Molecular ISAC via Markov State-Space Modeling: Joint Distance Sensing and Data Detection

Résumé technique : ISAC moléculaire via la modélisation par espaces d'états de Markov

Énoncé du problème
La communication moléculaire (MC) est un paradigme prometteur pour les systèmes micro- et nanométriques où la signalisation électromagnétique est inefficace. Une caractéristique fondamentale de la MC est que les signaux moléculaires reçus sont déterminés conjointement par les symboles transmis et les paramètres physiques du canal (par exemple, la distance entre l'émetteur et le récepteur, les conditions d'écoulement, les vitesses de réaction). Bien que la détection et la communication intégrées (ISAC) soient établies dans les communications sans fil, leur formulation dans le domaine de la MC reste largement inexplorée. Les recherches existantes en MC se concentrent généralement sur la détection de données dans des conditions de canal fixes ou connues, sans cadre unifié couplant explicitement la détection de paramètres physiques avec la détection de symboles en utilisant les mêmes observations moléculaires. Cet article comble cette lacune en développant un cadre ISAC moléculaire spécifiquement pour les canaux microfluidiques, en se concentrant sur l'estimation conjointe de la distance Émetteur-Récepteur (TX-RX) et la détection de données.

Méthodologie
Les auteurs proposent une approche de modélisation par espaces d'états de Markov paramétrée par la distance pour permettre la détection et la communication conjointes.

1. Modèle de canal de Markov paramétré par la distance :

   • Le canal microfluidique est modélisé comme une chaîne de Markov à temps discret représentant le transport moléculaire par diffusion, advection, liaison réversible au récepteur et perte irréversible par écoulement sortant.
   • La distance TX-RX est paramétrée par l'indice de localisation ($r$) du récepteur dans l'espace d'états. Changer la distance déplace efficacement la position de l'état libre adjacent au récepteur dans la chaîne de Markov.
   • Cela se traduit par une matrice de transition dépendante de la distance $P(d)$, qui génère des réponses impulsionnelles de canal (CIR) dépendantes de la distance.
   • Un modèle d'observation par blocs à temps discret est construit pour la modulation par tout-ou-rien (OOK). Ce modèle préserve les caractéristiques de la réponse transitoire au sein de chaque intervalle de symbole en échantillonnant plusieurs fois par symbole, créant ainsi des blocs d'observation informatifs à la fois pour la distance et les données.

2. Récepteur à faible complexité assisté par pilotes :
   Pour éviter la complexité prohibitive d'une recherche conjointe exhaustive sur la distance et les symboles de données, les auteurs conçoivent un récepteur itératif alterné composé de trois étapes :

   • Initialisation de la distance assistée par pilotes : Le récepteur utilise une séquence de pilotes connue pour effectuer un ajustement par moindres carrés entre les blocs de pilotes reçus et les modèles sans bruit précalculés pour chaque distance candidate. Cela fournit une estimation initiale de la distance $\hat{d}^{(0)}$.
   • Égalisation à rétroaction de décision (DFE) consciente de la distance : En utilisant l'estimation initiale de la distance, le récepteur construit des modèles de canal dépendants de la distance. Il emploie une structure DFE pour annuler l'interférence entre symboles (ISI) et détecter les symboles de données. Les blocs d'observation sont compressés en statistiques scalaires par moyennage uniforme pour réduire la complexité.
   • Raffinement conjoint itératif : Les symboles de données détectés sont combinés avec la séquence de pilotes pour former une séquence de symboles reconstruite. Cette séquence est utilisée pour réestimer la distance en faisant correspondre tous les blocs reçus à leurs modèles prédits. L'estimation de distance mise à jour est ensuite réinjectée pour affiner la détection DFE. Cette boucle continue jusqu'à convergence ou jusqu'à ce qu'un nombre maximal d'itérations soit atteint.

Contributions clés

• Perspective ISAC moléculaire : L'article introduit un cadre où les mêmes observations moléculaires sont exploitées simultanément pour la détection de paramètres de canal (spécifiquement la distance) et la détection de données.
• Modèle paramétré par la distance : Il développe un modèle d'espace d'états de Markov et un modèle d'observation par blocs correspondant pour la MC microfluidique, établissant explicitement une correspondance entre la distance TX-RX et les réponses du canal moléculaire.
• Conception du récepteur : Un récepteur à faible complexité assisté par pilotes est conçu, intégrant l'initialisation de la distance, la DFE consciente de la distance et le raffinement conjoint itératif.
• Démonstration de bénéfices mutuels : Les résultats numériques démontrent que le cadre proposé réalise une détection de distance précise et une amélioration du taux d'erreur binaire (BER), validant le bénéfice mutuel entre les tâches de détection et de communication.

Résultats numériques
Des simulations ont été réalisées sous MATLAB avec des paramètres physiques typiques des systèmes microfluidiques (par exemple, coefficient de diffusion $5 \times 10^{-11} \, \text{m}^2/\text{s}$, vitesse d'écoulement $10 \, \mu\text{m}/\text{s}$).

• Détection de distance : La précision augmente avec le nombre de molécules libérées ($N_{tx}$) et la longueur des pilotes ($K_p$). La méthode proposée atteint une haute précision, en particulier dans les régimes de $N_{tx}$ faibles à modérés lorsque des pilotes suffisants sont utilisés.
• Détection de données : La DFE consciente de la distance assistée par pilotes proposée surpasse significativement une DFE non consciente de la distance (qui souffre d'un désaccord de canal) et s'approche des performances d'une référence « consciente de la vraie distance » à mesure que $N_{tx}$ augmente.
• Raffinement itératif : Le processus itératif produit une convergence rapide. La première itération apporte le gain le plus significatif tant en précision de distance qu'en réduction du BER. La réduction relative du BER augmente avec $N_{tx}$, confirmant que des estimations de distance améliorées conduisent à de meilleurs modèles de canal pour la détection, tandis que de meilleures décisions de données permettent une réestimation de distance plus précise.

Signification et affirmations
L'article revendique une « première étape » vers un cadre ISAC moléculaire plus large. Il positionne la MC microfluidique comme une plateforme représentative pour cette technologie, soulignant son applicabilité aux systèmes de laboratoire sur puce et de biosurveillance où les observations moléculaires peuvent soutenir la récupération de données, l'étalonnage géométrique et la détection adaptative. Les auteurs présentent modestement leur travail comme une instantiation analytiquement traitable utilisant un ensemble discret de candidats pour la distance. Ils notent que les travaux futurs étendront le cadre à l'estimation de paramètres à valeurs continues et généraliseront les principes à d'autres paramètres (vitesse d'écoulement, cinétique de réaction) et à des géométries de dimensions supérieures. La signification fondamentale réside dans la démonstration que la détection et la communication en MC ne sont pas mutuellement exclusives, mais peuvent se renforcer mutuellement lorsqu'elles sont modélisées par une approche unifiée d'espace d'états.