Joint Precoding and Phase-Shift Optimization for Beyond-Diagonal RIS-Aided ISAC System

Diese Arbeit stellt einen Optimierungsrahmen für durch Beyond-Diagonal-RIS unterstützte ISAC-Systeme vor, der mittels alternierender Optimierung und geschlossener Lösungen die Vorhersagbarkeit von Kommunikations- und Sensierungsleistungen durch gemeinsame Präkodierung und Phasenverschiebung verbessert und dabei die Überlegenheit gegenüber herkömmlichen diagonalen RIS nachweist.

Das Wesentliche

Stellen Sie sich vor, Sie stehen in einer riesigen, lauten Stadthalle (das ist unsere moderne Welt mit 6G-Mobilfunk). In dieser Halle gibt es zwei wichtige Aufgaben:

1. Das Gespräch: Sie wollen mit fünf verschiedenen Freunden an verschiedenen Ecken der Halle sprechen, ohne dass sich die Gespräche vermischen (Kommunikation).
2. Das Suchen: Gleichzeitig wollen Sie einen einzelnen, versteckten Schatz (ein Ziel) im Raum finden und genau lokalisieren (Radar/Sensing).

Das Problem ist: Die Wände sind so hoch und die Möbel so dicht, dass die direkte Sichtlinie blockiert ist. Ihre Stimme kommt nicht an, und Ihr Suchscheinwerfer trifft auf Hindernisse.

Hier kommt die BD-RIS (Beyond-Diagonal Reconfigurable Intelligent Surface) ins Spiel.

Was ist BD-RIS? Der "magische Spiegel"

Stellen Sie sich eine riesige Wand voller kleiner Spiegelchen vor.

• Der alte Weg (D-RIS): Bei den herkömmlichen Systemen ist jedes Spiegelchen ein einsamer Einzelkämpfer. Es kann nur seinen eigenen Winkel drehen, aber es kann nicht mit den Nachbarn sprechen. Das ist wie eine Gruppe von Menschen, die alle einzeln in eine Richtung schauen, aber nicht zusammenarbeiten.
• Der neue Weg (BD-RIS): Die BD-RIS ist wie ein intelligentes Team. Alle Spiegelchen sind untereinander durch unsichtbare Drähte (Impedanz-Netzwerke) verbunden. Sie können sich absprechen, ihre Kräfte bündeln und gemeinsam einen riesigen, perfekten Lichtstrahl formen. Sie sind nicht mehr isoliert, sondern ein einziges, vernetztes Gehirn.

Was macht die Forschergruppe?

Die Autoren dieses Papiers haben einen cleveren Plan entwickelt, wie man diesen "magischen Spiegel" steuert, um sowohl das Gespräch als auch die Suche perfekt zu machen.

Stellen Sie sich vor, Sie sind der Dirigent eines Orchesters (das ist der Basisstation-Computer). Sie haben zwei Instrumente in der Hand:

1. Die Noten (Vorkodierung): Wie laut und in welchem Ton die Musiker (die Antennen) spielen sollen.
2. Die Spiegelstellung (Phasenverschiebung): Wie die Spiegel an der Wand geneigt werden müssen.

Die Herausforderung:
Wenn Sie die Spiegel so drehen, dass die Freunde Ihre Stimme perfekt hören, könnte das Licht für die Suche am falschen Ort landen. Und wenn Sie das Licht perfekt auf den Schatz richten, könnten die Freunde sich gegenseitig stören. Es ist ein ständiges Abwägen (Trade-off).

Die Lösung des Papiers:
Die Forscher haben eine neue Methode erfunden, die wie ein zweiseitiger Tauschhandel funktioniert:

1. Für das Gespräch (Kommunikation): Sie nutzen die Spiegel, um die Stimmen der Freunde so zu lenken, dass sie sich nicht gegenseitig übertönen. Es ist, als würden die Spiegel eine unsichtbare Schallwand zwischen den Freunden bauen, damit jeder nur das hört, was er hören soll.
2. Für die Suche (Sensing): Sie bündeln das Licht der Spiegel wie einen extrem starken Laserpointer genau auf den Schatz, damit dieser hell erleuchtet wird.

Wie funktioniert der Algorithmus? (Der Tanz der Spiegel)

Da die Mathematik hinter diesem Tanz extrem kompliziert ist (wie ein riesiges 3D-Puzzle, das man nicht einfach lösen kann), nutzen die Forscher einen cleveren Trick namens "Alternating Optimization" (abwechselnde Optimierung).

