Low-Complexity Tensor-Based Monostatic Sensing for IRS-Assisted Communication Systems

Resumen Técnico: Sensado Monostático Basado en Tensores de Baja Complejidad para Sistemas de Comunicación Asistidos por Superficies Reflectantes Inteligentes

Enunciado del Problema
El artículo aborda el desafío de la estimación de parámetros en sistemas de Sensado y Comunicaciones Integrados (ISAC) asistidos por Superficies Reflectantes Inteligentes (IRS). Específicamente, se centra en un escenario de sensado monostático donde una estación base (BS) transmite una forma de onda de Multiplexación por División de Frecuencias Ortogonales (OFDM), la cual se refleja en un IRS, rebota en un objetivo y regresa a la BS. El objetivo es estimar conjuntamente el retardo ($\tau$), el desplazamiento Doppler ($\nu$) y la información angular (Ángulo de Salida, $\theta$) del objetivo.

Los enfoques existentes, como el método de referencia en [11], dependen de detectores de Prueba de Razón de Verosimilitud Generalizada (GLRT) que requieren búsquedas de picos multidimensionales computacionalmente intensivas (específicamente una búsqueda de cuatro dimensiones sobre retardo, Doppler, acimut y elevación). Aunque efectivos, estos métodos sufren de alta complejidad computacional, particularmente cuando las rejillas de búsqueda para retardo y Doppler están acopladas, lo que conduce a una complejidad proporcional al producto de los tamaños de las rejillas ($R_\tau R_\nu$).

Metodología
Los autores proponen una solución de baja complejidad que reinterpreta la señal de eco recibida como un tensor de rango uno de tercer orden. La metodología central implica los siguientes pasos:

1. Modelado del Sistema y Reformulación de la Señal: La señal recibida se modela considerando el enlace BS-IRS-Objetivo-IRS-BS. Para desacoplar los parámetros angulares del parámetro Doppler, los autores emplean un protocolo de desplazamiento de fase del IRS basado en repetición. El patrón de desplazamiento de fase del IRS se repite durante un bloque de $Q$ símbolos OFDM y varía a través de $L$ bloques (símbolos totales $M=QL$). Esta estructura permite que el vector de guiado en el dominio del tiempo se descomponga en productos de Kronecker de vectores relacionados con el índice del bloque y el índice intra-bloque.
2. Formulación Tensorial: Al aprovechar esta estructura repetitiva, la matriz de señal recibida se reformula como un tensor de rango uno de tercer orden $\mathcal{Y} = c(\tau) \circ d_Q(\nu) \circ \beta(\theta, \nu) + \mathcal{Z}$, donde $\circ$ denota el producto externo. Esta formulación separa el vector de retardo $c(\tau)$, el vector Doppler $d_Q(\nu)$ y el vector combinado ángulo-Doppler $\beta(\theta, \nu)$.
3. Estimación Basada en HOSVD: El problema de estimación de parámetros se resuelve utilizando la Descomposición en Valores Singulares de Orden Superior (HOSVD). El algoritmo calcula la Descomposición en Valores Singulares (SVD) para las tres desdoblamientos matriciales del tensor de señal recibida. Los vectores singulares izquierdos dominantes de estas descomposiciones proporcionan estimaciones para los componentes de retardo, Doppler y ángulo.
4. Desacoplamiento de la Búsqueda de Picos: Tras la etapa de HOSVD, el algoritmo realiza búsquedas de picos unidimensionales para estimar el retardo ($\tau$) y el Doppler ($\nu$) de forma independiente. La estimación angular ($\theta$) se realiza posteriormente mediante una búsqueda bidimensional, utilizando el Doppler estimado previamente para simplificar el espacio de búsqueda.

Contribuciones Clave

• Reformulación Basada en Tensores: El artículo introduce una representación novedosa basada en tensores de la señal de sensado monostático asistida por IRS, transformando un problema de optimización multidimensional complejo en un problema de aproximación de tensor de rango uno.
• Reducción de Complejidad: Al aprovechar el algoritmo HOSVD, el método propuesto desacopla la estimación de retardo y Doppler. Esto permite que estos parámetros se estimen en paralelo mediante búsquedas unidimensionales separadas, rompiendo el cuello de botella computacional de la búsqueda acoplada encontrada en los métodos de referencia.
• Diseño de Algoritmo: Los autores proporcionan un algoritmo completo (Algoritmo 1) que detalla el proceso de estimación de parámetros basado en HOSVD, incluyendo funciones de costo específicas para la estimación de retardo, Doppler y ángulo.

Resultados
Los resultados de simulación que comparan el método propuesto basado en tensores con el detector GLRT de referencia de [11] arrojan las siguientes conclusiones:

• Precisión del Rendimiento: En términos de Error Cuadrático Medio (RMSE), el método propuesto logra un rendimiento comparable al de la referencia.
  • Para la estimación de retardo y Doppler, el método propuesto se comporta de manera similar a la referencia en niveles de relación señal-ruido (SNR) superiores a -5 dB, observándose una ligera degradación del rendimiento solo en regímenes de SNR muy bajos.
  • Para la estimación angular, ambos métodos logran un rendimiento de RMSE idéntico en todos los niveles de SNR probados, ya que ambos utilizan un criterio de máxima verosimilitud para la búsqueda final de ángulos.
• Complejidad Computacional: El método propuesto ofrece una reducción drástica en la complejidad computacional.
  • La complejidad de la referencia escala con el producto de los tamaños de las rejillas ($R_\tau R_\nu$), mientras que el método propuesto escala con la suma de estos tamaños ($R_\tau + R_\nu$) debido al desacoplamiento.
  • Las curvas de simulación indican que el método de referencia es aproximadamente 10 veces más complejo que la solución basada en tensores propuesta. Esta ventaja en complejidad se mantiene a través de diferentes números de subportadoras y puntos de rejilla.

Significado y Afirmaciones
El artículo afirma que su contribución principal es proporcionar una alternativa de baja complejidad a los algoritmos de sensado de alto rendimiento existentes sin sacrificar la precisión de la estimación en rangos prácticos de SNR. Los autores enfatizan que su solución basada en tensores "reduce drásticamente la complejidad computacional" mientras mantiene "el mismo rendimiento que el método de referencia" en términos de RMSE para la estimación de retardo, Doppler y ángulo.

El significado radica en la escalabilidad de la solución para futuras redes 6G, donde la integración de sensado y comunicación requiere un procesamiento eficiente de grandes conjuntos de datos. Al explotar la estructura multilineal intrínseca de la señal recibida, el método propuesto habilita el cálculo paralelo, convirtiéndolo en un candidato viable para la implementación en tiempo real en sistemas ISAC asistidos por IRS. Los autores notan modestamente que el método es ligeramente más sensible a niveles de ruido muy altos, pero afirman que el intercambio es favorable dados los ganancias sustanciales en eficiencia computacional. Se sugiere trabajo futuro para investigar el rendimiento del método bajo las condiciones de auto-interferencia intrínseca del sensado monostático, lo cual fue excluido del alcance actual.