🔢 mathematics

Sensing with Random Signals: The Role of Time Sharing

Diese Arbeit charakterisiert die kapazitätsfühlende Region für symbol-unbewusste integrierte Sensorik- und Kommunikationssysteme (ISAC) und zeigt auf, dass explizite Zeitteilung nur dann strikt vorteilhaft ist, wenn die Single-Mode-Frontier aufgrund der Dominanz der Sensorikseite in den effektiven SNR-Verteilungen konvex ist, während sie unnötig ist, wenn die Frontier bereits konkav ist.

Ursprüngliche Autoren: Yi Geng, Wenyi Zhang

Veröffentlicht 2026-06-01

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Yi Geng, Wenyi Zhang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Funker, der versucht, zwei Dinge gleichzeitig mit einem einzigen Walkie-Talkie zu tun: mit einem Freund zu sprechen (Kommunikation) und Echos abzufangen, um den Raum zu kartieren (Sensorik).

In vielen traditionellen Setups ist die Person, die auf die Echos hört (der „Sensorik-Empfänger“), dieselbe Person, mit der Sie gerade sprechen. Sie weiß genau, was Sie gesagt haben, und kann daher Ihre Stimme vom Echo abziehen, um zu sehen, was im Raum los ist. Das ist so, als hätte man ein Skript und wüsste jede Zeile, bevor man sie vorliest.

Das Problem: Der „blinde“ Zuhörer
Diese Arbeit befasst sich mit einem anderen, schwierigeren Szenario: Passiver oder bistatischer Sensorik. Stellen Sie sich vor, die Person, die auf die Echos hört, ist ein Fremder, der in einem anderen Raum steht. Sie weiß zwar, wie Sie sprechen (die Regeln der Sprache, die Lautstärke, die Frequenz), aber sie weiß nicht, welche spezifischen Wörter Sie gerade aussprechen. Für sie ist Ihre Stimme nur Teil des Hintergrundrauschens.

Die Autoren fragen: Wie balancieren wir das klare Sprechen und das gute Wahrnehmen des Raums aus, wenn der Zuhörer unsere Worte nicht kennt?

Die Kernentdeckung: Das „Zeit-Sharing“-Geheimnis

Die Arbeit findet heraus, dass die Antwort vollständig von der Qualität der Verbindung für das Sprechen gegenüber der Qualität der Verbindung für die Sensorik abhängt. Sie verwenden ein Konzept namens Time-Sharing (Zeitteilung), was so ist, als müsste ein Koch entscheiden, ob er ein perfektes Steak oder einen perfekten Salat kocht, oder ob er beide mischt.

Hier ist die einfache Aufschlüsselung ihrer Ergebnisse:

1. Das „Glatte Kurve“-Szenario (Das Sprechen ist der König)

Stellen Sie sich vor, Ihre Verbindung zum Sprechen ist viel stärker als Ihre Verbindung zur Sensorik.

Die Metapher: Sie rufen durch ein Megafon einem Freund zu, flüstern aber dem Fremden im anderen Raum zu.
Das Ergebnis: Die beste Strategie ist es, Ihre Stimme schrittweise zu verändern. Sie müssen nicht abrupt den Modus wechseln. Sie können langsam von „zufälligem Geplapper“ (Daten senden) zu einem „gleichmäßigen Ton“ (ein Pilot-Signal senden) übergehen, ohne an Effizienz zu verlieren.
Die Behauptung der Arbeit: In diesem Fall ist die „Frontier“ (die Grenze dessen, was erreicht werden kann) konkav (gekrümmt wie eine Schale). Sie müssen nicht stoppen und den Modus wechseln; eine sanfte Mischung ist bereits perfekt.

2. Das „Hügelige Berg“-Szenario (Die Sensorik ist der König)

Stellen Sie sich vor, Ihre Verbindung zur Sensorik ist viel stärker als Ihre Verbindung zum Sprechen.

Die Metapher: Sie flüstern Ihrem Freund zu, aber der Fremde im anderen Raum hat ein super-empfindliches Mikrofon, das alles klar hört.
Das Ergebnis: Hier ist es tatsächlich verschwenderisch, die Stimme zur Hälfte zu mischen (halb Flüstern, halb Ton). Es ist, als würde man versuchen, einen Smoothie zu machen, indem man einen Stein und eine Feder mixt; man erhält ein schlechtes Ergebnis.
Die Behauptung der Arbeit: Die „Frontier“ ist konvex (gekrümmt wie ein Hügel). Um die besten Ergebnisse zu erzielen, müssen Sie Time-Sharing betreiben. Sie sollten 100 % Ihrer Zeit schreien (reiner Sensorik-Modus) und dann zu 100 % flüstern (reiner Daten-Modus) wechseln, anstatt zu versuchen, gleichzeitig eine schwache Version von beidem zu machen. Der „optimale“ Pfad ist eine gerade Linie, die die beiden Extreme verbindet und den Mittelweg komplett überspringt.

