Radar Operating Metrics and Network Throughput for Integrated Sensing and Communications in Millimeter-wave Urban Environments

1. Definición del Problema

El artículo aborda los desafíos de los sistemas de Sensing y Comunicaciones Integrados (ISAC) aplicados a sistemas de transporte inteligentes (ITS) de próxima generación. En entornos urbanos de ondas milimétricas (mmWave), existe una necesidad crítica de detectar y localizar objetos (vehículos, peatones) para la conducción autónoma, mientras se mantienen comunicaciones V2X (Vehicle-to-Everything) de alta velocidad.

El problema central es el conflicto de recursos en un esquema de multiplexación temporal:

• Si se asigna mucho tiempo al radar (ciclo de trabajo alto), se pueden usar haces más estrechos y con mayor ganancia para detectar objetivos débiles, pero se reduce el tiempo disponible para la transmisión de datos (comunicaciones).
• Si se asigna poco tiempo al radar, los haces deben ser más anchos para cubrir el espacio, lo que reduce la ganancia y aumenta la probabilidad de no detectar objetivos, pero se gana tiempo para las comunicaciones.

2. Metodología

Los autores proponen un marco matemático basado en la Geometría Estocástica (SG) para modelar la complejidad de los entornos urbanos sin recurrir a simulaciones computacionales masivas. Los componentes clave de la metodología son:

• Modelado de Señal: Utilizan el modelo de radar monostático con la ecuación de radar de mmWave, considerando la atenuación por la ley de potencia inversa ($\alpha$-law) y el desvanecimiento de Rayleigh.
• Modelado de Clutter (Interferencia): Los dispersores de clutter (objetos no deseados en el entorno) se modelan como un Proceso de Punto de Poisson (PPP) homogéneo.
• Métricas de Radar: Utilizan el Teorema de Inversión de Gil-Pelaez para derivar las funciones de distribución acumulativa (CDF) y calcular analíticamente la Probabilidad de Falsa Alarma ($P_{fa}$) y la Probabilidad de Detección ($P_d$).
• Modelo de Rendimiento (Throughput): El rendimiento de la red ($\gamma$) se define como una función del ciclo de trabajo del radar ($\xi$), la probabilidad de detección de los objetivos y el tiempo restante para la comunicación.

3. Contribuciones Clave

1. Extensión del modelo ISAC: A diferencia de trabajos previos que solo consideraban condiciones de línea de vista (LoS), este estudio analiza entornos complejos limitados tanto por ruido como por clutter.
2. Marco Analítico de SG: Proporciona una formulación matemática para predecir cómo el ciclo de trabajo del radar afecta directamente la capacidad de la red.
3. Análisis de Sensibilidad: Identifica cómo parámetros críticos (potencia, ancho de banda, coeficiente de clutter y RCS del objetivo) impactan el equilibrio entre detección y comunicación.

4. Resultados Principales

A través de simulaciones de Monte Carlo, los autores obtuvieron las siguientes conclusiones:

• Ciclo de Trabajo ($\xi$): Existe un punto óptimo. Un $\xi$ muy bajo reduce la detección de objetivos; un $\xi$ muy alto reduce el tiempo de servicio de comunicación. El rendimiento de la red ($\gamma$) muestra una curva de comportamiento no lineal respecto al ciclo de trabajo.
• Potencia de Transmisión ($P_{tx}$): Un aumento en la potencia mejora el rendimiento de la red ($\gamma$) al aumentar la detección, pero incrementa la probabilidad de falsas alarmas ($P_{fa}$) debido al aumento de la potencia del clutter.
• Ancho de Banda (BW): Un ancho de banda mayor reduce inicialmente la $P_{fa}$ (al reducir el área de resolución), pero un ancho de banda excesivo aumenta el ruido térmico, lo que puede degradar la detección y el rendimiento total.
• Clutter y RCS: Un mayor coeficiente de clutter aumenta drásticamente las falsas alarmas. Por el contrario, un mayor RCS (Radar Cross Section) del objetivo mejora la probabilidad de detección y, por ende, el rendimiento de la red.

5. Significancia

Este trabajo es fundamental para el diseño de hardware y protocolos en la banda de 60 GHz (IEEE 802.11ad). Proporciona a los ingenieros una base teórica para optimizar el balance entre la seguridad (detección de objetos) y la conectividad (transferencia de datos) en vehículos autónomos, permitiendo una gestión eficiente del espectro radioeléctrico en entornos urbanos densos.