⚡ electrical engineering

Full Duplex ISAC with Cluster Ray Targets: Parameter Estimation and Beamforming

यह शोध पत्र स्थानिक रूप से वितरित प्रणालियों के लिए एक फुल-डुप्लेक्स ISAC ढांचे का प्रस्ताव करता है जो वितरित लक्ष्यों को स्थानीयकृत करने में पारंपरिक विधियों की सीमाओं को दूर करने के लिए टू-स्टेज FFT और गॉस-न्यूटन एस्टिमेटर का उपयोग करता है, साथ ही एक एडेप्टिव बीमफॉर्मर का भी उपयोग करता है जो संवेदन रिज़ॉल्यूशन और मल्टी-यूज़र संचार आवश्यकताओं को एक साथ पूरा करता है।

मूल लेखक: Muhammad Talha, Besma Smida, David González G

प्रकाशित 2026-06-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Muhammad Talha, Besma Smida, David González G

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि एक ऐसा भविष्य है जहाँ आपकी कार का रेडियो न केवल संगीत बजाता है, बल्कि एक सुपर-पावर्ड फ्लैशलाइट और सोनार सिस्टम की तरह भी काम करता है। यह ISAC (इंटीग्रेटेड सेंसिंग एंड कम्युनिकेशन) की दुनिया है। आपके द्वारा प्रदान किया गया पेपर इस तकनीक के भीतर एक विशिष्ट, कठिन समस्या को हल करता है: कैसे उन वस्तुओं को "देखना" है जो केवल एकल बिंदु (dots) नहीं हैं, बल्कि वास्तव में धुंधले, फैले हुए बादल (clouds) हैं (जैसे कारों का एक पूरा समूह या एक बड़ी इमारत), और साथ ही एक समय में कई लोगों से बात भी करना है।

यहाँ रोजमर्रा के उदाहरणों का उपयोग करके पेपर के विचारों का विवरण दिया गया है।

1. समस्या: "धुंधला बादल" बनाम "बिंदु"

अधिकांश वर्तमान रडार और संचार प्रणालियाँ लक्ष्यों को एकल बिंदुओं के रूप में देखने के लिए डिज़ाइन की गई हैं, जैसे मानचित्र पर प्रकाश की एक छोटी सी बिंदी। यह दूर स्थित एक अकेली कार के लिए बहुत अच्छा काम करता है।

हालाँकि, वास्तविक दुनिया में (विशेष रूप से सेल्फ-ड्राइविंग कारों के लिए), लक्ष्य अक्सर वितरित क्लस्टर (distributed clusters) होते हैं। लक्ष्य को एक एकल पिन के बजाय, एक धुंधले बादल या मधुमक्खियों के झुंड के रूप में सोचें।

समस्या: पारंपरिक उच्च-तकनीकी गणितीय उपकरण (जैसे कि पेपर में उल्लेखित "MUSIC" एल्गोरिदम) भूसे के ढेर में सुई खोजने की तरह हैं। जब लक्ष्य किरणों का एक पूरा "बादल" होता है, तो ये उपकरण भ्रमित हो जाते हैं क्योंकि सिग्नल तीखा होने के बजाय "भरा हुआ" और अव्यवset दिखता है। वे यह बताने में विफल रहते हैं कि बादल का केंद्र कहाँ है या बादल कितना फैला हुआ है।
लक्ष्य: लेखक एक ऐसी प्रणाली चाहते थे जो सिग्नल कमजोर होने पर भी (कम बैटरी/सिग्नल स्ट्रेंथ) इस "बादल" के केंद्र और इसकी चौड़ाई (फैलाव) दोनों को सटीक रूप से माप सके।

2. समाधान: एक दो-चरणीय जासूस (Two-Stage Detective)

इसे हल करने के लिए, लेखकों ने एक दो-चरणीय अनुमान प्रक्रिया बनाई है। इसे एक ऐसे जासूस की तरह समझें जो भीड़ भरे कमरे में संदिग्ध की पहचान करने की कोशिश कर रहा है।

