Dynamic Interference Management for TN-NTN Coexistence in the Upper Mid-Band
作者: Pradyumna Kumar Bishoyi, Chia Chia Lee, Navid Keshtiarast, Marina Petrova
分类: cs.IT, eess.SY
发布日期: 2026-02-11
备注: This work has been accepted for publication in the IEEE ICC 2026 Conference
💡 一句话要点
提出基于PPO的动态干扰管理方案，解决FR3频段TN-NTN共存干扰问题。
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: TN-NTN共存 干扰管理 近端策略优化 强化学习 FR3频段
📋 核心要点
- 现有TN-NTN共存方案依赖精确CSI和静态协调，难以适应动态NTN场景，导致NTN下行链路性能下降。
- 提出基于PPO的优化框架，联合控制TN下行链路功率、上行链路功率和天线下倾角，自适应保护NTN链路。
- 仿真结果表明，该方案在保持TN基站活动的同时，显著降低了INR，验证了FR3频段共存策略的可行性。
📝 摘要（中文）
本文研究了FR3高频段地面网络(TN)和非地面网络(NTN)共存时的干扰问题，由于密集的TN部署会严重降低NTN下行链路的性能。现有研究依赖于干扰置零波束成形、预编码或排除区域，这些方法需要精确的信道状态信息(CSI)和静态协调，不适用于动态NTN场景。为了克服这些限制，本文开发了一个优化框架，联合控制TN下行链路功率、上行链路功率和天线下倾角，以保护NTN链路，同时保持地面网络的性能。由此产生的TN和NTN参数之间的非凸耦合问题，通过基于近端策略优化(PPO)的强化学习方法解决，该方法开发了自适应功率和倾斜控制策略。仿真结果表明，在保持超过87%的TN基站活动的同时，中值干扰噪声比(INR)降低了高达8 dB，优于传统的基线方法，验证了所提出的FR3共存策略的可行性。
🔬 方法详解
问题定义：本文旨在解决FR3频段中，由于地面网络（TN）和非地面网络（NTN）共存而产生的严重干扰问题。现有方法，如干扰置零波束成形、预编码和排除区域，依赖于精确的信道状态信息（CSI）和静态协调，这在动态NTN场景中难以实现，并且限制了NTN的性能。因此，需要一种能够动态调整并有效管理TN和NTN之间干扰的方案。
核心思路：本文的核心思路是通过联合优化TN的下行链路功率、上行链路功率和天线下倾角，从而在保护NTN链路的同时，维持TN的性能。这种联合优化能够动态地适应网络环境的变化，并有效地管理TN和NTN之间的干扰。通过控制这些参数，可以降低TN对NTN的干扰，同时确保TN自身的性能不受太大影响。
技术框架：本文提出的技术框架主要包括以下几个部分：首先，建立TN和NTN共存的系统模型，包括信道模型、干扰模型和性能指标。其次，构建一个优化问题，目标是最大化NTN的性能，同时满足TN的性能约束。该优化问题涉及TN的下行链路功率、上行链路功率和天线下倾角等参数。由于该优化问题是非凸的，难以直接求解，因此采用基于近端策略优化（PPO）的强化学习方法来寻找最优解。PPO算法通过与环境交互，学习到一个策略，该策略能够根据当前的网络状态，动态地调整TN的功率和天线下倾角。
关键创新：本文最重要的技术创新点在于提出了一个基于强化学习的动态干扰管理方案，该方案能够联合优化TN的下行链路功率、上行链路功率和天线下倾角，从而在保护NTN链路的同时，维持TN的性能。与现有方法相比，该方案不需要精确的CSI和静态协调，能够更好地适应动态NTN场景。此外，采用PPO算法来解决非凸优化问题，提高了算法的效率和鲁棒性。
关键设计：在PPO算法的设计中，状态空间包括TN和NTN的信道状态信息、干扰水平和性能指标。动作空间包括TN的下行链路功率、上行链路功率和天线下倾角的调整量。奖励函数的设计目标是最大化NTN的性能，同时满足TN的性能约束。具体来说，奖励函数可以包括NTN的吞吐量、SINR等指标，以及TN的吞吐量、覆盖率等指标。通过调整奖励函数的权重，可以平衡NTN和TN的性能。此外，还采用了经验回放和目标网络等技术来提高PPO算法的稳定性和收敛速度。
🖼️ 关键图片
📊 实验亮点
仿真结果表明，所提出的基于PPO的动态干扰管理方案，在保持超过87%的TN基站活动的情况下，能够将中值干扰噪声比(INR)降低高达8 dB，显著优于传统的基线方法。这验证了该方案在FR3频段TN-NTN共存场景下的有效性和可行性。
🎯 应用场景
该研究成果可应用于5G/6G及未来通信系统中，解决地面网络与卫星网络等非地面网络共存时的干扰问题，提升频谱利用率和网络整体性能。尤其适用于偏远地区、应急通信和物联网等场景，具有重要的实际应用价值和广阔的发展前景。
📄 摘要（原文）
The coexistence of terrestrial networks (TN) and non-terrestrial networks (NTN) in the frequency range 3 (FR3) upper mid-band presents considerable interference concerns, as dense TN deployments can severely degrade NTN downlink performance. Existing studies rely on interference-nulling beamforming, precoding, or exclusion zones that require accurate channel state information (CSI) and static coordination, making them unsuitable for dynamic NTN scenarios. To overcome these limitations, we develop an optimization framework that jointly controls TN downlink power, uplink power, and antenna downtilt to protect NTN links while preserving terrestrial performance. The resultant non-convex coupling between TN and NTN parameters is addressed by a Proximal Policy Optimization (PPO)-based reinforcement learning method that develops adaptive power and tilt control strategies. Simulation results demonstrate a reduction up to 8 dB in the median interference-to-noise ratio (INR) while maintaining over 87% TN basestation activity, outperforming conventional baseline methods and validating the feasibility of the proposed strategy for FR3 coexistence.