⚡ electrical engineering

Multi-Functional RIS-enabled Radar and Communication Coexistence: Channel Modeling and a Sub-6 GHz Indoor Measurement Campaign

Este artículo presenta un análisis exhaustivo de un sistema de superficie inteligente reconfigurable multifuncional (MF-RIS) para la coexistencia de radar y comunicación, combinando un modelo de canal compatible con 3GPP con mediciones en interiores de Sub-6 GHz para demostrar cómo la MF-RIS crea trayectorias de línea de vista virtuales que eliminan los puntos ciegos, reducen la varianza del rendimiento y mejoran la tasa de suma en entornos 5G SU-MIMO.

Autores originales: Anton Tishchenko, Demos Serghiou, Hamidreza Taghvaee, Arman Shojaeifard, Ahmed Elzanaty, Gabriele Gradoni, Mohsen Khalily, Rahim Tafazolli

Publicado 2026-02-09

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Anton Tishchenko, Demos Serghiou, Hamidreza Taghvaee, Arman Shojaeifard, Ahmed Elzanaty, Gabriele Gradoni, Mohsen Khalily, Rahim Tafazolli

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ 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 estás intentando mantener una conversación en una habitación ruidosa y con eco donde la persona con la que hablas se está desplazando por el lugar. A veces, la línea de visión directa es bloqueada por una pared, o el sonido rebota en tantas superficies diferentes que tu voz se vuelve confusa y débil. Esto es exactamente el problema que enfrentan las redes inalámbricas modernas (como el 5G) en interiores: las señales se pierden, se ralentizan o fluctúan salvajemente cuando los usuarios se mueven.

Este artículo presenta una solución ingeniosa llamada Superficie Inteligente Reconfigurable Multifuncional (MF-RIS). Piensa en esto no como una antena estándar, sino como un "espejo inteligente" para las ondas de radio.

Aquí tienes un desglose de lo que los investigadores hicieron y encontraron, utilizando analogías sencillas:

1. El Problema: El efecto "Cámara de Eco"

En una habitación típica en interiores, la señal de tu teléfono golpea paredes, muebles y personas, rebotando de un lado a otro como una bola de pinball. Esto crea un entorno caótico donde la intensidad de la señal sube y baja de forma impredecible. Si te estás moviendo, la conexión puede caerse o ralentizarse porque las rutas de la "bola de pinball" cambian constantemente.

2. La Solución: El "Espejo Inteligente" (MF-RIS)

Los investigadores construyeron un panel grande y plano (el MF-RIS) que actúa como un espejo inteligente.

No solo refleja; enfoca. A diferencia de un espejo regular que refleja la luz en una dirección fija, este espejo inteligente puede programarse para desviar las ondas de radio precisamente hacia una persona específica, incluso si esta se está moviendo.
Crea una "Línea de Visión Virtual". Incluso si una pared bloquea el camino directo entre la estación base (celda) y tu teléfono, el espejo crea una nueva ruta limpia. Es como si el espejo estuviera construyendo un puente temporal e invisible para que la señal cruce la habitación sin chocar con obstáculos.

3. Los "Ojos" del Sistema (Integración de Radar)

Esto no es solo un espejo pasivo; tiene "ojos". Los investigadores integraron un sistema de radar en la configuración.

El Rastreador: Imagina que el espejo tiene un radar incorporado que escanea constantemente la habitación para ver exactamente dónde estás caminando.
El Reflejo: A medida que te mueves, el radar le dice al espejo: "¡La persona se movió a la izquierda!". El espejo ajusta instantáneamente su superficie (como miles de pequeñas teselas programables) para mantener la señal enfocada en ti. Esto sucede en tiempo real, con un ligero retraso de aproximadamente 0,1 segundos (aproximadamente el tiempo que tardas en parpadear).

4. El Experimento: Probando el Espejo

El equipo configuró dos escenarios diferentes en interiores: un auditorio grande y una sala de reuniones pequeña. Bloquearon la trayectoria directa de la señal para simular un entorno difícil y luego encendieron y apagaron el "espejo inteligente" para comparar los resultados.

Lo que midieron:

El "Desenfoque" (Dispersión de Retardo): En una habitación desordenada, las señales llegan en diferentes momentos (algunas rebotan en el techo, otras en el suelo), lo que causa un "desenfoque" que ralentiza los datos. El espejo redujo este desenfoque significamente al crear una ruta única, fuerte y directa.
La "Estabilidad" (Endurecimiento del Canal): Sin el espejo, la intensidad de la señal era como una bombilla que parpadea. Con el espejo, se convirtió en un haz constante y brillante.
La "Velocidad" (Capacidad de Transmisión): Probaron velocidades de internet reales en un teléfono 5G.

5. Los Resultados: ¿Qué pasó?

Cuando encendieron el MF-RIS, los resultados fueron impresionantes:

Conexión más fluida: La variación en la velocidad cayó un 74%. Esto significa que la conexión dejó de entrecortarse y se volvió muy estable, incluso mientras el usuario caminaba.
Velocidades más altas: La velocidad total de datos mejoró un 12,5%.
Sin "Puntos Ciegos": Descubrieron que incluso cuando la ruta directa estaba bloqueada, el espejo creaba una ruta alternativa fuerte, eliminando eficazmente las "zonas muertas" en la habitación.

