⚡ electrical engineering

Exploring the Synergy: A Review of Dual-Functional Radar Communication Systems

Este artículo de revisión proporciona un análisis exhaustivo de los sistemas de Radar-Comunicación de Doble Función (DFRC), cubriendo sus motivaciones, desafíos, límites de rendimiento, técnicas de diseño y posibles escenarios de aplicación dentro del panorama evolutivo de las tecnologías de detección y comunicación integradas.

Autores originales: Ali Hanif, Sajid Ahmed, Tareq Y. Al-Naffouri, Mohamed-Slim Alouin

Publicado 2026-06-30

📖 6 min de lectura🧠 Análisis profundo

CC0 1.0

Autores originales: Ali Hanif, Sajid Ahmed, Tareq Y. Al-Naffouri, Mohamed-Slim Alouin

Artículo original dedicado al dominio público bajo CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tienes una navaja suiza. Durante décadas, si necesitabas cortar una cuerda, usabas la hoja; si necesitabas apretar un tornillo, usabas el destornillador. Eran herramientas separadas, a menudo guardadas en bolsillos distintos, realizando sus tareas de forma independiente.

Este artículo trata sobre un nuevo tipo de "superherramienta" que combina la hoja y el destornillador en una sola pieza de metal fluida y sin costuras que puede realizar ambas tareas al mismo tiempo. En el mundo de la tecnología, esto se llama Comunicación de Radar de Doble Función (DFRC, por sus siglas en inglés).

Aquí tienes un desglose de lo que dice el artículo, utilizando analogías sencillas:

1. El problema: Una autopista congestionada

Imagina que el espectro de radio (las ondas que usamos para el Wi-Fi, los teléfonos móviles y el radar) es una autopista con mucho tráfico.

El Radar es como un camión pesado que necesita un carril ancho para ver lejos adelante (para detectar aviones o coches).
La Comunicación es como un flujo de coches que intentan enviar mensajes (texto, vídeo, datos).
El Problema: La autopista se está congestionando. Hay demasiados usuarios (miles de millones de dispositivos IoT) y el "peaje" por usar la carretera (el coste del espectro) está aumentando dréticamente.
La Solución Antigua: Intentar que el camión y los coches compartan la carretera sin chocar. Esto se llama "coexistencia". Pero es complicado; tienen que comunicarse constantemente para evitar colisiones, lo que ralentiza a todos y requiere una torre de control de tráfico compleja.

2. La solución: La señal "Camaleón"

El artículo propone una idea más inteligente: DFRC. En lugar de dos herramientas separadas, utilizamos una única señal que actúa tanto de radar como de comunicador.

La Analogía: Imagina el haz de luz de un faro. Tradicionalmente, la luz solo parpadeaba para advertir a los barcos (Radar). Ahora, imagina que ese mismo haz de luz también parpadea con un código secreto para enviar mensajes de texto al capitán de un barco (Comunicación).
Cómo funciona: El sistema emite una onda. Si la onda golpea un coche o un avión, rebota (Función de Radar). Si la onda golpea el teléfono de una persona, le entrega datos (Función de Comunicación). Es la misma onda haciendo doble trabajo.

3. Los tres tipos de "superherramientas"

El artículo clasifica estos sistemas conjuntos en tres categorías, como diferentes formas de diseñar una herramienta multiusos:

Centrada en la Comunicación (El teléfono con cámara): El objetivo principal es el envío de datos. La parte de radar es solo una "función adicional" añadida. Es como un smartphone que casualmente tiene una cámara; la cámara es secundaria.
Centrada en el Radar (El radar con radio): El objetivo principal es la detección de objetos. Los datos están ocultos dentro de los pulsos de radar. Es como un radar policial que también susurra un mensaje de texto al oficial.
DFRC Verdadero (El híbrido perfecto): Este es el enfoque principal del artículo. Aquí, la herramienta se diseña desde cero para ser ambas cosas. No tiene sesgo hacia una u otra. Es como un camaleón que puede mezclarse perfectamente con un árbol y una roca simultáneamente, optimizando ambos procesos a la vez.

4. El equilibrio (El compromiso o "trade-off")

No siempre puedes tener el mejor rendimiento de radar y la mejor velocidad de comunicación al mismo tiempo. Es un acto de equilibrio.

La Metáfora: Imagina un balancín o sube y baja. Si presionas con fuerza el lado del "Radar" para obtener una detección perfecta, el lado de la "Comunicación" podría subir (lo que significa una velocidad de datos menor).
El Objetivo: El artículo analiza cómo encontrar el "punto ideal" en ese balancín. Buscan los límites matemáticos (fronteras) para ver qué tan cerca podemos estar de tener lo mejor de ambos mundos sin que uno arruine al otro.

