Full Duplex ISAC with Cluster Ray Targets: Parameter Estimation and Beamforming

Resumen Técnico: ISAC de Full Duplex con Objetivos de Rayos en Clúster

Declaración del Problema
Este trabajo aborda las limitaciones críticas en los sistemas de Integración de Sensores y Comunicaciones (ISAC), específicamente dentro del contexto de las redes inalámbricas de próxima generación 6G. Los métodos convencionales de estimación de alta resolución, como MUSIC, fallan al localizar con precisión objetivos distribuidos porque el subespacio de la señal se vuelve de rango completo incluso en escenarios de un solo objetivo. Además, la literatura existente a menudo modela los objetivos de radar como objetos puntuales en el campo lejano, un supuesto válido para usuarios de comunicación pero inválido para los escenarios de detección de vehículo-a-infraestructura (V2I) y vehículo-a-todo (V2X), donde los objetivos poseen una extensión espacial. Asimismo, los modelos de objetivos extendidos existentes (por ejemplo, series de Fourier truncadas) suelen incurrir en costos computacionales prohibitivos y dependen de supuestos deterministas que ignoran la naturaleza estocástica de los canales de radar. Finalmente, los diseños de formación de haces previos a menudo descuidan las restricciones de la autointerferencia (SI) en sistemas de dúplex completo (FD) y el requisito simultáneo de iluminar objetivos distribuidos mientras se satisfacen las tasas de datos de los usuarios.

Metodología
Los autores proponen un marco para un sistema ISAC MIMO de Full-Duplex (FD) que opera en frecuencias de ondas milimétricas utilizando formas de onda OFDM. El sistema sirve a múltiples usuarios de comunicación de enlace descendente (downlink) mientras detecta $K$ objetivos de Rayos en Clúster (CR) distribuidos, donde cada objetivo se modela como un clúster de rayos con dispersiones angulares y de rango específicas, adhiriéndose a los estándares de la 3GPP.

El núcleo de la solución propuesta consta de dos componentes principales:

1. Estimador de Parámetros de Dos Etapas:

   • Etapa 1 (Estimación Gruesa): Los autores emplean una Técnica de Separación de Manifold (MST) para transformar los componentes de fase direccional no lineales de los vectores de respuesta de la matriz en componentes de fase lineales. Esto permite la construcción del espectro del objetivo utilizando una Transformada Rápida de Fourier (FFT). Al desacoplar el manifold espacial de las dimensiones de la matriz, el método construye una tabla de búsqueda 2D mediante operaciones de FFT 1D y 2D. Esto permite la evaluación rápida del espectro espacial a través de una rejilla de ángulos y dispersiones angulares utilizando un filtro de media móvil, evitando la necesidad de costosas multiplicaciones de matrices en cada punto de la rejilla.
   • Etapa 2 (Estimación Fina): Para refinar las estimaciones gruesas, se aplica un método de optimización de Gauss-Newton. Esta etapa minimiza una función objetivo de mínimos cuadrados ponderados basada en la diferencia entre las matrices de covarianza teórica y estimada. Se utilizan derivadas analíticas para actualizar el vector de parámetros (ángulo medio, dispersión angular y potencia de la señal) de forma iterativa.

2. Optimización de Formación de Haces Adaptativa:
   El artículo propone un marco de optimización para diseñar el formador de haces de transmisión ($V$). El objetivo es minimizar la distancia ponderada entre el formador de haces diseñado y un formador de haces "ideal" que ilumine completamente la extensión espacial de todos los objetivos. Esta optimización está sujeta a tres restricciones:

   • Tasa de Datos: Cumplir con los requisitos mínimos de tasa de datos para todos los usuarios de comunicación.
   • Autointerferencia: Limitar la potencia de la SI residual en las cadenas de RF del receptor (después de la cancelación analógica) para evitar la saturación.
   • Potencia: Adherirse a los límites de potencia total de transmisión.
     La restricción de tasa de datos no convexa se reformula en una restricción de Cono de Segundo Orden (SOC), lo que hace que el problema general sea convexo y resoluble mediante herramientas estándar como CVX.

Contribuciones Clave

• Modelado de Objetivos Distribuidos: El trabajo es el primero en estudiar objetivos espacialmente extendidos o agrupados dentro del contexto de ISAC utilizando un modelo de CR distribuido computacionalmente eficiente (propuesto por 3GPP), yendo más allá de los supuestos de objetos puntuales.
• Estimación de Baja Complejidad: El estimador de dos etapas propuesto resuelve con éxito múltiples objetivos distribuidos. Logra esto sin la carga computacional de $O(N_A^3)$ por punto de rejilla asociada con los métodos basados en subespacios convencionales (como los de Zoubir, DISPARE o Capon Generalizado), utilizando en su lugar operaciones basadas en FFT para reducir significamente la complejidad.
• Formación de Haces Conjunta de Detección y Comunicación: Los autores introducen un marco de optimización que sintetiza haces adaptativos capaces de cubrir la extensión completa de los objetivos distribuidos mientras mantienen estrictamente la Calidad de Servicio (QoS) del usuario y gestionan la autointerferencia en sistemas FD.

Resultados
Los resultados de la simulación demuestran la eficacia del marco propuesto:

• Estimación de la Dispersión: El método propuesto muestra una mejora de tres veces en la estimación de la dispersión angular bajo condiciones de baja Relación Señal-Ruido (SNR) en comparación con los esquemas de base basados en subespacios. Para objetivos de baja dispersión, se observa una mejora de dos veces.
• Estimación del Ángulo: Mientras que el estimador propuesto sigue el rendimiento de las bases en regímenes de baja SNR, supera significativamente a estas una vez que la SNR excede los 10 dB.
• Robustez: La etapa de ajuste fino proporciona mejoras de precisión mayores para la dispersión angular ($\sigma_\theta$) que para el ángulo medio ($\theta$). El método se mantiene robusto ante variaciones en la dispersión de los objetivos, manteniendo un rendimiento superior incluso cuando la dispersión se ensancha, mientras que algunos métodos de base (como el Capon Generalizado) muestran degradación o sesgo en dispersiones extremas.
• Formación de Haces: El patrón de haz diseñado coincide estrechamente con el patrón de detección ideal requerido para iluminar los objetivos, incluso mientras satisface las restricciones de tasa de datos del usuario y mantiene la potencia de SI por debajo del umbral de saturación de RF.

Significancia
El artículo afirma que su principal significancia radica en resolver los cuellos de botella computacionales y de modelado de los sistemas ISAC que manejan objetivos distribuidos. Al utilizar el enfoque basado en MST, los autores proporcionan una solución escalable que evita la complejidad prohibitiva de los estimadores tradicionales de búsqueda en rejilla para arreglos MIMO masivos. Además, el trabajo cierra la brecha entre el modelado teórico de objetivos y el diseño práctico de sistemas al integrar los requisitos de iluminación de objetivos directamente en la optimización de la formación de haces, asegurando que el rendimiento de la detección no se vea comprometido por las demandas de comunicación o las limitaciones del hardware como la autointerferencia. Los resultados sugieren que este marco ofrece un camino viable hacia sistemas ISAC de full-duplex de alta resolución capaces de manejar la naturaleza compleja y estocástica de los objetivos extendidos del mundo real.