चरण 1: वाइड-एंगल सर्च (एक "कोर्स" अनुमान)
- उपकरण: वे फास्ट फूरियर ट्रांसफॉर्म (FFT) का उपयोग करते हैं।
- उदाहरण: एक अंधेरे कमरे में वाइड-एंगल फ्लैशलाइट के साथ स्कैन करने की कल्पना करें। आप अभी विवरण नहीं देख सकते, लेकिन आप जल्दी से पता लगा सकते हैं कि हलचल मोटे तौर पर कहाँ हो रही है। यह चरण एक चतुर गणितीय ट्रिक (जिसे "मैनिफोल्ड सेपरेशन" कहा जाता है) का उपयोग करता है ताकि एक जटिल, घुमावदार समस्या को एक सीधी रेखा में बदला जा सके, जिससे कंप्यूटर एक बहुत तेज़ "सर्चलाइट" एल्गोरिदम का उपयोग करके लक्ष्यों की सामान्य दिशा और फैलाव का पता लगा सके।
- परिणाम: यह एक त्वरित, मोटा अनुमान देता है कि "बादल" कहाँ हैं।
चरण 2: आवर्धक लेंस (एक "फाइन" अनुमान)
- उपकरण: वे गॉस-न्यूटन विधि (Gauss-Newton method) का उपयोग करते हैं।
- उदाहरण: एक बार जब वाइड-एंगल फ्लैशलाइट सामान्य क्षेत्र का पता लगा लेती है, तो जासूस एक आवर्धक लेंस (magnifying glass) निकालता है। यह चरण चरण 1 से प्राप्त मोटे अनुमान को लेता है और उसे "फाइन-ट्यून" करता है। यह बादल के केंद्र और उसके सटीक विस्तार को मापने के लिए संख्याओं को थोड़ा समायोजित करता है।
- परिणाम: यह चरण सटीकता में नाटकीय रूप से सुधार करता है, विशेष रूप से तब जब सिग्नल कमजोर हो (जैसे धुंध में देखना)। पेपर का दावा है कि यह विधि सिग्नल कमजोर होने पर पुराने तरीकों की तुलना में लक्ष्य की "चौड़ाई" को मापने में तीन गुना बेहतर है।

3. बीमफॉर्मर: "स्मार्ट स्पॉटलाइट"

यह प्रणाली केवल एक निष्क्रिय पर्यवेक्षक नहीं है; इसे सेंसिंग करने के लिए सिग्नल भेजने होते हैं। यहीं पर बीमफॉर्मिंग (Beamforming) आता है।

चुनौती: सिस्टम को एक साथ दो काम करने होते हैं:
1. बात करना: कई उपयोगकर्ताओं से बात करना (जैसे आपके फोन को डेटा भेजना)।
2. सेंस करना: बिखरे हुए लक्ष्यों को महसूस करना (जैसे केवल एक कार के बजाय पूरे पार्किंग स्थल को रोशन करना)।
3. स्व-हस्तक्षेप से बचना: चूंकि सिस्टम "फुल डुप्लेक्स" (एक ही समय में बात करना और सुनना) है, इसलिए ट्रांसमीटर की तेज़ आवाज़ अपने ही कानों को बहरा कर सकती है।
समाधान: लेखकों ने एक एडाप्टिव बीमफॉर्मर (adaptive beamformer) डिज़ाइन किया है।
- उदाहरण: एक स्टेज स्पॉटलाइट ऑपरेटर की कल्पना करें जिसे एक ही समय में तीन काम करने होते हैं:
  1. एक विशिष्ट अभिनेता (संचार उपयोगकर्ता) पर एक केंद्रित, चमकीली बीम चमकाना।
  2. पूरे दृश्य (scenery) को देखने के लिए पूरे स्टेज पर एक विस्तृत, फैला हुआ फ्लडलाइट जलाना (वितरित लक्ष्य)।
  3. शोर रद्द करने वाले हेडफ़ोन पहनना ताकि तेज़ स्पॉटलाइट उन्हें बहरा न कर दे।
- पेपर का गणित एक ऐसा "स्मार्ट स्पॉटलाइट" बनाता है जो बीम को पूरी तरह से आकार देता है ताकि वह लक्ष्य के पूरे "बादल" को कवर कर सके, जबकि साथ ही उपयोगकर्ताओं को तेज़ डेटा भी दे सके और सिस्टम को अपने ही शोर से अभिभूत होने से बचा सके।

4. परिणाम: यह क्यों महत्वपूर्ण है

लेखकों ने अपने नए "दो-चरणीय जासूस" और "स्मार्ट स्पॉटलाइट" का परीक्षण करने के लिए कंप्यूटर सिमुलेशन चलाए।