Stellen Sie es sich wie einen Tanz vor:

• Schritt 1: Der Dirigent (Computer) stellt erst einmal die Noten der Musiker ein, während die Spiegel stillhalten.
• Schritt 2: Dann bleiben die Noten fest, und die Spiegel tanzen ihre neue Position, um das Licht zu bündeln.
• Schritt 3: Wieder zurück zu den Noten, dann wieder zu den Spiegeln.

Sie wiederholen diesen Schritt immer und immer wieder. Bei jedem Durchlauf wird das Ergebnis ein kleines bisschen besser, bis alles perfekt harmoniert. Das Besondere an ihrer Methode ist, dass sie für jeden dieser Schritte eine klare, schnelle Formel (eine "geschlossene Lösung") gefunden haben. Das bedeutet, der Computer muss nicht stundenlang raten, sondern weiß sofort, was der nächste Schritt ist.

Das Ergebnis: Ein Gewinn für alle

Die Simulationen im Papier zeigen etwas Wunderbares:

• Wenn Sie mehr Wert auf das Gespräch legen, werden die Spiegel so eingestellt, dass die Gespräche kristallklar sind.
• Wenn Sie mehr Wert auf die Suche legen, bündeln sie das Licht extrem stark.
• Der Clou: Die BD-RIS (das vernetzte Team) ist dem alten System (den einsamen Spiegelchen) haushoch überlegen. Sie schafft es, beides gleichzeitig viel besser zu machen.

Zusammenfassend:
Dieses Papier zeigt uns, wie wir mit einer neuen Art von "intelligenten Wänden" (BD-RIS) unsere zukünftigen 6G-Netze so steuern können, dass sie nicht nur super schnell telefonieren, sondern gleichzeitig wie ein hochpräzises Radar funktionieren. Es ist wie ein Zauberstab, der das Chaos der Funkwellen in eine perfekte Symphonie verwandelt, bei der jeder sein Ziel erreicht, ohne die anderen zu stören.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papiers auf Deutsch:

Technische Zusammenfassung: Gemeinsame Vorcodierung und Phasenverschiebungs-Optimierung für ISAC-Systeme mit Beyond-Diagonal RIS

1. Problemstellung und Motivation
Die Integration von Funkkommunikation und Radarsensorik (Integrated Sensing and Communication, ISAC) ist eine Schlüsseltechnologie für zukünftige 6G-Netze. Ein Hauptproblem in ISAC-Systemen ist die Degradation der Leistung durch Blockaden der Sichtverbindung (Line-of-Sight, LoS), insbesondere in dichten städtischen Umgebungen.
Während herkömmliche Rekonfigurierbare Intelligente Oberflächen (RIS) durch unabhängige Reflexionselemente (diagonale Phasenverschiebungsmatrix) die Kanäle umgestalten können, ist ihre Beamforming-Gewinnung in MIMO-Systemen begrenzt.
Das Papier adressiert diese Einschränkung durch den Einsatz von Beyond-Diagonal RIS (BD-RIS). Im Gegensatz zu herkömmlichen RIS sind bei BD-RIS die Reflexionselemente über Impedanznetzwerke miteinander verbunden. Dies ermöglicht zwei Architekturen:

• FBD-RIS (Fully-Connected): Alle Elemente sind miteinander verbunden (Vollrang-Matrix).
• GBD-RIS (Group-Connected): Elemente sind in unabhängige Untergruppen unterteilt (Blockdiagonale Matrix).

Das Ziel ist die Optimierung eines multiuser ISAC-Systems, das BD-RIS nutzt, um einen flexiblen Kompromiss (Trade-off) zwischen Kommunikationsleistung (Summenrate) und Sensingleistung (Strahlengewinn) zu finden.

2. Methodik und Systemmodell
Das System besteht aus einer Basisstation (BS) mit $M$ Antennen, die $K$ Benutzer bedient und gleichzeitig ein punktförmiges Ziel über ein BD-RIS mit $N$ Elementen sensorisch erfasst. Direkte Verbindungen zwischen BS und Benutzern/Ziel sind blockiert.

