[论文解读] Finite-Aperture Fluid Antenna Array Design: Analysis and Algorithm

Zhentian Zhang, Kai-Kit Wong+4 more|arXiv (Cornell University)|Jan 26, 2026

Antenna Design and Optimization被引用 0

一句话总结

该论文推导出有限孔径流体天线阵列（FAA）的闭式CRB，统一可重构与传统阵列；在随机放置下分析最小端口间距；并提出基于梯度的端口放置算法，在CRB约降低30%与AoAMSE约降低42.5%的同时实现。

ABSTRACT

Finite-aperture constraints render array design nontrivial and can undermine the effectiveness of classical sparse geometries. This letter provides universal guidance for fluid antenna array (FAA) design under a fixed aperture. We derive a closed-form Cramér--Rao bound (CRB) that unifies conventional and reconfigurable arrays by explicitly linking the Fisher information to the geometric variance of port locations. We further obtain a closed-form probability density function of the minimum spacing under random FAA placement, which yields a principled lower bound for the minimum-spacing constraint. Building upon these analytical insights, we then propose a gradient-based algorithm to optimize continuous port locations. Utilizing a simple gradient update design, the optimized FAA can achieve about a $30\%$ CRB reduction and a $42.5\%$ reduction in mean-squared error.

研究动机与目标

• 在固定孔径下阐明FAA的基本几何极限。
• 推导一个闭式CRB，通过端口位置的方差统一可重构和传统阵列。
• 刻画在随机FAA放置下最小端口间距的分布。
• 提出并验证一个实用的基于梯度的FAA端口放置算法。
• 展示在CRB和AoAMSE度量上相较传统ULA的性能提升。

提出的方法

• 在固定孔径内将端口位置建模为连续变量且边界端口固定。
• 通过Slepian–Bangs FIM框架，推导依赖于端口位置几何方差的角度估计闭式CRB。
• 推导在孔径内随机放置端口时最小间距的PDF。
• 建立一个把CRB与旁瓣抑制联系起来的Pareto-like目标，并推导端口优化的梯度。
• 提出一个带边缘钉定(edge-pinning)和间距约束的投影梯度下降算法，用以优化中间端口位置。
• 通过蒙特卡洛结果验证分析，并与ULA与离散FAS基线进行对比。

实验结果

研究问题

• RQ1 有限孔径如何约束FAA设计，以及在FAA下角度估计的基本CRB是什么？
• RQ2 在固定孔径下，端口几何（位置）如何影响估计精度和旁瓣行为？
• RQ3 在孔径内随机放置端口时最小端口间距的分布是怎样的？
• RQ4 梯度基于的连续端口放置算法是否能有效优化端口放置以提升CRB和AoA传感性能？
• RQ5 在不同的M和SNR区间，FAA设计与ULA在CRB与AoAMSE方面有何比较？

主要发现

• 得到闭式CRB：CRB(θ) = 1 / [8π^2 T · SNR · sin^2(θ) · L_geo(p)]，λ归一化，显示几何方差L_geo(p) = Σ(p_m − p̄)^2的依赖。
• 在随机放置下的期望最小间距为 E[Δ_min] = W_max / (M^2 − 1)，其PDF为 f_Δ_min(δ) = M(M−1)/W_max · (1 − (M−1)δ/W_max)^{M−1}，定义域δ ∈ [0, W_max/(M−1)]。
• 最大化L_geo(p)（将端口放在边界附近）可以改善CRB，但会增加歧义/伪谱峰，体现了精度与歧义的权衡。
• 基于梯度的连续端口优化算法在M=11时将CRB约降低约30%，并在各SNR下实现约42.5%的AoAMSE降低。
• 所提出的连续FAA与离散FAS（等比例MRA）在感知矩阵的条件数方面优于ULA，随着M增大显示出更小的 γ_max 与更优的CRB结果。
• 该算法对多种M都能收敛，步长适中且离线计算，适合设计时的优化。