Beamforming and Filter Design for Bistatic ISAC under Known and Unknown Transmit Symbols

In der überfüllten Landschaft moderner drahtloser Netzwerke ist jeder Bit des Funkfrequenzspektrums eine kostbare Ressource. Jahrzehntelang haben Ingenieure zwei kritische Funktionen – das Senden von Daten an Mobiltelefone und das Erkennen von Objekten wie Autos oder Drohnen – als getrennte Operationen behandelt, die jeweils eigene Hardware und einen eigenen Teil des Funkfrequenzspektrums erfordern. Diese Trennung wird zunehmend ineffizient, da der Bedarf sowohl an schnellerem Internet als auch an präziserer Sensorik wächst. Ein neuer Ansatz, bekannt als integrierte Sensorik und Kommunikation (Integrated Sensing and Communications), versucht, diese beiden Welten zu verschmelzen. Anstatt unterschiedliche Signale zum Sprechen und Zuhören zu verwenden, nutzt diese Technologie ein einziges, gemeinsames Signal, um beides gleichzeitig zu erledigen. Die Herausforderung besteht darin, dieses gemeinsame Signal so zu gestalten, dass es Informationen klar an das Gerät eines Nutzers überträgt und gleichzeitig mit genügend Deutlichkeit von entfernten Objekten abprallt, um von einem Radarsystem detektiert werden zu können.

Die Forscher hinter dieser Studie konzentrierten sich auf eine spezifische und praktische Anordnung, die als bistatisches System bezeichnet wird. In einem traditionellen Radaraufbau befinden sich Sender und Empfänger am selben Ort, was ein schwieriges Problem schafft: Das starke ausgesendete Signal kann den Empfänger überfordern, ähnlich wie der Versuch, ein Flüstern zu hören, während man direkt neben einem aufheulenden Düsenjet steht. Um dies zu vermeiden, platziert ein bistatisches System den Sender und den Empfänger weit voneinander entfernt. Der Sender, meist eine Mobilfunkbasisstation, sendet ein Signal aus, das zwei Zwecken dient: Es liefert Daten an mehrere Nutzer und beleuchtet gleichzeitig Objekte in der Umgebung. Der Empfänger, der an einem anderen Standort positioniert ist, fängt die schwachen Echos auf, die von diesen Objekten zurückgeworfen werden. Das Ziel dieser Arbeit war es herauszufinden, wie das vom Sender der Basisstation ausgesendete Signal geformt und wie das Signal am Empfänger verarbeitet werden muss, damit sowohl die Kommunikationsqualität als auch die Radardetektionsleistung so hoch wie möglich sind, selbst wenn das System unter strengen Leistungsbeschränkungen steht.

Das Team widmete sich einem komplexen Designproblem, indem es zwei sehr unterschiedliche reale Szenarien hinsichtlich des Wissens des Radarempfängers über das zu beobachtende Signal betrachtete. Im ersten Szenario verfügt der Empfänger über die vollständige Kenntnis der übertragenen Datensymbole; er weiß genau, welche Nachricht gesendet wurde. Im zweiten, schwierigeren Szenario hat der Empfänger keine Kenntnis über die Symbole, etwa aufgrund von Datenschutzbestimmungen oder mangelnder Koordination zwischen den Systemen. Die Forscher entwickelten mathematische Methoden, um die Signalformung und den Filterprozess für beide Fälle zu optimieren. Ihr Ziel war es, die Klarheit der Radarechos zu maximieren, speziell das Signal-zu-Interferenz-plus-Rausch-Verhältnis (SINR) – ein Maß dafür, wie deutlich ein Ziel-Echo gegenüber dem Hintergrundrauschen und anderen Störsignalen ist –, während gleichzeitig sichergestellt wird, dass jeder Kommunikationsnutzer eine klare Verbindung erhält.

Wenn die Symbole bekannt sind, fanden die Forscher einen Weg, den bestmöglichen Filter für den Empfänger in einer direkten, geschlossenen Lösung zu berechnen. Anschließend nutzten sie einen iterativen Prozess, um das vom Sender ausgesendete Signal zu verfeinern, wodurch die Fähigkeit des Radars, Ziele zu erkennen, schrittweise verbessert wurde, ohne die Qualität der Kommunikationsverbindungen zu beeinträchtigen. Wenn die Symbole unbekannt sind, wird das Problem wesentlich schwieriger, da der Empfänger das Signal nicht einfach abziehen kann, um das Echo zu finden. In diesem Fall wandte das Team einen schrittweisen Ansatz an, bei dem zwischen der Optimierung des Transmittersignals und dem Empfängerfilter abwechselt wurde. Sie fixierten einen Teil, lösten nach der besten Version des anderen Teils und wechselten dann zurück, wobei sie den Zyklus wiederholten, bis das System in einen stabilen, leistungsstarken Zustand überging.

Die Ergebnisse ihrer Simulationen, die mit einer Basisstation und einem Empfänger durchgeführt wurden, die jeweils mit sechzehn Antennen ausgestattet waren, zeigten einen klaren Unterschied zwischen den beiden Szenarien, abhängig davon, wie viel Zeit das System zur Beobachtung der Ziele aufwendete. Wenn das System nur einen einzigen Moment in der Zeit betrachtete, war die Leistung überraschenderweise ähnlich, unabhängig davon, ob der Empfänger die Symbole kannte oder nicht. Der Vorteil des Wissens über die Symbole wurde jedoch dramatisch, wenn das System die Ziele über einen längeren Zeitraum beobachtete, speziell über mehrere Zeitschlitze hinweg. Bei diesen Beobachtungen über mehrere Zeitschlitze ermöglichte das Wissen über die Symbole dem Empfänger, die Echos kohärent zu kombinieren, was effektiv das Signal stapelt, um es deutlich stärker gegen das Rauschen zu machen. Ohne dieses Wissen blieben die Beobachtungen unstrukturiert, und das System konnte nicht die gleichen Vorteile aus einer längeren Beobachtung ziehen. Die Simulationen zeigten, dass das System mit bekannten Symbolen bei vier Zeitschlitten der Beobachtung eine signifikant bessere Radarleistung erreichte als das System mit unbekannten Symbolen, während beide Ansätze nahe an der Leistung eines reinen Radarsystems blieben, sofern die Kommunikationsanforderungen moderat waren.

Letztlich zeigt die Studie, dass integrierte Systeme auch dann effektiv funktionieren können, wenn kein vollständiges Wissen über die übertragenen Daten vorliegt, wobei die Fähigkeit, diese Informationen zu teilen, eine leistungsstarke Kapazität für die Langzeit-Sensorik freischaltet. Die vorgeschlagenen Designs ermöglichen es einem einzigen Netzwerk, mehrere Nutzer zu bedienen und mehrere Ziele gleichzeitig zu detektieren, wobei die Radarleistung bemerkenswert nah an die eines dedizierten Radarsystems heranreicht, sofern die Kommunikationsanforderungen nicht übermäßig anspruchsvoll sind. Diese Arbeit bietet einen praktischen Fahrplan für den Aufbau zukünftiger Netzwerke, die nicht nur schneller, sondern auch von Natur aus bewusst für ihre physische Umgebung sind.