5. Cómo se construye (El hardware)

Para que esto funcione, el artículo analiza diferentes "cocinas de antenas":

Formación de haces digitales (Digital Beamforming): Como tener un chef separado para cada ingrediente. Es potente y flexible, pero costoso y consume mucha electricidad.
Formación de haces analógicos (Analog Beamforming): Como tener un solo chef que dirige una gran olla. Es económico y eficiente, pero solo puede enfocarse en una dirección a la vez.
Formación de haces híbrida (Hybrid Beamforming): El artículo sugiere que este es el "punto medio" ideal. Es como tener unos pocos chefs principales que gestionan equipos de sub-chefs. Obtiene lo mejor de ambos mundos: flexibilidad sin que el coste sea prohibitivo.

6. ¿Dónde veremos esto?

El artículo enumera varios lugares donde esta "superherramienta" podría marcar la diferencia:

Coches autónomos: En lugar de que un coche tenga un radar separado para ver obstáculos y una radio separada para hablar con otros coches, utiliza un solo sistema. Esto ahorra espacio, peso y dinero.
Drones: Los drones son pequeños y tienen una potencia de batería limitada. Llevar dos sistemas separados es demasiado pesado. Un sistema DFRC les permite detectar su entorno y comunicarse con el equipo de tierra con un dispositivo ligero.
Hogares inteligentes: Imagina que tu router Wi-Fi no solo envía internet, sino que también "ve" si alguien camina por la habitación o si un bebé se ha caído, sin necesidad de cámaras o sensores adicionales.
Militar: Los soldados y los barcos suelen llevar muchas radios y radares diferentes. Fusionarlos reduce el peso del equipo y hace que la plataforma sea más difícil de detectar (menor "firma").

7. Los obstáculos (Desafíos)

El artículo admite que esto aún no es fácil.

El problema del "Ruido": El radar prefiere señales predecibles y repetitivas (como un redoble constante de tambor). La comunicación prefiere señales aleatorias y caóticas (como el jazz) para transportar más información. Mezclarlos es como intentar tocar un redoble de tambor constante y jazz al mismo tiempo sin que choquen entre sí.
Seguridad: Si el haz de radar es también un haz de comunicación, un atacante podría intentar "escuchar" la visión del mundo del radar. El artículo analiza formas de ocultar los datos o de interferir a los que intenten interceptarlos.
Potencia de procesamiento: Decodificar una señal que realiza dos trabajos a la vez requiere computadoras muy inteligentes y nuevos algoritmos.

Resumen

En resumen, este artículo es una revisión de una tecnología que deja de tratar el "ver" (Radar) y el "hablar" (Comunicación) como tareas separadas. En su lugar, propone construir un único sistema que haga ambas cosas simultáneamente. Se trata de hacer que nuestro mundo inalámbrico sea menos congestionado, más barato y más eficiente, de forma muy parecida a reemplazar una caja de herramientas llena de herramientas de un solo propósito por un dispositivo increíblemente versátil y todo en uno.

Resumen Técnico: Explorando la Sinergia: Una Revisión de los Sistemas de Radar y Comunicación de Doble Función

1. Planteamiento del Problema

La rápida proliferación de las conexiones de Internet de las Cosas (IoT) y no IoT, que se proyecta superará los 30 mil millones y los 10 mil millones respectivamente para 2025, ha exacerbado la congestión del espectro. Simultáneamente, el creciente costo del espectro (por ejemplo, la subasta de la banda C de 5G de 81.1 mil millones de dólares) requiere una utilización óptima de la frecuencia. Tradicionalmente, los sistemas de radar y de comunicación inalámbrica han evolucionado de forma independiente, ocupando bandas de frecuencia distintas y operando con hardware separado. La investigación temprana se centró en la Coexistencia de Radar-Comunicación (RCC) —donde los sistemas operan simultáneamente sin interferencias—, pero este enfoque sufre de limitaciones. La RCC requiere restricciones estrictas de movilidad de los nodos, un intercambio extensivo de información secundaria (por ejemplo, información del estado del canal) y centros de control complejos, lo que dificulta las mejoras en la eficiencia espectral.

El problema central abordado es la necesidad de pasar de la coexistencia hacia sistemas de Radar y Comunicación de Doble Función (DFRC). A diferencia de la RCC, el DFRC utiliza una única forma de onda de transmisión y hardware compartido para realizar tanto la detección como la comunicación simultáneamente. El desafío radica en los compromisos inherentes: los sistemas de radar favorecen las señales deterministas para una detección estable, mientras que los sistemas de comunicación requieren señales aleatorias para una máxima capacidad de información. Además, el radar y la comunicación difieren fundamentalmente en sus formas de onda, requisitos de potencia de transmisión, requisitos de ancho de banda y métricas de rendimiento (por ejemplo, probabilidad de detección frente a Tasa de Error de Bit).