गति और दक्षता: उनकी विधि पुराने तरीकों की तुलना में बहुत तेज़ है। जहाँ पुराने तरीकों को प्रत्येक संभावित कोण के लिए भारी, धीमी गणितीय गणना करनी पड़ती थी, वहीं उनकी विधि उत्तर खोजने के लिए लगभग तुरंत एक "लुकअप टेबल" (जैसे कि पहले से गणना किया गया चीट शीट) का उपयोग करती है।
सटीकता:
- कम-सिग्नल स्थितियों में (जैसे तूफानी रात में), उनकी विधि अगले सबसे अच्छे तरीके की तुलना में लक्ष्य के कितने "फैले हुए" होने को मापने में तीन गुना बेहतर थी।
- यहाँ तक कि बहुत संकीर्ण (tight) लक्ष्यों के लिए भी, वे दो गुना अधिक सटीक थे।
संतुलन: सिस्टम ने सफलतापूर्वक उपयोगकर्ताओं को डेटा भेजने और लक्ष्यों को सेंस करने का काम एक साथ प्रबंधित किया, बिना सिस्टम को खुद को "अंधा" किए।

सारांश

सरल शब्दों में, यह पेपर प्रस्तुत करता है कि भविष्य की वायरलेस प्रणालियों के लिए एकल बिंदुओं के बजाय "धुंधली" वस्तुओं (जैसे कारों के समूह या इमारतों) को देखने का एक नया तरीका क्या है। यह इसे एक दो-चरणीय प्रक्रिया (एक त्वरित स्कैन के बाद एक सटीक समायोजन) और एक स्मार्ट बीम-शेपिंग तकनीक का उपयोग करके करता है जो सिस्टम को भ्रमित या अभिभूत हुए बिना लोगों से बात करने और वातावरण को स्कैन करने की अनुमति देता है। परिणाम एक ऐसी प्रणाली है जो वर्तमान तकनीक की तुलना में तेज़, अधिक सटीक और कमजोर संकेतों को संभालने में बेहतर है।

तकनीकी सारांश: क्लस्टर रे टारगेट्स के साथ फुल डुप्लेक्स ISAC

समस्या विवरण
यह कार्य इंटीग्रेटेड सेंसिंग एंड कम्युनिकेशन (ISAC) प्रणालियों में महत्वपूर्ण सीमाओं को संबोधित करता है, विशेष रूप से अगली पीढ़ी के 6G वायरलेस नेटवर्क के संदर्भ में। पारंपरिक उच्च-रिज़ॉल्यूशन अनुमान विधियाँ, जैसे कि MUSIC, वितरित लक्ष्यों (distributed targets) को सटीक रूप से स्थानीयकृत करने में विफल रहती हैं क्योंकि एकल-लक्ष्य परिदृश्यों में भी सिग्नल सबस्पेस फुल-रैंक हो जाता है। इसके अलावा, मौजूदा साहित्य अक्सर रडार लक्ष्यों को 'फार फील्ड' में बिंदु वस्तुओं (point objects) के रूप में मॉडल करता है, जो संचार उपयोगकर्ताओं के लिए तो मान्य है लेकिन वाहन-से-इन्फ्रास्ट्रक्चर (V2I) और वाहन-से-सब कुछ (V2X) सेंसिंग परिदृश्यों के लिए अमान्य है जहाँ लक्ष्यों का स्थानिक विस्तार (spatial extent) होता है। इसके अतिरिक्त, मौजूदा विस्तारित लक्ष्य मॉडल (जैसे कि ट्रंकेटेड फूरियर सीरीज़) अक्सर अत्यधिक गणनात्मक लागत (computational costs) उत्पन्न करते हैं और उन नियतात्मक धारणाओं पर निर्भर करते हैं जो रडार चैनलों की स्टोकेस्टिक प्रकृति की अनदेखी करते हैं। अंततः, पूर्व बीमफॉर्मिंग डिज़ाइन अक्सर फुल-डुप्लेक्स (FD) प्रणालियों में सेल्फ-इंटरफेरेंस (SI) के बाधाओं और वितरित लक्ष्यों को रोशन करने तथा उपयोगकर्ता डेटा दरों को संतुष्ट करने की समवर्ती आवश्यकता को नजरअंदाज करते हैं।

कार्यप्रणाली
लेखक एक फुल-डुप्लेक्स (FD) MIMO ISAC फ्रेमवर्क प्रस्तावित करते हैं जो मिलीमीटर-वेव आवृत्तियों पर OFDM वेवफॉर्म का उपयोग करके संचालित होता है। यह प्रणाली कई डाउनलिंक संचार उपयोगकर्ताओं को सेवा प्रदान करती है जबकि $K$ वितरित क्लस्टर रे (CR) लक्ष्यों को सेंस करती है, जहाँ प्रत्येक लक्ष्य को विशिष्ट कोणीय और रेंज प्रसार (angular and range spreads) के साथ किरणों के एक क्लस्टर के रूप में मॉडल किया गया है, जो 3GPP मानकों का पालन करता है।

