RIS-Assisted Sensing: A Nested Tensor Decomposition-Based Approach

Resumen Técnico: Sensado Asistido por RIS Mediante Descomposición de Tensores Anidados

Planteamiento del Problema
Este artículo aborda el desafío de la estimación de parámetros de objetivo en un escenario de sensado monostático de entrada múltiple y salida múltiple (MIMO) asistido por una Superficie Inteligente Reconfigurable (RIS). En esta configuración, la línea de visión (LOS) directa entre la Estación Base (BS) y el objetivo está bloqueada; el sensado se logra únicamente a través de una trayectoria LOS virtual creada por la RIS. El sistema utiliza formas de onda de Multiplexación por División de Frecuencias Ortogonales (OFDM). La dificultad central radica en estimar conjuntamente el retardo ($\tau$) del objetivo, el desplazamiento Doppler ($\nu$) y la información angular (acimut y elevación) a partir de la señal de eco recibida, la cual posee una estructura compleja y de alta dimensión debido a la interacción entre la BS, la RIS y el objetivo.

Metodología
Los autores proponen un algoritmo de Sensado Basado en Tensores Anidados (NTBS) que explota la estructura multidimensional intrínseca de la señal de eco recibida. El enfoque modela la señal como un tensor anidado de cuarto orden y emplea una estrategia de estimación en dos etapas:

1. Modelado del Sistema: La señal recibida se formula en el dominio de la frecuencia, teniendo en cuenta el canal BS-RIS, el canal RIS-Objetivo, la trayectoria objetivo-RIS-BS y los vectores de desplazamiento de fase de la RIS. La señal se vectoriza y apila a través de subportadoras, símbolos OFDM y bloques de transmisión para formar una matriz de datos $\mathbf{Y}$.
2. Descomposición de Tensores (Etapa 1): La matriz de datos se reconoce como una expansión de 3 modos de un tensor Tucker-3. Los autores formulan un problema de ajuste de tensores para estimar las matrices factor correspondientes al canal de la BS, la firma del objetivo y los vectores de guiado combinados de retardo-Doppler. Esto se resuelve utilizando un algoritmo de Mínimos Cuadrados Alternos (ALS), que actualiza iterativamente las estimaciones para la matriz de canal $\mathbf{H}$, la matriz de retardo-Doppler $\mathbf{F}(\tau, \nu)$ y la matriz de firma del objetivo $\mathbf{P}$.
3. Extracción de Parámetros (Etapa 2): La matriz de retardo-Doppler estimada $\hat{\mathbf{F}}(\tau, \nu)$ se remodela en un tensor Tucker de tercer orden. Se realiza una segunda descomposición basada en ALS para separar el vector de guiado de retardo $\mathbf{c}(\tau)$ y el vector de guiado Doppler $\mathbf{d}(\nu)$. Finalmente, se aplican técnicas de estimación de parámetros de alta resolución, específicamente ESPRIT (Estimación de Parámetros de Señal mediante Técnicas de Invarianza Rotacional), a los vectores de guiado extraídos para determinar los valores precisos de retardo, Doppler y ángulos.

Contribuciones Clave

• Formulación de Tensores Anidados: El artículo generaliza enfoques basados en tensores anteriores de SISO al caso MIMO, reformulando el problema de sensado monostático asistido por RIS como un problema de descomposición de tensores anidados.
• Algoritmo en Dos Etapas: El desarrollo del algoritmo NTBS, que combina ALS para la factorización de tensores con ESPRIT para la extracción de parámetros de alta resolución, permitiendo la estimación conjunta de parámetros de retardo, Doppler y angulares.
• Análisis de Identificabilidad: Los autores derivan las condiciones requeridas para la unicidad de la solución, estableciendo que el número de bloques de transmisión $K$ debe satisfacer $K \ge N^2$ y que el producto de subportadoras y símbolos $MQ$ debe satisfacer $MQ \ge L$ (donde $N$ es el número de elementos RIS y $L$ es el número de antenas de la BS).
• Análisis de Complejidad Computacional: El artículo proporciona un análisis detallado de la complejidad del algoritmo, mostrando que escala linealmente con el número de elementos RIS pero es menos sensible a las variaciones en el número de subportadoras y símbolos OFDM.

Resultados de Simulación
El rendimiento del algoritmo NTBS se evaluó utilizando el Error Cuadrático Medio (RMSE) a través de 5.000 realizaciones de canal independientes. Los hallazgos clave incluyen:

• Mejora de la Resolución: Aumentar el número de subportadoras ($Q$) y el número de bloques de transmisión ($K$) mejora significativamente la precisión de la estimación, particularmente para la estimación de retardo, debido al aumento de la resolución de las dimensiones del modelo de tensor.
• Compensación de Elementos RIS: Contrario a la intuición, aumentar el número de elementos RIS ($N$) inicialmente conduce a un deterioro del RMSE. Los autores atribuyen esto al aumento del número de parámetros a estimar en la primera etapa sin un aumento correspondiente en la resolución, lo que genera errores propagados en la segunda etapa.
• Complejidad: La complejidad computacional aumenta linealmente con el número de elementos RIS pero permanece relativamente estable con respecto a los aumentos en $Q$ y $M$, lo que sugiere que el algoritmo es eficiente para sistemas con mayor ancho de banda o tiempos de observación más largos.

Significado y Afirmaciones
El artículo afirma que el método NTBS propuesto produce estimaciones precisas de parámetros de sensado con baja complejidad computacional al explotar plenamente la estructura multidimensional de la señal recibida. Posiciona el trabajo como una generalización del sensado basado en tensores SISO anterior al escenario MIMO más desafiante. Los autores declaran explícitamente que el algoritmo reformula efectivamente el problema de sensado de objetivos en un problema de descomposición estructurada, evitando la necesidad de búsquedas en rejillas de alta dimensión (como la búsqueda de cuatro dimensiones mencionada en trabajos anteriores [7]). El artículo concluye señalando que el trabajo futuro se centrará en extender el algoritmo NTBS a escenarios de múltiples objetivos.