2. Metodología y Modelo de Sistema

Este artículo proporciona una revisión exhaustiva del estado del arte en DFRC, estructurada en torno a un modelo de sistema genérico y un análisis de diseño, rendimiento y aplicación.

Modelo de Sistema

Los autores definen una plataforma DFRC genérica equipada con un Arreglo Lineal Uniforme (ULA) de $N_T$ antenas de transmisión y $N_R$ antenas de recepción. El sistema sirve a $K$ usuarios de comunicación y detecta $Q$ objetivos simultáneamente.

Modelo de Detección (Sensing): La señal recibida en el objetivo y el eco subsiguiente en el receptor se modelan utilizando vectores de dirección y coeficientes de reflexión. La matriz de señal recibida $Y_s$ se utiliza para estimar el rango, el ángulo y la velocidad.
Modelo de Comunicación: La señal recibida en $K$ usuarios se modela como una función de la matriz de canal $H_c$ y la matriz de la forma de onda transmitida $X$ , corrompida por el ruido.
Clasificación: El artículo distingue entre tres categorías:
1. Centrada en la Comunicación (JCR): El radar es una característica secundaria añadida a las formas de onda de comunicación.
2. Centrada en el Radar (JRC): La comunicación se integra en las formas de onda de radar conocidas.
3. De Doble Función (DFRC): Ambas funciones se diseñan y optimizan conjuntamente desde el inicio sin sesgo, ofreciendo un compromiso ajustable.

Límites de Rendimiento

El artículo analiza los límites fundamentales de DFRC utilizando la Cota de Cramér-Rao (CRB) para la detección y la Capacidad de Comunicación para las tasas de datos. Se identifican tres fronteras en la región CRB-tasa:

Límite Exterior (Ideal): Tasa de comunicación máxima con la CRB de detección mínima (sin compromiso).
Límite Interior: Logrado mediante estrategias de división de tiempo donde la detección y la comunicación operan independientemente en ranuras temporales.
Frontera Real: El rendimiento alcanzable de un sistema conjunto, situado entre el límite interior y el exterior.

Dos compromisos principales caracterizan al sistema:

Compromiso de Subespacio (ST): Depende de la fuerza de acoplamiento entre los canales de detección y comunicación (por ejemplo, si el objetivo es también el usuario).
Compromiso Determinista-Aleatorio (DRT): Equilibra la necesidad de señales de radar deterministas frente a las señales de comunicación aleatorias. El artículo señala que el rendimiento de la detección se maximiza cuando la matriz de covarianza de la señal es determinista, lo que podría reducir la capacidad de comunicación.

Enfoques de Diseño

La revisión categoriza las metodologías de diseño basadas en la arquitectura de hardware y los criterios de optimización:

Arquitecturas de Hardware:
- Formación de Haz Digital (Digital Beamforming): Ofrece altos grados de libertad y múltiples haces, pero es costoso y consume mucha energía.
- Formación de Haz Analógica (Analog Beamforming): Rentable y eficiente energéticamente, pero limitado a haces únicos y sufre de desviación de haz (beam squint).
- Híbrida Analógico-Digital (HAD): Un compromiso que utiliza sub-arreglos para equilibrar el rendimiento y la complejidad.
Optimización de la Forma de Onda:
- Basada en Información Mutua (MI): Maximiza la suma ponderada de la MI para los canales de radar y comunicación.
- Similitud de Patrón de Haz (Beampattern Similarity): Diseña formas de onda para coincidir con un patrón de haz de radar deseado mientras minimiza la Interferencia de Multiusuario (MUI) para la comunicación.
- Basada en la Cota de Cramér-Rao (CRB): Minimiza el error de estimación para los parámetros de detección manteniendo los umbrales de SINR de comunicación.
- Optimización de Multihaz: Específicamente para arreglos analógicos, utilizando sub-haces fijos para la comunicación y sub-haces de escaneo para la detección.
- Diseño de Receptor Coherente: Aborda la pérdida de coherencia en los receptores DFRC causada por los símbolos aleatorios de comunicación, proponiendo filtros adaptados para mantener una salida coherente para la estimación de Doppler.
Seguridad: El artículo analiza la Seguridad de la Capa Física (PLS) utilizando Ruido Artificial (AN) para degradar el SINR del interceptor mientras se mantiene el rendimiento del usuario legítimo, señalando que los objetivos de radar pueden actuar como posibles interceptores.