प्रस्तावित समाधान का मुख्य भाग दो मुख्य घटकों से मिलकर बना है:

दो-चरणीय पैरामीटर अनुमानक (Two-Stage Parameter Estimator):
- चरण 1 (मोटा अनुमान/Coarse Estimation): लेखक एक मैनिफोल्ड सेपरेशन तकनीक (MST) का उपयोग करते हैं ताकि एरे रिस्पांस वेक्टर्स के नॉन-लीनियर डायरेक्शनल फेज घटकों को लीनियर फेज घटकों में बदला जा सके। यह लक्ष्य स्पेक्ट्रम के निर्माण के लिए फास्ट फूरियर ट्रांसफॉर्म (FFT) का उपयोग करने की अनुमति देता है। स्थानिक मैनिफोल्ड को एरे आयामों से अलग करके, यह विधि 1D और 2D FFT ऑपरेशन्स के माध्यम से एक 2D लुकअप टेबल का निर्माण करती है। यह मूविंग-एवरेज फ़िल्टर का उपयोग करके कोणों और कोणीय प्रसार के ग्रिड पर स्थानिक स्पेक्ट्रम के तीव्र मूल्यांकन को सक्षम बनाता है, जिससे प्रत्येक ग्रिड पॉइंट पर महंगी मैट्रिक्स गुणन (matrix multiplications) की आवश्यकता समाप्त हो जाती है।
- चरण 2 (सूक्ष्म अनुमान/Fine Estimation): मोटे अनुमानों को परिष्कृत करने के लिए, एक गॉस-न्यूटन ऑप्टिमाइज़ेशन विधि लागू की जाती है। यह चरण सैद्धांतिक और अनुमानित कोवेरिएंस मैट्रिसेस के बीच के अंतर पर आधारित एक वेटेड लीस्ट-स्क्वायर्स ऑब्जेक्टिव फंक्शन को कम करता है। पैरामीटर वेक्टर (मीन एंगल, कोणीय प्रसार और सिग्नल पावर) को इटरेटिव रूप से अपडेट करने के लिए विश्लेषणात्मक डेरिवेटिव का उपयोग किया जाता है।
अनुकूली बीमफॉर्मिंग अनुकूलन (Adaptive Beamforming Optimization):
लेखक ट्रांसमिट बीमफॉर्मर ( $V$ ) को डिजाइन करने के लिए एक अनुकूलन फ्रेमवर्क प्रस्तावित करते हैं। इसका उद्देश्य डिज़ाइन किए गए बीमफॉर्मर और एक "आदर्श" बीमफॉर्मर के बीच वेटेड दूरी को कम करना है जो सभी लक्ष्यों के स्थानिक विस्तार को पूरी तरह से रोशन करता है। यह अनुकूलन तीन बाधाओं के अधीन है:
- डेटा दर: सभी संचार उपयोगकर्ताओं के लिए न्यूनतम डेटा दर आवश्यकताओं को पूरा करना।
- सेल्फ-इंटरफेरेंस (SI): रिसीवर RF चेन्स पर अवशिष्ट SI पावर (एनालॉग कैंसलेशन के बाद) को सीमित करना ताकि सैचुरेशन को रोका जा सके।
- पावर: कुल ट्रांसमिट पावर सीमाओं का पालन करना।
  नॉन-कॉन्वेक्स डेटा दर बाधा को सेकंड-ऑर्डर कोन (SOC) बाधा में पुनर्गठित किया गया है, जिससे पूरी समस्या कॉन्वेक्स बन जाती है और CVX जैसे मानक टूल्स के माध्यम से हल करने योग्य हो जाती है।

प्रमुख योगदान

वितरित लक्ष्य मॉडलिंग: यह कार्य ISAC के संदर्भ में एक गणनात्मक रूप से कुशल वितरित CR मॉडल (जो 3GPP द्वारा प्रस्तावित है) का उपयोग करके स्थानिक रूप से फैले या क्लस्टर्ड लक्ष्यों का अध्ययन करने वाला पहला कार्य है, जो पॉइंट-ऑब्जेक्ट धारणाओं से आगे बढ़ता है।
कम-जटिलता वाला अनुमान: प्रस्तावित दो-चरणीय अनुमानक कई वितरित लक्ष्यों को सफलतापूर्वक हल करता है। यह पारंपरिक सबस्पेस-आधारित विधियों (जैसे ज़ौबिर, DISPARE, या जनरलाइज्ड कैपोन) से जुड़ी $O(N_A^3)$ गणनात्मक बोझ के बिना, FFT-आधारित ऑपरेशन्स का उपयोग करके जटिलता को काफी कम कर देता है।
संयुक्त सेंसिंग और कम्युनिकेशन बीमफॉर्मिंग: लेखक एक अनुकूलन फ्रेमवर्क पेश करते हैं जो अनुकूली बीम को सिंथेसाइज करता है जो वितरित लक्ष्यों को कवर करने के लिए पूर्ण विस्तार में सक्षम है, जबकि कड़ाई से उपयोगकर्ता QoS बनाए रखता है और FD सिस्टम में सेल्फ-इंटरफेरेंस को प्रबंधित करता है।