6. La "Matemática" detrás de la Magia

Los investigadores no solo adivinaron; construyeron un nuevo modelo matemático para describir cómo funcionan estos espejos.

Descubrieron que los modelos antiguos (que asumían que las señales se comportan como estática aleatoria) no encajaban. En cambio, las señales con el espejo se comportaban de manera más predecible, como un haz enfocado.
Determinaron que el espejo necesita ser programado de manera diferente dependiendo de qué tan lejos estés. Si estás cerca (campo cercano), el espejo tiene que enfocar como una lupa. Si estás lejos (campo lejano), actúa más como un reflector estándar. Crearon instrucciones específicas (libros de códigos o codebooks) para ambos escenarios.

Resumen

En resumen, este artículo demuestra que un espejo inteligente equipado con radar puede solucionar la naturaleza desordenada e impredecible de las señales 5G en interiores. Al rastrear a un usuario en movimiento y ajustar constantemente la reflexión, crea un "túnel virtual" de alta velocidad y estabilidad para los datos, haciendo que la conexión inalámbrica se sienta tan sólida y confiable como un cable, incluso en una habitación llena de gente y obstáculos.

Planteamiento del Problema

La rápida evolución de la tecnología 5G y el crecimiento proyectado de las redes privadas han colocado demandas sin precedentes en la calidad de la red y el consumo de energía. Si bien las Superficies Inteligentes Reconfigurables (RIS) ofrecen una solución de bajo consumo para mejorar la propagación inalámbrica, su despliegue práctico se ve obstaculizado por los altos costos, la interferencia potencial y las complejidades de implementación. Además, la literatura carece de estudios detallados sobre sistemas de RIS Multifuncionales (MF-RIS) que integren detección (radar) y comunicación, particularmente en lo que respecta a:

Modelado de Canales: Existe una escasez de modelos de canal de desvanecimiento rápido precisos para enlaces asistidos por RIS que tengan en cuenta los componentes de línea de visión no directa (NLoS) y los efectos de campo cercano, los cuales predominan en los escenarios de interiores.
Localización: Los estudios prácticos basados en mediciones para la localización de equipos de usuario (UE) utilizando radar integrado en la RIS han sido en gran medida inexplorados.
Dinámicas de Campo Cercano: El comportamiento de la RIS en el campo cercano (donde el tamaño de la superficie es grande en relación con la longitud de onda) permanece mayormente no caracterizado en comparación con las suposiciones de campo lejano.

Metodología

Los autores llevaron a cabo una campaña integral de medición en interiores en el Centro de Innovación 5G/6G de la Universidad de Surrey utilizando un sistema MF-RIS personalizado.

1. Arquitectura del Sistema:

Hardware MF-RIS: Una RIS digital de 4 bits que opera a 3.5 GHz (Sub-6 GHz) con 1,850 celdas unitarias ( $50 \times 37$ ). Integra un radar de ondas milimétricas de 60 GHz (TI IWR6843ISK) para el seguimiento de usuarios.
Configuración de Comunicación: Un sistema 5G New Radio (NR) Single User MIMO (SU-MIMO) de 2x2 utilizando hardware LimeNET y un smartphone 4x4 MIMO para pruebas de rendimiento (throughput).
Escenarios: Las mediciones se realizaron en dos entornos interiores: un auditorio grande ( $14.6 \times 10.8$ m) y una sala de reuniones ( $7.3 \times 4.3$ m). Ambos escenarios presentaron una línea de visión (LoS) bloqueada entre la Estación Base (BS) y el UE, dependiendo de trayectorias NLoS y de la RIS.

2. Marco Teórico:

Modelado de Canales: Los autores derivaron un Modelo Estocástico Basado en Geometría (GBSM) compatible con 3GPP para el canal BS-RIS-UE. Este modelo incorpora:
- Sección Transversal de Radar (RCS) y patrones de re-radiación para la RIS.
- Una estructura de canal en cascada que incluye el LoS BS-RIS, el LoS RIS-UE (creando una "Línea de Visión Virtual" o vLoS) y la trayectoria directa NLoS BS-UE.
- Estadísticas de desvanecimiento rápido derivadas de datos empíricos, probando distribuciones más allá del modelo Rayleigh convencional.
Algoritmo de Localización: Se implementó un algoritmo de seguimiento de UE en tiempo real utilizando el Agrupamiento Espacial Basado en Densidad de Aplicaciones con Ruido (DBSCAN) sobre nubes de puntos de radar, seguido de un filtro de Kalman para la predicción de movilidad y actualizaciones de síntesis de fase.
Síntesis de Fase: Se derivaron métodos de generación de libros de códigos (codebooks) distintos para:
- Campo Cercano: Utilizando modelos de frente de onda esférico y funciones de Green para compensar la fase de propagación y la curvatura de Fresnel.
- Campo Lejano: Utilizando gradientes de fase lineales para el direccionamiento de haces (beam steering).

