Estimating Target Doppler in Unsynchronized Multistatic ISAC Deployments with Mobile Nodes

Resumen Técnico: Estimación del Doppler de Objetivo en Despliegues Multistáticos ISAC No Sincronizados con Nodos Móviles

Enunciado del Problema
La Sensación y Comunicación Integradas (ISAC) es una piedra angular de las futuras redes 6G, sin embargo, la caracterización precisa de objetivos en escenarios del mundo real enfrenta obstáculos significativos. Aunque los sistemas de radar monostático son bien comprendidos, los despliegues prácticos de ISAC a menudo dependen de configuraciones bistáticas o multistáticas que involucran Transmisores (TX) y Receptores (RX) físicamente separados. Estos escenarios se vuelven particularmente desafiantes cuando los nodos son móviles y no sincronizados.

En tales entornos, la estimación del desplazamiento Doppler del objetivo se distorsiona por dos factores principales:

1. Asincronía de Reloj: La falta de sincronización entre el TX y múltiples RX introduce Desplazamientos de Temporización (TO), Desplazamientos de Frecuencia Portadora (CFO) y Desplazamientos de Fase (PO). Estos actúan como términos de perturbación que oscurecen el desplazamiento de frecuencia inducido por el objetivo.
2. Movilidad del Nodo: Cuando el TX (por ejemplo, un Equipo de Usuario móvil) se mueve, introduce un componente Doppler adicional y dinámico que se combina de manera no trivial con el propio desplazamiento Doppler del objetivo.

La literatura existente ha abordado estos problemas mayormente por separado (por ejemplo, dispositivos estáticos con asincronía o radares monostáticos móviles) o ha dependido de la presencia de trayectorias de Línea de Vista (LoS) junto con reflectores estáticos externos para resolver ambigüedades. Este artículo aborda la brecha en la estimación del Doppler de objetivo en una configuración multistática móvil, asíncrona, sin aprovechar ningún reflector externo.

Metodología
El método propuesto se dirige a un escenario con un TX móvil y múltiples RX estáticos (por ejemplo, sectores de un gNB 5G o componentes de Cloud RAN). Se asume que los RX están sincronizados en fase a nivel de banda base pero poseen front-ends de RF independientes, lo que resulta en CFO y PO únicos para cada receptor. El algoritmo opera en cuatro etapas distintas:

1. Eliminación de Desplazamientos (CFO y PO):
   El método explota la invariancia del CFO y PO en todos los componentes de trayectos múltiples recibidos por un solo RX. Al restar la fase del trayecto directo LoS (desde TX hasta RX) de la fase del trayecto del objetivo (TX hasta Objetivo hasta RX) en cada RX, se eliminan los términos de desplazamiento común ($\Psi^o_n$). Esto deja una diferencia de fase dependiente únicamente de la geometría del trayecto y los desplazamientos Doppler.

2. Eliminación del Término de Fase Estática:
   La diferencia de fase restante aún contiene términos estáticos relacionados con la longitud del trayecto ($\Delta \angle A_n$). Al calcular la diferencia en el dominio del tiempo entre pasos de tiempo consecutivos (diferenciación de fase temporal), estos términos de fase relacionados con la amplitud estática se eliminan, aislando los componentes Doppler dinámicos.

3. Simplificación Geométrica:
   El sistema resultante de ecuaciones relaciona las diferencias de fase medidas con las velocidades del TX y del objetivo, así como con varios ángulos geométricos (ángulo bistático, vectores de velocidad relativos a la línea de vista). Inicialmente, este sistema está subdeterminado. Los autores reducen el número de incógnitas aprovechando las ubicaciones conocidas de los Receptores y las mediciones de Ángulo de Llegada (AoA):

   • Las posiciones conocidas de los RX y los AoA permiten la triangulación de las ubicaciones del TX y del objetivo.
   • Estas ubicaciones estimadas permiten el cálculo de los ángulos bistáticos ($\beta_n$).
   • Se establecen relaciones geométricas recursivas entre los ángulos de RX adyacentes ($\zeta_{n+1}$ y $\gamma_{n+1}$), reduciendo las incógnitas angulares independientes.
   • Restricción Clave: A través de estas simplificaciones, el sistema se vuelve resoluble solo si están disponibles al menos cuatro RX ($N_{rx} \ge 4$).

