Adaptive 5G Resource Allocation for Multistatic ISAC-Based UAV Detection and Tracking

Résumé Technique : Allocation Adaptative des Ressources 5G pour la Détection et le Suivi de Drones par ISAC Multistatique

Énoncé du Problème
La prolifération des petits véhicules aériens non habités (UAV/drones) crée des risques de sécurité importants à proximité des infrastructures critiques et des espaces aériens réglementés, nécessissant des capacités de détection et de suivi robustes. Bien que l'intégration de la détection et des communications (ISAC) offre une voie pour exploiter les réseaux 5G existants pour la surveillance, le déploiement pratique fait face à deux défis majeurs :

1. Compétition pour les Ressources : Les fonctions de détection et de communication doivent entrer en compétition pour des ressources radio finies. Les allocations de détection statiques sont inefficaces sous des charges réseau variables, ce qui entraîne soit un gaspillage de ressources lors de faibles trafics, soit une dégradation des performances de détection lors de congestions.
2. Robustesse du Suivi : Le suivi de drones hautement manœuvrables avec de faibles sections efficaces radar (RCS) est difficile, particulièrement lorsque les ressources réseau sont contraintes. Les systèmes à modalité unique (par exemple, radar monostatique) souffrent souvent de lacunes de couverture et d'imprécisions de localisation dans des environnements complexes.

Méthodologie
Les auteurs proposent un cadre ISAC multistatique adaptatif et sensible à la charge, opérant sur l'interface 5G New Radio (NR). L'architecture du système intègre un gNB 5G actif (servant d'illuminateur contrôlé) avec un réseau distribué de nœuds de capteurs définis par logiciel (SDS) agissant comme récepteurs passifs.

Les composantes méthodologiques clés incluent :

• Conception de Forme d'Onde Adaptative : Le gNB ajuste dynamiquement la longueur des séquences de détection Zadoff-Chu (ZC) ($N_{ZC}$), le taux de transmission de détection et l'allocation de faisceaux en fonction de la charge réseau en temps réel ($\eta$) et du rapport signal sur bruit (SNR) observé. Des séquences plus longues offrent un meilleur gain de traitement cohérent et une meilleure résolution en distance, mais consomment plus de blocs de ressources physiques (PRB).
• Modélisation des Ressources Partagées : Un modèle mathématique quantifie le compromis entre le débit de communication et la surcharge de détection. Le système définit quatre politiques d'allocation de ressources : détection fixe orientée, communication fixe orientée, ISAC adaptatif, et ISAC adaptatif avec assistance par signal d'opportunité (SoO).
• Détection Multistatique Assistée par SoO : Lorsque les ressources réseau sont trop contraintes pour supporter les exigences de détection 5G active, le cadre exploite des signaux d'opportunité externes (par exemple, satellites, diffusion FM ou autres transmissions cellulaires) via des nœuds SDS passifs. Ces nœuds capturent les réflexions de la cible sans consommer de ressources 5G supplémentaires.
• Métriques de Performance :
  • Détection/Suivi : Analysés à l'aide de la fonction Q de Marcum pour la probabilité de détection et d'un modèle $M$-sur-$N$ pour la continuité du suivi (nécessitant $M$ détections réussies sur $N$ opportunités).
  • Précision de Localisation : Évaluée à l'aide de la borne de Cramér-Rao (CRB) pour comparer les géométries monostatiques (gNB uniquement) versus multistatiques (gNB + SDS).

Contributions Clés
L'article apporte quatre contributions spécifiques au domaine de l'ISAC 5G :

1. Modèle de Ressources Sensible à la Charge : Développement d'un modèle qui quantifie la surcharge de détection en fonction de la longueur de la forme d'onde ZC, du taux de mise à jour et du nombre de faisceaux sous des ressources 5G partagées.
2. Caractérisation du Compromis : Démonstration que la mise à l'échelle adaptative des formes d'onde permet à la détection 5G de préserver les capacités de suivi tout en dégradant progressivement les performances à mesure que la charge de communication augmente, évitant ainsi les inefficacités rigides des réservations fixes.
3. Architecture Assistée par SoO : Introduction d'une architecture de détection distribuée où les nœuds SDS exploitent des SoO externes pour maintenir la continuité du suivi lorsque les ressources 5G actives sont rares, réduisant considérablement les interruptions de suivi sous forte congestion.
4. Cadre CRLB Multistatique : Une analyse théorique montrant que les géométries multistatiques améliorent considérablement la précision de la localisation et l'uniformité de la couverture spatiale par rapport à la détection monostatique, particulièrement en exploitant des formes d'onde plus longues et des bandes passantes plus larges.

Résultats
Les résultats de simulation basés sur un système 5G NR FR1 (3,5 GHz, bande passante de 50 MHz) démontrent les points suivants :

• Débit vs Détection : Les politiques adaptatives surpassent les références à réservation fixe. Alors que les politiques de détection fixe plafonnent le débit (par exemple, à 85 % ou 97 % de la charge offerte), la politique adaptative suit de près la charge offerte.
• Résilience à la Congestion : Sous une congestion extrême (charge normalisée $\eta \to 1,0$), la politique « Adaptatif + SoO » maintient un débit égal à la charge offerte tout en maintenant une faible probabilité d'interruption de suivi. En revanche, la politique purement adaptative (sans SoO) subit une défaillance rapide du suivi à mesure que les ressources sont détournées vers la communication.
• Mise à l'échelle de la Forme d'Onde : Augmenter la longueur de la séquence ZC ($N_{ZC}$) de 71 à 1291 améliore le SNR d'entrée requis pour une probabilité d'interruption de suivi cible ($10^{-3}$) d'environ 12,6 dB, étendant le suivi fiable vers des conditions de SNR plus faibles.
• Précision de Localisation : L'analyse CRLB révèle que la détection multistatique surpasse considérablement la détection monostatique. Pour une forme d'onde longue ($N_{ZC}=1291$), la borne d'erreur de position (PEB) moyenne pour la détection multistatique chute à 0,85 m, tandis que la détection monostatique reste stagnante à environ 6,9 m, soulignant les avantages géométriques des nœuds distribués.

Signification
L'article soutient qu'une détection adaptative coordonnée combinée à un support multistatique distribué représente une voie pratique vers une surveillance résiliente des drones dans les futurs réseaux sans fil. En ajustant dynamiquement les ressources de détection et en exploitant des signaux externes passifs, le cadre proposé répond à la tension critique entre le maintien de services de communication de haute qualité et l'assurance d'un suivi de drone précis et persistant dans des environnements RF congestionnés. Ce travail valide que l'ISAC peut passer d'un partitionnement statique des ressources à un paradigme dynamique et sensible à la charge qui utilise tout le potentiel des infrastructures sans fil existantes et opportunistes.