3. Procedimiento Experimental:

Mediciones Estáticas: Se utilizó un generador de formas de onda y un osciloscopio en tiempo real para capturar respuestas de canal complejas, perfiles de retardo de potencia (PDP) y dispersiones de retardo a diversas ángulos (5°–60°) y distancias (1–10 m).
Mediciones Dinámicas: Se rastreó un UE en movimiento (velocidad constante) para evaluar el rendimiento del sistema y los efectos de endurecimiento del canal en tiempo real.

Contribuciones Clave

Modelo de Canal Compatible con 3GPP: El artículo presenta un modelo de canal derivado basado en los patrones de RCS y re-radiación de la RIS, compatible con 3GPP TR 38.901. Modela explícitamente el componente vLoS y la trayectoria NLoS BS-UE, que suelen omitirse en la literatura existente.
Análisis de Distribución de Desvanecimiento: El estudio demuestra que el modelo de desvanecimiento Rayleigh convencional no es adecuado para los canales asistidos por MF-RIS. En su lugar, el canal se describe mejor mediante una distribución Weibull en anchos de banda amplios y una distribución log-normal en anchos de banda estrechos.
Derivación de Libro de Códigos para Campo Cercano: Los autores proporcionan derivaciones exactas para la síntesis de fase en campo cercano, destacando las diferencias fundamentales con los gradientes de fase lineales de campo lejano requeridos para enfocar la energía en la región de campo cercano.
Localización y Seguimiento Integrados: Se detalla un algoritmo de localización práctica, logrando una latencia de predicción promedio de 127 ms y una precisión promedio de estimación del Ángulo de Llegada (AoA) de 6.47°.
Caracterización Empírica del Canal: Se midieron y tabularon parámetros exhaustivos de gran escala (pérdida de trayectoria, desvanecimiento de sombra) y de pequeña escala (factor K de Rice, dispersión de retardo RMS, potencias de clúster) tanto para escenarios con RIS como sin ella.

Resultados

Endurecimiento del Canal (Channel Hardening): La MF-RIS crea efectivamente una trayectoria vLoS, "endureciendo" el canal MIMO inalámbrico. Esto reduce la aleatoriedad de la ganancia del canal.
Reducción de la Dispersión de Retardo: En el campo cercano (2 m), la RIS redujo significamente la dispersión de retardo RMS en comparación con el escenario de solo NLoS, aumentando así el ancho de banda de coherencia.
Rendimiento de la Tasa de Transferencia (Throughput):
- En el sistema 5G NR SU-MIMO 2x2, la adición de la MF-RIS resultó en una reducción del 74% en la varianza del rendimiento y una mejora del 12.5% en la tasa de suma (sum-rate) dentro del campo cercano en comparación con la configuración sin RIS.
- A una distancia de 4 m, el sistema aún mostró mejoras (mejora promedio del rendimiento del 8.2%), aunque las ganancias fueron menores a medida que el canal se desplazaba hacia el campo lejano.
Mitigación de Puntos Ciegos: El estudio encontró que la propagación en interiores de Sub-6 GHz con MF-RIS está mayormente libre de puntos ciegos, incluso cuando la LoS directa está bloqueada, debido a la creación de trayectorias vLoS fiables.
Precisión de Localización: El seguimiento basado en radar mantuvo la alineación con la Cota Inferior de Cramér-Rao (CRLB) para usuarios estáticos o de velocidad constante, con errores que se alinean rápidamente (3–4 duraciones de cuadro) tras cambios en la trayectoria.

Significado y Reivindicaciones

El artículo afirma que el sistema MF-RIS propuesto aborda brechas críticas en el despliegue de la tecnología RIS al demostrar una plataforma integrada de detección y comunicación práctica. Su importancia radica en:

Validar la "Integración Laxa" de ISAC: Demuestra que la MF-RIS puede permitir la Integración de Detección y Comunicación (ISAC) con cambios mínimos de hardware en las arquitecturas 5G existentes.
Proveer un Modelo Basado en Mediciones: Al complementar las derivaciones teóricas con extensos datos empíricos, el artículo ofrece un modelo de canal validado que puede utilizarse en simuladores de trazado de rayos y herramientas de planificación de red.
Demostrar el Endurecimiento del Canal: Los resultados proporcionan evidencia de que la MF-RIS puede estabilizar los canales MIMO en entornos de interiores dinámicos, reduciendo las fluctuaciones de rendimiento y mejorando la fiabilidad para usuarios en movimiento.
Viabilidad del Campo Cercano: El trabajo confirma que el enfoque en campo cercano es alcanzable y beneficioso para escenarios de interiores, desafiando la suposición de que la RIS solo es efectiva en condiciones de campo lejano.

Los autores concluyen que, si bien la MF-RIS introduce complejidad en el diseño de libros de códigos y la síntesis de fase, las mejoras resultantes en la estabilidad del canal, el rendimiento y la precisión de la localización la convierten en un candidato viable para las futuras redes de interiores 6G.