4. Optimización No Lineal:
   El sistema reducido, que contiene cuatro incógnitas (magnitud de la velocidad del TX, magnitud de la velocidad del objetivo y dos ángulos iniciales), se resuelve como un problema de Mínimos Cuadrados (LS) no lineal utilizando el algoritmo de Levenberg–Marquardt. Se aplica un promedio móvil a las soluciones para mejorar la calidad de la estimación.

Contribuciones Clave
El artículo afirma tres contribuciones principales:

1. Primer Método para Doppler Multistático Móvil/Asíncrono: Presenta la primera técnica para estimar el Doppler de objetivo en un escenario ISAC multistático donde tanto el TX como el objetivo se mueven, y los nodos no están sincronizados, sin requerir reflectores externos.
2. Modelado de Hardware Realista: El enfoque cuenta explícitamente con el caso desafiante pero realista donde cada RX exhibe CFO y PO distintos debido a front-ends de RF separados, una condición a menudo ignorada en modelos teóricos pero crítica para la precisión de la sensación.
3. Validación mediante Simulación: La solución se evalúa mediante simulaciones numéricas en diversos escenarios, demostrando su validez para estimar desplazamientos Doppler en despliegues multistáticos realistas.

Resultados de Simulación
Los autores evaluaron el método utilizando Señales de Referencia para Demodulación (DM-RS) del Canal Compartido de Enlace Ascendente Físico (PUSCH) de 5G NR a 28 GHz. Los hallazgos clave incluyen:

• Sensibilidad al Ruido de AoA: El método es robusto ante ruido pequeño de AoA (Desviación Estándar $\le 3^\circ$), arrojando un Error Absoluto Medio (MAE) $\le 100$ Hz. El rendimiento se degrada significativamente con errores de AoA mayores ($10^\circ$–$20^\circ$).
• Separación de Receptores: Una mayor diversidad espacial (mayor distancia intermedia entre RX) mejora el rendimiento. Cuando los RX están demasiado cerca, las similitudes de trayecto hacen más difícil resolver la dinámica de la escena.
• Limitaciones de Rango: Con un despliegue de RX localizado (similar a un solo sector de gNB), el método funciona bien en rangos cortos (compatible con escenarios de calles estrechas, por ejemplo, distancia del TX $\le 10$ m). El rendimiento se degrada en rangos más largos a menos que los RX estén distribuidos sobre un área más amplia (por ejemplo, lados opuestos de una calle ancha), lo que aumenta la diversidad espacial pero también la complejidad de implementación.
• Invarianza de Velocidad: La precisión del método es invariante a la velocidad del objetivo, funcionando consistentemente a través de velocidades de peatones, bicicletas y vehículos.

Significado y Afirmaciones
El artículo afirma modestamente proporcionar un enfoque válido para un problema previamente sin resolver en ISAC: estimar el Doppler de objetivo en ausencia de sincronización y reflectores externos en un entorno multistático móvil. Demuestra que el problema es matemáticamente resoluble con un mínimo de cuatro receptores explotando invariancias geométricas y relaciones de fase.

Los autores posicionan este trabajo como un paso hacia tejidos de sensación basados en radio omnipresentes en 6G, donde la sensación se integra directamente en la infraestructura de comunicación. Reconocen que, aunque el despliegue localizado actual funciona bien para escenarios de corto alcance, se requiere trabajo futuro para optimizar la colocación de RX para una cobertura más amplia y validar experimentalmente la metodología en condiciones del mundo real.