_k 和 xi_k 控制功率。这样做的作用不是简单增加一路传输，而是让接收端可以把一部分干扰解码并消除，另一部分仍作为噪声处理。对多用户上行场景来说，这相当于在 SDMA 和 NOMA 之间提供了更灵活的干扰管理方式。
第二个关键机制是频谱效率下界。论文用 UatF 思路，把期望信道增益作为可确定部分，把波束不确定性、残余 SIC 干扰、其他用户干扰和噪声放进 SINR 分母。这样得到的表达式虽然复杂，但优点是可计算、可用于系统级仿真，也能直接嵌入能效优化。
第三个关键机制是能效目标。系统能量效率可以理解为
EE=RsumPtot EE = \frac{R_{sum}}{P_{tot}} EE=PtotRsum
其中 R_sum 是所有用户两路 RSMA 数据流的总频谱效率，P_tot 包括用户发射功率、AP 侧功耗、卫星侧功耗以及回传相关功耗。这个公式提醒我们：引入卫星链路并不自动提升能效。卫星可能提升 R_sum，但如果额外功耗太高，EE 未必同步改善。
7. 原创图解：论文方法或系统框架
!外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(https://img-home.csdnimg.cn/images/20230724024159.png?origin_url=.%2Fassets%2Frsma-ist-cf-mimo-framework.svg\&pos_id=img-ctJpOyIa-1781704641392
图 1：根据论文思路重新绘制的 RSMA-aided IST-CF-mMIMO 上行处理框架，展示用户消息拆分、AP/LEO 卫星协作接收、CPU 合并检测和 FP 功率控制闭环，非论文原图。
#mermaid-svg-UBtKDXQOxsvz1Swl{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-UBtKDXQOxsvz1Swl .error-icon{fill:#552222;}#mermaid-svg-UBtKDXQOxsvz1Swl .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-UBtKDXQOxsvz1Swl .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-UBtKDXQOxsvz1Swl .marker{fill:#333333;stroke:#333333;}#mermaid-svg-UBtKDXQOxsvz1Swl .marker.cross{stroke:#333333;}#mermaid-svg-UBtKDXQOxsvz1Swl svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-UBtKDXQOxsvz1Swl p{margin:0;}#mermaid-svg-UBtKDXQOxsvz1Swl .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-UBtKDXQOxsvz1Swl .cluster-label text{fill:#333;}#mermaid-svg-UBtKDXQOxsvz1Swl .cluster-label span{color:#333;}#mermaid-svg-UBtKDXQOxsvz1Swl .cluster-label span p{background-color:transparent;}#mermaid-svg-UBtKDXQOxsvz1Swl .label text,#mermaid-svg-UBtKDXQOxsvz1Swl span{fill:#333;color:#333;}#mermaid-svg-UBtKDXQOxsvz1Swl .node rect,#mermaid-svg-UBtKDXQOxsvz1Swl .node circle,#mermaid-svg-UBtKDXQOxsvz1Swl .node ellipse,#mermaid-svg-UBtKDXQOxsvz1Swl .node polygon,#mermaid-svg-UBtKDXQOxsvz1Swl .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-UBtKDXQOxsvz1Swl .rough-node .label text,#mermaid-svg-UBtKDXQOxsvz1Swl .node .label text,#mermaid-svg-UBtKDXQOxsvz1Swl .image-shape .label,#mermaid-svg-UBtKDXQOxsvz1Swl .icon-shape .label{text-anchor:middle;}#mermaid-svg-UBtKDXQOxsvz1Swl .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-UBtKDXQOxsvz1Swl .rough-node .label,#mermaid-svg-UBtKDXQOxsvz1Swl .node .label,#mermaid-svg-UBtKDXQOxsvz1Swl .image-shape .label,#mermaid-svg-UBtKDXQOxsvz1Swl .icon-shape .label{text-align:center;}#mermaid-svg-UBtKDXQOxsvz1Swl .node.clickable{cursor:pointer;}#mermaid-svg-UBtKDXQOxsvz1Swl .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-UBtKDXQOxsvz1Swl .arrowheadPath{fill:#333333;}#mermaid-svg-UBtKDXQOxsvz1Swl .