परिणाम
सिमुलेशन परिणाम प्रस्तावित फ्रेमवर्क की प्रभावकारिता को प्रदर्शित करते हैं:

प्रसार अनुमान (Spread Estimation): प्रस्तावित विधि निम्न सिग्नल-टू-नॉइज़ रेशियो (SNR) स्थितियों में बेसलाइन सबस्पेस-आधारित स्कीम्स की तुलना में कोणीय प्रसार के अनुमान में तीन गुना सुधार दिखाती है। लो-स्प्रेड लक्ष्यों के लिए, दो गुना सुधार देखा गया है।
कोण अनुमान (Angle Estimation): जबकि प्रस्तावित अनुमानक लो SNR शासन में बेसलाइन्स के प्रदर्शन का अनुसरण करता है, यह 10 dB से अधिक SNR होने पर उन्हें महत्वपूर्ण रूप से पीछे छोड़ देता है।
मजबूती (Robustness): फाइन-ट्यूनिंग चरण को कोणीय प्रसार ( $\sigma_\theta$ ) के लिए माध्य कोण ( $\theta$ ) की तुलना में अधिक सटीकता सुधार प्रदान करता है। यह विधि बदलते लक्ष्य प्रसारों के बावजूद मजबूत बनी रहती है, जो व्यापक फैलाव के दौरान भी बेहतर प्रदर्शन बनाए रखती है, जबकि कुछ बेसलाइन विधियाँ (जैसे जनरलाइज्ड कैपोन) चरम प्रसार पर गिरावट या बायस दिखाती हैं।
बीमफॉर्मिंग: डिज़ाइन किया गया बीमपैटर्न आदर्श सेंसिंग पैटर्न के करीब रहता है जो लक्ष्यों को रोशन करने के लिए आवश्यक है, भले ही वह उपयोगकर्ता डेटा दर बाधाओं को पूरा कर रहा हो और SI पावर को RF सैचुरेशन थ्रेशोल्ड से नीचे रख रहा हो।

महत्व
यह पेपर दावा करता है कि इसकी प्राथमिक महत्ता वितरित लक्ष्यों के साथ काम करने वाले ISAC सिस्टम की गणनात्मक और मॉडलिंग बाधाओं को हल करने में निहित है। MST-आधारित दृष्टिकोण का उपयोग करके, लेखक एक स्केलेबल समाधान प्रदान करते हैं जो मैसिव MIMO एरे के लिए पारंपरिक ग्रिड-सर्च अनुमानकों की अत्यधिक जटिलता से बचता है। इसके अलावा, यह कार्य लक्षित इल्यूमिनेशन आवश्यकताओं को सीधे बीमफॉर्मिंग अनुकूलन में एकीकृत करके सैद्धांतिक लक्ष्य मॉडलिंग और व्यावहारिक सिस्टम डिज़ाइन के बीच के अंतर को पाटता है, यह सुनिश्चित करता है कि संचार मांगों या सेल्फ-इंटरफेरेंस जैसी हार्डवेयर सीमाओं के कारण सेंसिंग प्रदर्शन से समझौता न हो। परिणाम बताते हैं कि यह फ्रेमवर्क वास्तविक दुनिया के विस्तारित लक्ष्यों की जटिल, स्टोकेस्टिक प्रकृति को संभालने में सक्षम हाई-रिज़ॉल्यूशन, फुल-डुप्लेक्स ISAC सिस्टम के लिए एक व्यवहार्य मार्ग प्रदान करता है।

1. समस्या: "धुंधला बादल" बनाम "बिंदु"

2. समाधान: एक दो-चरणीय जासूस (Two-Stage Detective)

3. बीमफॉर्मर: "स्मार्ट स्पॉटलाइट"

4. परिणाम: यह क्यों महत्वपूर्ण है

सारांश

इसी तरह के और पेपर