• Optimierungsproblem: Es wird ein gewichtetes Optimierungsproblem formuliert, das die Minimierung der Differenz zwischen der tatsächlichen und der gewünschten Kanal-Matrix (für Kommunikation) sowie die Minimierung der Differenz zwischen dem tatsächlichen und dem gewünschten Strahlengewinn (für Sensorik) kombiniert.
  • Das Problem ist nicht-konvex und enthält Variablen der vierten Ordnung (Vorcodierungsmatrix $W$ und Phasenverschiebungsmatrix $\Theta$).
• Lösungsansatz: Die Autoren schlagen einen Alternierenden Optimierungsalgorithmus (AO) vor, der das Problem in zwei Teilprobleme zerlegt:
  1. Vorcodierungsoptimierung ($W$): Bei festem $\Theta$ wird das Problem auf eine quadratische Form reduziert. Eine semi-geschlossene Lösung wird mittels Lagrange-Multiplikatoren und Bisektions-Suche für die Leistungsbeschränkung hergeleitet.
  2. Phasenverschiebungsoptimierung ($\Theta$): Aufgrund der komplexen Struktur von BD-RIS ($\Theta^H\Theta = I$ und $\Theta^T = \Theta$) wird eine Hilfsvariable eingeführt. Der Algorithmus nutzt die Methode der alternierenden Multiplikatoren (ADMM), um das Problem zu entkoppeln.
     • Ein Schritt löst eine quadratische Optimierung für die Hilfsvariable in geschlossener Form.
     • Der andere Schritt projiziert die Lösung auf die Menge der symmetrischen unitären Matrizen (durch SVD-Zerlegung), um die BD-RIS-Beschränkungen zu erfüllen.
  3. Phasenoptimierung: Die gewünschten Phasenwinkel für die Zielvektoren werden ebenfalls in geschlossener Form berechnet.

Ein wesentlicher methodischer Vorteil ist die Umwandlung der ursprünglich hoch-nicht-konvexen Zielfunktion in eine konvexe Form durch die Einführung von Hilfsvariablen, was die Berechnungskomplexität signifikant senkt.

3. Hauptbeiträge

• Neue Optimierungsrahmen: Entwicklung eines Rahmens, der Multiuser-Interferenzmanagement (Annäherung an eine diagonale Struktur der Kanal-Matrix) und Sensing-Beam-Gain-Approximation kombiniert.
• Effizienter Algorithmus: Herleitung von geschlossenen Lösungen (closed-form solutions) für beide Teilprobleme (Vorcodierung und RIS-Phasen) innerhalb des AO-Algorithmus, was die Recheneffizienz im Vergleich zu numerischen Iterationsverfahren erhöht.
• Erweiterbarkeit: Der vorgeschlagene Ansatz kann direkt auf die GBD-RIS-Architektur übertragen werden, indem die Projektionsoperation auf die jeweiligen Diagonalblöcke angewendet wird.
• Leistungsnachweis: Demonstration, dass BD-RIS (insbesondere FBD-RIS) aufgrund höherer räumlicher Freiheitsgrade (DoF) überlegene Trade-offs bietet als herkömmliche diagonale RIS (D-RIS).

4. Simulationsergebnisse
Die Simulationen wurden unter typischen ISAC-Szenarien (BS und RIS an definierten Positionen, Rician- und Rayleigh-Fading) durchgeführt:

• Flexibilität: Durch Variation des Gewichtungsfaktors $\eta$ kann das System nahtlos zwischen einem sensor-zentrierten ($\eta=0$) und einem kommunikations-zentrierten ($\eta=1$) Betrieb wechseln.
  • Bei hohem $\eta$ zeigt die Kanal-Matrix eine starke Diagonalisierung, was Interferenzen unterdrückt und die Summenrate maximiert.
  • Bei niedrigem $\eta$ konzentriert sich der Strahlengewinn stark auf die Zielrichtung, was die Sensorgenauigkeit verbessert.
• Vergleich der Architekturen: Die Ergebnisse zeigen einen monotonen Trade-off: Steigender Strahlengewinn führt zu sinkender Summenrate.
  • FBD-RIS erzielt die beste Gesamtleistung und übertrifft sowohl GBD-RIS als auch herkömmliches D-RIS signifikant.
  • Der Vorteil von FBD-RIS resultiert aus der Fähigkeit, mehr räumliche Freiheitsgrade für die gleichzeitige Optimierung von Kommunikation und Sensorik zu nutzen.

5. Bedeutung und Ausblick
Das Papier zeigt, dass BD-RIS-techniken ein vielversprechender Weg sind, um die Leistungsgrenzen von ISAC-Systemen in blockierten Umgebungen zu überwinden. Die vorgeschlagene Methode ermöglicht es, die Ressourcen dynamisch an die Anforderungen der Anwendung anzupassen.
Zukünftige Arbeiten sollen sich mit robusten Designs bei unvollständiger Kanalinformation (imperfect CSI) und der Erweiterung auf Multi-Ziel-Szenarien befassen.

Fazit: Die Studie beweist, dass die Nutzung von Beyond-Diagonal RIS in Kombination mit einem effizienten, auf geschlossenen Lösungen basierenden Optimierungsalgorithmus die Leistungsfähigkeit von ISAC-Systemen in Bezug auf den Kompromiss zwischen Kommunikation und Sensorik erheblich steigern kann.