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-UBtKDXQOxsvz1Swl .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-UBtKDXQOxsvz1Swl .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-UBtKDXQOxsvz1Swl .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-UBtKDXQOxsvz1Swl .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-UBtKDXQOxsvz1Swl .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-UBtKDXQOxsvz1Swl .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-UBtKDXQOxsvz1Swl .cluster text{fill:#333;}#mermaid-svg-UBtKDXQOxsvz1Swl .cluster span{color:#333;}#mermaid-svg-UBtKDXQOxsvz1Swl div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-UBtKDXQOxsvz1Swl .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-UBtKDXQOxsvz1Swl rect.text{fill:none;stroke-width:0;}#mermaid-svg-UBtKDXQOxsvz1Swl .icon-shape,#mermaid-svg-UBtKDXQOxsvz1Swl .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-UBtKDXQOxsvz1Swl .icon-shape p,#mermaid-svg-UBtKDXQOxsvz1Swl .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-UBtKDXQOxsvz1Swl .icon-shape .label rect,#mermaid-svg-UBtKDXQOxsvz1Swl .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-UBtKDXQOxsvz1Swl .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-UBtKDXQOxsvz1Swl .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-UBtKDXQOxsvz1Swl :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 用户消息 wk
RSMA 拆分为 sk1 与 sk2
地面 AP 接收与 MMSE 信道估计
LEO 卫星接收与 MMSE 信道估计
CPU 合并检测
考虑 imperfect SIC 的 SINR 表达
频谱效率与能量效率闭式分析
FP 功率控制优化 eta_k 和 xi_k
图 2：论文技术路线的抽象流程图，强调从 RSMA 分流到能效优化的闭环关系，非论文原图。
8. 实验设置与结果理解
论文仿真在一个平方区域内放置地面 AP，LEO 卫星位于固定三维坐标，地面链路使用 COST 321 Walfish-Ikegami 相关模型，卫星链路考虑距离、载频、天线增益和阴影衰落等因素。作者比较了 Sat、Ter 和 Sat-Ter 三类系统，也比较了 RSMA 与 SDMA。
实验首先验证闭式频谱效率表达式与 Monte Carlo 仿真的一致性。结果显示，理论曲线和仿真点吻合较好，说明推导的频谱效率表达式可以用于后续系统分析。随后，论文展示 Sat-Ter 协作系统在频谱效率上优于单独 terrestrial 或 satellite 系统，原因是 CPU 能对来自 AP 与卫星的多路观测进行合并，获得宏分集收益。
RSMA 与 SDMA 的比较也很关键。论文指出，RSMA 在频谱效率和能量效率上整体优于 SDMA，且用户数增加时，RSMA 的干扰管理优势更明显。随着 AP 数量或 AP 天线数增加，频谱效率通常提升；但能效表现更复杂，因为卫星侧功耗和 AP 增加带来的电路功耗会改变分母。论文还给出 FP-based power control 与 SCA、FPC、HFPC 等方法的比较，结论是 FP 方法能获得更高能效，并显著降低运行时间。这里我只记录论文公开描述的趋势，不编造未核对的额外数值。
9. 对我自己论文的启发
对 LEO 卫星网络建模的启发是，LEO 链路不应只作为"覆盖增强项"放进模型，而应与地面分布式接入点一起进入 SINR 分解。当前研究工作如果强调 LEO satellite cell-free massive MIMO，可以借鉴这种 Sat-Ter 分支的写法：分别定义地面链路、卫星链路、合并接收和中心处理，再讨论协作带来的增益与代价。
对 cell-free massive MIMO 的启发是，AP 数量增加带来宏分集收益，但也引入前传、同步、功耗和计算复杂度。论文的能效分析提醒我，不能只报告 CP 或 MAE，还应解释为什么某种低复杂度推理方法不会因为额外计算/通信开销而抵消系统收益。