Asignación de Recursos

El artículo revisa las estrategias para gestionar los recursos del sistema:

Memoria: Optimización del almacenamiento para muestras de tiempo rápido y tiempo lento para reducir la carga de memoria sin comprometer el seguimiento.
Procesador: Asignación dinámica de la potencia de procesamiento entre las tareas de radar de alta latencia y las tareas de comunicación en tiempo real.
Ancho de Banda: Utilización de técnicas de OFDM y salto de frecuencia para equilibrar la resolución de rango y el rendimiento de datos.
Control del Patrón de Haz: Dirigir alta potencia hacia los objetivos para la detección y menor potencia hacia los usuarios para una comunicación energéticamente eficiente.

3. Contribuciones Clave

Taxonomía Exhaustiva: El artículo proporciona una clasificación estructurada de los sistemas JCAS, distinguiendo claramente entre diseños centrados en la comunicación, centrados en el radar y de verdadero doble funcionamiento.
Límites Teóricos: Elucida los límites de rendimiento fundamentales de los sistemas DFRC, definiendo la región CRB-tasa y los compromisos específicos (ST y DRT) que gobiernan el rendimiento del sistema.
la mayoría de los casos.
Encuesta de Diseño: Agrega y categoriza diversas técnicas de optimización de la forma de onda a través de diferentes arquitecturas de hardware (Digital, Analógica, HAD) y dominios (Espacial, Tiempo, Frecuencia).
Mapeo de Aplicaciones: El artículo vincula las capacidades de DFRC con escenarios de alto impacto, incluyendo Redes Móviles Perceptivas (PMN), Vehículos Autónomos, Drones, Seguridad/Vigilancia, Hogares Inteligentes/Industria y Sistemas Militares (AWACS y RF multipropósito).
Direcciones Futuras: Identifica brechas de investigación críticas, incluyendo la necesidad de esquemas de señalización óptimos para las bandas mmWave/sub-THz, estimación de canal avanzada en canales dispersos, diseño de receptor conjunto mediante aprendizaje automático y protocolos de traspaso de detección en red.

4. Resultados y Hallazgos

Realidad del Compromiso: La revisión confirma que, si bien el DFRC ofrece ventajas significativas en eficiencia espectral, tamaño y costo, inherentemente implica un compromiso. El rendimiento perfecto en ambos dominios simultáneamente (el límite "Ideal") es generalmente inalcanzable sin condiciones específicas (por ejemplo, alineación perfecta del canal).
Eficacia de la Optimización: Las formas de onda diseñadas conjuntamente generalmente superan a las señales de comunicación y radar estadísticamente independientes. Sin embargo, la elección de la métrica de optimización (MI vs. CRB vs. Patrón de Haz) impacta significativamente la curva de compromiso resultante.
Idoneidad del Hardware: La formación de haz Híbrida Analógico-Digital (HAD) se identifica como una arquitectura particularmente prometedora para el DFRC en mmWave, ofreciendo un equilibrio entre la flexibilidad de los sistemas digitales y la rentabilidad de los sistemas analógicos.
Viabilidad de la Aplicación: En vehículos autónomos, el DFRC se presenta como una solución viable para reducir la sobrecarga del entrenamiento de haces utilizando los datos de detección como información secundaria. En contextos militares, el DFRC puede reemplazar enlaces de retorno dedicados, reduñciendo el peso de la carga útil y la sección transversal de radar.

5. Significación y Reivindicaciones

El artículo posiciona al DFRC como una evolución crítica en la tecnología inalámbrica para abordar los desafíos duales de la escasez de espectro y la proliferación de hardware. Su importancia radica en:

Eficiencia Espectral: Al unificar el radar y la comunicación, el DFRC alivia la congestión del espectro sin requerir nuevas asignaciones de frecuencia.
Integración de Sistemas: Ofrece un camino para reducir el Tamaño, Peso y Potencia (SWaP) de los sistemas, lo cual es crucial para plataformas móviles como drones y vehículos autónomos.
Sinergia de Rendimiento: El artículo afirma que el diseño conjunto puede conducir a la "comunicación asistida por detección" (por ejemplo, reduciendo la sobrecarga del entrenamiento de haces) y la "detección asistida por comunicación" (por ejemplo, mejorando la localización mediante nodos en red).

Los autores mantienen un tono modesto respecto a la madurez del campo, reconociendo que, aunque las bases teóricas se están estableciendo, la implementación práctica enfrenta desafíos en el diseño de receptores, la estimación de canales y la seguridad. El artículo sirve como una revisión fundacional para guiar la investigación futura hacia la resolución de estos compromisos y la realización de todo el potencial de la detección y comunicación integradas.