3. Das „Perfekte Balance“-Szenario

Wenn die Stärke der Sprechverbindung und der Sensorikverbindung exakt gleich sind, ist das Ergebnis eine gerade Linie. Sie können sie in jedem beliebigen Verhältnis mischen, ohne Strafe oder Gewinn.

Das „Warum“ hinter der Magie

Die Autoren verwendeten komplexe Mathematik, um zu beweisen, dass die Form dieser „Effizienzkurve“ durch eine stochastische Ordnung (eine elegante Art zu sagen: „welches Signal ist statistisch stärker?“) bestimmt wird.

Wenn das „Sprechsignal“ dominiert: Ist die Kurve glatt. Man kann die Modi mischen.
Wenn das „Sensoriksignal“ dominiert: Ist die Kurve hügelig. Man muss abrupt zwischen den Modi wechseln (Time-Sharing), um effizient zu sein.

Die SIMO-Erweiterung (Viele Antennen)

Die Arbeit untersuchte auch Systeme mit mehreren Antennen (SIMO). Sie fanden heraus, dass dieselbe Regel gilt, aber nun von zwei Faktoren abhängt:

Wie viele Antennen Sie auf der Sprechseite gegenüber der Sensorikseite haben.
Wie stark das Signal für jede Antenne ist.

Wenn die Sprechseite mehr Antennen oder stärkere Signale hat, mischen Sie. Wenn die Sensorikseite den Vorteil hat, wechseln Sie (Time-Sharing). Wenn die Vorteile gemischt sind (z. B. mehr Antennen auf einer Seite, aber schwächeres Signal auf der anderen), wird die Mathematik kompliziert, und die einfache „Wechseln oder Mischen“-Regel gilt möglicherweise nicht ganz sauber.

Zusammenfassung

In der Welt der „Symbol-unbewussten“ Sensorik (wo der Zuhörer Ihre Worte nicht kennt) ist Time-Sharing nicht nur ein Backup-Plan; es ist manchmal der einzige Weg, um effizient zu sein.

Wenn Ihr Sprechkanal stark ist, mischen Sie Ihre Signale sanft.
Wenn Ihr Sensorikkanal stark ist, wechseln Sie zwischen reinem Sprechen und reiner Sensorik. Versuchen Sie nicht, beides gleichzeitig zu tun.

Die Arbeit beweist, dass die Entscheidung zu „wechseln“ oder zu „mischen“ keine Frage der technischen Vorliebe ist, sondern ein fundamentales Gesetz, das durch die relative Stärke Ihrer Signale diktiert wird.

Technische Zusammenfassung: Wahrnehmung mit Zufallssignalen: Die Rolle der Zeitteilung

Problemstellung
Diese Arbeit befasst sich mit der informationstheoretischen Charakterisierung von Integrated Sensing and Communications (ISAC) in Szenarien, in denen der Sensor-Empfänger „symbolunbewusst“ ist. In traditionellen monostatischen oder entscheidungsgestützten ISAC-Formulierungen wird angenommen, dass der Sensor-Empfänger die übertragene Wellenform oder die Symbolrealisierung kennt, wodurch die Sensorleistung durch die bedingte Transinformation $I(S; V | X)$ gemessen werden kann. In passiven, bistatischen oder verteilten Szenarien kann der Sensor-Empfänger zwar die Signalisierungsregel kennen, aber nicht die spezifischen übertragenen Symbole. In solchen Fällen bleibt das Kommunikationssignal Teil der Sensor-Unsicherheit, was die Verwendung der unbedingten Transinformation $I(S; V)$ als Sensor-Metrik erforderlich macht. Die zentrale Frage ist, ob eine einzige Eingangsverteilung (ein einziger Signalisierungsmodus) ausreicht, um den optimalen Kommunikations–Sensor-Tradeoff unter dieser Metrik zu charakterisieren, oder ob eine explizite Zeitteilung (Time Sharing) grundlegend erforderlich ist, um die erreichbare Region zu konvexifizieren.

Methodik
Die Autoren modellieren das System als zustandsabhängigen, gedächtnislosen Kanal, bei dem eine Nachricht $W$ über $n$ Kanalnutzungen übertragen wird, was eine Kommunikationsausgabe $Y$ und eine Sensor-Ausgabe $V$ erzeugt, die von einer i.i.d. Zustandssequenz $S$ abhängen. Die Sensorleistung wird durch die gemittelte Symbol-für-Symbol-Transinformation $D_n = \frac{1}{n}\sum I(S_i; V_i)$ quantifiziert, ohne auf die Eingangs-Symbole zu konditionieren.