对 SINR prediction 的启发更直接。论文把 SINR 分母拆成波束不确定性、残余 SIC 干扰、其他用户干扰和噪声等部分，这种"分项干扰观"可以迁移到 interference-aware message passing。对于 Millisecond-Level Downlink SINR Prediction，MPNN 的边特征不应只包含几何距离或信道增益，还可以表达邻接用户/卫星之间的干扰关系、可预测残余 Doppler 影响以及 channel aging 造成的 CSI 偏差。
对 channel aging / residual Doppler 的启发是，虽然这篇论文没有把 Doppler aging 作为主问题，但它已经把 imperfect CSI 放进闭式分析。当前工作可以进一步强调：在 LEO 高速运动场景下，CSI 不完美不只是估计噪声，还来自时间演化、残余 Doppler 和预测延迟。因此，毫秒级 SINR 预测的价值在于提前补偿这种动态失配，而不是简单替代传统估计。
对 interference-aware message passing 的启发是，RSMA 的"先解码一部分、残余部分仍为干扰"提供了一种干扰可分解视角。MPNN 可以把不同类型干扰作为不同边或不同消息通道处理，例如可协作消除的干扰、不可消除的同频干扰、由 CSI 老化引入的不确定项。这样写比笼统说"GNN 学习干扰关系"更有说服力。
对实验指标的启发是，除了 MAE 和 latency，可以考虑补充 CP、tail error、不同用户密度下的推理稳定性，以及在不同信道老化强度下的性能退化曲线。对 IEEE TVT 审稿意见回复来说，这篇论文也提醒我：如果审稿人质疑工程可行性，应把模型假设、复杂度、时延和可部署性分开回应，而不是只强调预测精度。
10. 这篇论文的优点
- 系统模型把 terrestrial CF-mMIMO 与 LEO satellite link 放在统一上行框架里，研究对象清晰。
- 同时考虑 Rician fading、imperfect CSI 和 imperfect SIC，比完美 CSI/SIC 假设更稳健。
- 不只分析 spectral efficiency，还引入 energy efficiency，有助于评价卫星协作的真实代价。
- FP-based power control 算法针对 RSMA 两路数据流功率分配，变量含义明确，适合作为基线方法。
- 实验比较 Sat、Ter、Sat-Ter 以及 RSMA、SDMA，能较清楚展示协作架构和多址机制的差异。
11. 这篇论文的局限
- 论文主要关注上行，和下行 SINR prediction、beamforming 或用户调度之间还需要进一步连接。
- LEO 卫星运动导致的快速时变、Doppler aging 和服务窗口变化没有成为主要建模对象。
- 能效优化变量集中在用户功率控制系数，对 AP/卫星选择、动态 clustering 和回传约束讨论较少。
- FP 算法虽然复杂度低于 SCA，但仍属于迭代优化，和毫秒级在线推理之间存在部署时延差距。
- 仿真环境仍是模型驱动，真实星座、真实业务负载和终端硬件限制可能带来额外偏差。
12. 我可以借鉴的写作句式或结构
这篇论文的引言组织方式值得学习：先说明 CF-mMIMO 对 6G 的价值，再指出 LEO satellite 可以扩展覆盖，随后引入 RSMA 作为干扰管理工具，最后自然提出 RSMA-aided IST-CF-mMIMO 的研究空白。这个结构适合当前论文写作中从 LEO、CF-mMIMO、SINR prediction 和 IA-MPNN 逐层收束问题。
贡献陈述也比较清楚：第一条讲系统建模与闭式表达式，第二条讲优化问题和算法，第三条讲仿真验证。当前研究工作也可以采用类似结构，把"预测模型""干扰感知消息传递机制""毫秒级复杂度与实验验证"分成相互支撑的贡献，而不是把所有创新点挤在一个段落里。
实验叙述方面，论文先验证理论表达式，再做机制比较，最后分析优化算法收敛与复杂度。这种顺序有助于建立可信度。当前论文如果回应审稿意见，也可以先验证仿真或预测设置可靠，再比较 baseline，最后讨论复杂度和 latency。
13. 后续可以继续追的问题
- 如何把 LEO 轨道运动、channel aging 和 residual Doppler 显式加入 IST-CF-mMIMO 的 SINR 分解？
- RSMA 的干扰分解思想能否转化为 MPNN 中不同类型边消息的设计？
- 在 Sat-Ter 协作系统中，能效最优和 SINR 预测误差最小是否存在冲突？
- 如果要求毫秒级在线决策，FP/SCA 这类迭代优化能否被轻量神经网络近似？
- CP、MAE、latency 和 energy efficiency 能否构成统一的实验评价表，而不是分散在不同章节？
14. 一句话总结
这篇论文的价值在于把 LEO 卫星、terrestrial cell-free massive MIMO、RSMA 干扰管理和能效优化放到同一个可计算框架中，为后续做 interference-aware SINR prediction 提供了清晰的干扰分解和复杂度对照。
15. 引用信息
BibTeX
bibtex
@article{zhang2025improving,
title={Improving Integrated Satellite-Terrestrial Cell-Free Massive MIMO Systems by Rate-Splitting Multiple Access},
author={Zhang, Yao and Shen, Jintao and Lin, Xiaofeng and Li, Meilin and Sun, Yaoqi and Sheng, Xichun and Zhao, Haitao and Zhu, Hongbo},
journal={IEEE Internet of Things Journal},
volume={12},
number={10},
pages={14269--14280},
year={2025},
doi={10.1109/JIOT.2025.3525730}
}