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

Sintesi Tecnica: ISAC Full-Duplex con Cluster di Raggi (Cluster Ray Targets)

Problematica
Questo lavoro affronta le criticità fondamentali dei sistemi Integrated Sensing and Communication (ISAC), specificamente nel contesto delle reti wireless 6G di prossima generazione. I convenzionali metodi di stima ad alta risoluzione, come MUSIC, falliscono nell'localizzare accuratamente i target distribuiti poiché il sottospazio del segnale diventa a pieno rango anche in scenari con un singolo target. Inoltre, la letteratura esistente spesso modella i target radar come oggetti puntiformi nel campo lontano, un'assunzione valida per gli utenti di comunicazione ma non per gli scenari di sensing vehicle-to-infrastructure (V2I) e vehicle-to-everything (V2X), dove i target possiedono un'estensione spaziale. Inoltre, i modelli esistenti per target estesi (ad esempio, serie di Fourier troncate) spesso comportano costi computazionali proibitivi e si basano su assunzioni deterministiche che ignorano la natura stocastica dei canali radar. Infine, i precedenti design di beamforming trascurano spesso i vincoli dell'auto-interferenza (SI) nei sistemi full-duplex (FD) e il requisito simultaneo di illuminare i target distribuiti pur soddisfacendo i tassi di dati degli utenti.

Metodologia
Gli autori propongono un framework per un sistema MIMO ISAC Full-Duplex (FD) che opera a frequenze millimetriche utilizzando segnali OFDM. Il sistema serve molteplici utenti di comunicazione downlink mentre esegue il sensing di $K$ target distribuiti Cluster Ray (CR), dove ogni target è modellato come un cluster di raggi con specifiche dispersioni angolari e di range, aderendo agli standard 3GPP.

Il nucleo della soluzione proposta consiste in due componenti principali:

1. Stimatore di Parametri a Due Stadi:

   • Stadio 1 (Stima Grossolana): Gli autori impiegano una Tecnica di Separazione del Manifold (MST) per trasformare le componenti di fase direzionali non lineari dei vettori di risposta dell'array in componenti di fase lineari. Ciò consente la costruzione dello spettro del target tramite una Trasformata Rapida di Fourier (FFT). Decoupiando il manifold spaziale dalle dimensioni dell'array, il metodo costruisce una tabella di lookup 2D tramite operazioni FFT 1D e 2D. Questo consente la valutazione rapida dello spettro spaziale attraverso una griglia di angoli e dispersioni angolari utilizzando un filtro a media mobile, evitando la necessità di costose moltiplicazioni matriciali ad ogni punto della griglia.
   • Stadio 2 (Stima Fine): Per raffinare le stime grossolane, viene applicato un metodo di ottimizzazione Gauss-Newton. Questo stadio minimizza una funzione obiettivo di minimi quadrati pesati basata sulla differenza tra le matrici di covarianza teorica e stimata. Derivate analitiche vengono utilizzate per aggiornare iterativamente il vettore dei parametri (angolo medio, dispersione angolare e potenza del segnale).

2. Ottimizzazione del Beamforming Adattivo:
   Il documento propone un framework di ottimizzazione per progettare il beamformer di trasmissione ($V$). L'obiettivo è minimizzare la distanza pesata tra il beamformer progettato e un beamformer "ideale" che illumini completamente l'estensione spaziale di tutti i target. Questa ottimizzazione è soggetta a tre vincoli:

   • Data Rate: Soddisfare i requisiti minimi di data rate per tutti gli utenti di comunicazione.
   • Auto-interferenza (Self-Interference): Limitare la potenza di SI residua nelle catene RF del ricevitore (dopo la cancellazione analogica) per prevenire la saturazione.
   • Potenza: Adeguarsi ai limiti di potenza totale di trasmissione.
     Il vincolo non convesso del data rate viene riformulato in un vincolo di Cono Second-Order (SOC), rendendo il problema complessivo convesso e risolvibile tramite strumenti standard come CVX.

Contributi Chiave

• Modellazione di Target Distribuiti: Il lavoro è il primo a studiare target spazialmente estesi o raggruppati (clustered) nel contesto ISAC utilizzando un modello CR distribuito (proposto da 3GPP) computazionalmente efficiente, andando oltre le assunzioni di oggetti puntiformi.
• Stima a Bassa Complessità: Il proponente stimatore a due stadi risolve con successo molteplici target distribuiti. Esso raggiunge questo risultato senza il carico computazionale $O(N_A^3)$ per ogni punto della griglia associato ai convenzionali metodi basati su sottospazi (come quelli di Zoubir, DISPARE o Generalized Capon), utilizzando invece operazioni basate su FFT per ridurre significativamente la complessità.
• Beamforming Congiunto Sensing e Comunicazione: Gli autori introducono un framework di ottimizzazione che sintetizza beam adattivi capaci di coprire l'intera estensione dei target distribuiti, mantenendo rigorosamente la Qualità del Servizio (QoS) dell'utente e gestendo l'auto-interferenza nei sistemi FD.

Risultati
I risultati delle simulazioni dimostrano l'efficacia del framework proposto:

• Stima della Dispersione: Il metodo proposto mostra un miglioramento di tre volte nella stima della dispersione angolare in condizioni di basso rapporto segnale-rumore (SNR) rispetto ai baseline basati su sottospazio. Per target con bassa dispersione, si osserva un miglioramento di due volte.
• Stima dell'Angolo: Mentre il proposto stimatore segue le prestazioni dei baseline in regimi di basso SNR, supera significativamente questi ultimi una volta che l'SNR eccede i 10 dB.
• Robustezza: Lo stadio di fine-tuning fornisce miglioramenti di accuratezza maggiori per la dispersione angolare ($\sigma_\theta$) rispetto all'angolo medio ($\theta$). Il metodo rimane robusto attraverso diverse dispersioni di target, mantenendo prestazioni superiori anche quando la dispersione si amplia, laddove alcuni metodi baseline (come il Generalized Capon) mostrano degradazione o bias a dispersioni estreme.
• Beamforming: Il beampattern progettato corrisponde strettamente al pattern di sensing ideale richiesto per illuminare i target, pur soddisfacendo i vincoli di data rate dell'utente e mantenendo la potenza di SI al di sotto della soglia di saturazione RF.

Significatività
Il documento afferma che la sua principale significatività risiede nel risolvere i colli di bottiglia computazionali e di modellazione dei sistemi ISAC che gestiscono target distribuiti. Utilizzando l'approccio basato su MST, gli autori forniscono una soluzione scalabile che evita la proibitiva complessità degli stimatori tradizionali basati su ricerca su griglia per array massive MIMO. Inoltre, il lavoro colma il divario tra la modellazione teorica del target e il design pratico del sistema, integrando i requisiti di illuminazione del target direttamente nel beamforming, garantendo che le prestazioni di sensing non siano compromesse dalle richieste di comunicazione o dai limiti hardware come l'auto-interferenza. I risultati suggeriscono che questo framework offre una via percorribile verso sistemi ISAC full-duplex ad alta risoluzione capaci di gestire la natura complessa e stocastica dei target estesi del mondo reale.