Die Analyse erfolgt in zwei Hauptphasen:

Allgemeine Charakterisierung: Die Autoren leiten die Single-Letter-Kapazitäts–Sensor-Region für endliche Alphabet-gedächtnislose Kanäle her. Sie führen eine Hilfsvariable zur Zeitteilung $Q$ ein, um die erreichbare Region zu charakterisieren. Unter Verwendung der Fenchel–Eggleston-Verstärkung des Carathéodory-Theorems beweisen sie, dass die optimale obere Grenze der Region die obere konkave Hülle der „Single-Mode-Frontier“ (der Menge der Punkte, die durch eine einzige Eingangsverteilung $P_X$ erreichbar sind) ist.
Analyse spezifischer Modelle: Der theoretische Rahmen wird auf Rayleigh-fading BPSK- und SIMO-BPSK-Modelle angewendet. Die Autoren analysieren die Krümmung der Single-Mode-Frontier $C_0(D)$ , indem sie die stochastische Ordnung der effektiven SNR-Verteilungen auf der Kommunikations- und der Sensorseite untersuchen. Sie nutzen das Konzept der Monotonen Likelihood-Ratio-Ordnung (MLR) und gekippter (tilted) SNR-Dichten, um zu bestimmen, ob die Frontier konkav, konvex oder linear ist.

Wesentliche Beiträge und Ergebnisse

Kapazitäts–Sensor-Region-Charakterisierung: Das Paper stellt fest, dass die erreichbare Region für symbolunbewusstes ISAC die nach unten abgeschlossene Konvexhülle der Single-Mode-Frontier ist. Entscheidend ist, dass die optimale Grenze die obere konkave Hülle der Single-Mode-Frontier ist. Dies impliziert, dass explizite Zeitteilung nur dann nicht notwendig ist, wenn die Single-Mode-Frontier bereits konkav ist; andernfalls ist Zeitteilung strikt vorteilhaft und strukturell notwendig, um den optimalen Tradeoff zu erreichen.
Krümmungskriterium für Rayleigh-Fading BPSK: Für skalare Rayleigh-Fading-BPSK-Systeme leiten die Autoren eine präzise Bedingung ab, welche die Geometrie der Frontier basierend auf den durchschnittlichen effektiven SNRs der Kommunikationsseite ( $\bar{\gamma}_c$ $\overset{γ}{ˉ}_{c}$ ) und der Sensorseite ( $\bar{\gamma}_s$ $\overset{γ}{ˉ}_{s}$ ) bestimmt:
- Dominanz der Kommunikationsseite ( $\bar{\gamma}_c > \bar{\gamma}_s$ ): Die Single-Mode-Frontier ist strikt konkav. Zeitteilung bietet keinen Gewinn; die optimale Strategie besteht darin, die Eingangsverteilung kontinuierlich von gleichwahrscheinlichen Datensymbolen zu deterministischen Pilot-ähnlichen Symbolen zu verzerren (biasing).
- Dominanz der Sensorseite ( $\bar{\gamma}_c < \bar{\gamma}_s$ ): Die Single-Mode-Frontier ist strikt konvex. Zeitteilung liefert einen strikten Gewinn, was bedeutet, dass die optimale Grenze die Sekante ist, die den reinen Datenmodus mit dem reinen Pilot-Modus verbindet, anstatt eines intermediären verzerrten Modus.
- Gleichheit ( $\bar{\gamma}_c = \bar{\gamma}_s$ ): Die Frontier ist linear.
Erweiterung auf SIMO-BPSK: Die Ergebnisse werden auf i.i.d. SIMO-Systeme erweitert. Die Krümmung wird durch die Ordnung der Post-Combining-SNR-Verteilungen bestimmt. Wenn die Kommunikationsseite eine größere Anzahl an Antennen ( $N_c$ ) oder einen größeren Skalierungsparameter ( $\theta_c$ ) aufweist als die Sensorseite, ist die Frontier konkav. Umgekehrt, wenn die Sensorseite sowohl in der Diversität als auch im Maßstab dominiert, ist die Frontier konvex, was Zeitteilung erforderlich macht. Gemischte Bedingungen können zu nicht-monotonen Likelihood-Ratios führen, was eine einfache Dominanzregel verhindert.

Bedeutung
Das Paper behauptet, dass unter der symbolunbewussten Sensor-Metrik $I(S; V)$ Zeitteilung nicht bloß eine sekundäre Designoption oder ein Implementierungsartefakt ist, sondern ein intrinsischer Bestandteil der optimalen ISAC-Grenze sein kann. Die Ergebnisse erklären die fundamentalen Bedingungen, unter denen ein System von einer kontinuierlichen Übertragung verzerrter Datensymbole zu einer zeitgeteilten Strategie übergehen sollte, die Pilot-ähnliche Sensor-Modi beinhaltet. Speziell wenn die effektive SNR der Sensorseite die der Kommunikationsseite dominiert, verschiebt sich die optimale Strategie weg von intermediären verzerrten Eingängen hin zu einem strikten Wechsel zwischen reinem Kommunikations- und reinem Sensor-Modus. Diese Arbeit liefert ein rigoroses geometrisches Verständnis der Tradeoffs in passiven und verteilten ISAC-Szenarien und unterscheidet diese von bekannten Waveform-Formulierungen.