⚡ electrical engineering

Multi-Functional RIS-enabled Radar and Communication Coexistence: Channel Modeling and a Sub-6 GHz Indoor Measurement Campaign

Questo articolo presenta un'analisi completa di un sistema di superficie intelligente riconfigurabile multifunzionale (MF-RIS) per la coesistenza tra radar e comunicazioni, combinando un modello di canale compatibile con lo standard 3GPP con misurazioni indoor a frequenza Sub-6 GHz per dimostrare come l'MF-RIS crei percorsi di linea di vista virtuali che eliminano i punti ciechi, riducono la varianza del throughput e migliorano il sum-rate in ambienti 5G SU-MIMO.

Autori originali: Anton Tishchenko, Demos Serghiou, Hamidreza Taghvaee, Arman Shojaeifard, Ahmed Elzanaty, Gabriele Gradoni, Mohsen Khalily, Rahim Tafazolli

Pubblicato 2026-02-09

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Anton Tishchenko, Demos Serghiou, Hamidreza Taghvaee, Arman Shojaeifard, Ahmed Elzanaty, Gabriele Gradoni, Mohsen Khalily, Rahim Tafazolli

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di avere una conversazione in una stanza affollata e piena di echi, dove la persona con cui stai parlando si muove continuamente. A volte la linea di vista diretta è ostruita da un muro, o il suono rimbalza su così tante superfici diverse che la tua voce diventa confusa e debole. Questo è esattamente il problema che le moderne reti wireless (come il 5G) affrontano al chiuso: i segnali si perdono, rallentano o fluttuano selvaggiamente quando gli utenti si muovono.

Questo articolo presenta una soluzione ingegnosa chiamata Multi-Functional Reconfigurable Intelligent Surface (MF-RIS). Pensa a questo non come a una normale antenna, ma come a uno "specchio intelligente" per le onde radio.

Ecco una ripartizione di ciò che i ricercatori hanno fatto e scoperto, utilizzando analogie semplici:

1. Il Problema: L'effetto "Camera dell'Eco"

In una tipica stanza al chiuso, il segnale del tuo telefono colpisce pareti, mobili e persone, rimbalzando ovunque come una pallina di pinball. Questo crea un ambiente disordinato in cui la forza del segnale sale e scende in modo imprevedibile. Se ti stai muovendo, la connessione può interrompersi o rallentare perché i percorsi della "pallina" cambiano costantemente.

2. La Soluzione: Lo "Specchio Intelligente" (MF-RIS)

I ricercatori hanno costruito un grande pannello piatto (l'MF-RIS) che agisce come uno specchio intelligente.

Non si limita a riflettere; focalizza. A differenza di uno specchio normale che riflette la luce in una direzione fissa, questo specchio intelligente può essere programmato per piegare le onde radio precisamente verso una persona specifica, anche se questa si sta muovendo.
Crea una "Linea di Vista Virtuale". Anche se un muro blocca il percorso diretto tra la stazione base (Base Station) e il tuo telefono, lo specchio crea un nuovo percorso pulito. È come se lo specchio stesse costruendo un ponte temporaneo e invisibile per permettere al segnale di attraversare la stanza senza colpire ostacoli.

3. Gli "Occhi" del Sistema (Integrazione Radar)

Questo non è solo uno specchio passivo; ha degli "occhi". I ricercatori hanno integrato un sistema radar nella configurazione.

Il Tracciatore: Immagina che lo specchio abbia un radar integrato che scansiona costantemente la stanza per vedere esattamente dove stai camminando.
Il Riflesso: Mentre ti muovi, il radar dice allo specchio: "La persona si è spostata a sinistra!". Lo specchio adatta istantaneamente la sua superficie (come migliaia di piccole piastrelle programmabili) per mantenere il segnale focalizzato su di te. Questo avviene in tempo reale, con un leggero ritardo di circa 0,1 secondi (all'incirca il tempo necessario per un battito di ciglia).

4. L'Esperimento: Testare lo Specchio

Il team ha allestito due diversi scenari indoor: un grande auditorium e una piccola sala riunioni. Hanno bloccato il percorso diretto del segnale per simulare un ambiente difficile e poi hanno acceso e spento lo "specchio intelligente" per confrontare i risultati.

Cosa hanno misurato:

L' "Effetto Sfocatura" (Delay Spread): In una stanza disordinata, i segnali arrivano in tempi diversi (alcuni rimbalzano sul soffitto, altri sul pavimento), causando una "sfocatura" che rallenta i dati. Lo specchio ha ridotto significamente questa sfocatura creando un percorso unico, forte e diretto.
La "Stabilità" (Channel Hardening): Senza lo specchio, la forza del segnale era come una lampadina che sfarfalla. Con lo specchio, è diventata un fascio costante e luminoso.
La "Velocità" (Throughput): Hanno testato le velocità effettive di internet su un telefono 5G.

5. I Risultati: Cosa è Successo?

Quando hanno acceso l'MF-RIS, i risultati sono stati impressionanti:

Connessione più fluida: La variazione di velocità è scesa del 74%. Ciò significa che la connessione ha smesso di scattare ed è diventata molto stabile, anche mentre l'utente camminava.
Velocità maggiori: La velocità totale dei dati è migliorata del 12,5%.
Nessun "Punto Cieco": Hanno scoperto che anche quando il percorso diretto era bloccato, lo specchio creava un forte percorso alternativo, eliminando efficacemente le "zone morte" nella stanza.

6. La "Matematica" dietro la Magia

I ricercatori non hanno tirato a indovinare; hanno costruito un nuovo modello matematico per descrivere come funzionano questi specchi.

Hanno scoperto che i vecchi modelli (che assumevano che i segnali si comportassero come rumore casuale) non erano adatti. Inveve, i segnali con lo specchio si comportavano in modo più prevedibile, come un fascio focalizzato.
Hanno capito che lo specchio deve essere programmato diversamente a seconda della distanza. Se sei vicino (near-field), lo specchio deve focalizzare come una lente d'ingrandimento. Se sei lontano (far-field), agisce più come un riflettore standard. Hanno creato istruzioni specifiche (codici/codebooks) per entrambi gli scenari.

Riassunto

In breve, questo articolo dimostra che uno specchio intelligente dotato di radar può risolvere la natura disordinata e imprevedibile dei segnali 5G indoor. Tracciando un utente in movimento e regolando costantemente la riflessione, crea un "tunnel virtuale" stabile e ad alta velocità per i dati, rendendo la connessione wireless solida e affidabile quanto un cavo fisico, anche in una stanza affollata e piena di ostacoli.

Problema

La rapida evoluzione del 5G e la crescita prevista delle reti private hanno posto richieste senza precedenti alla qualità della rete e al consumo energetico. Sebbene le Superfici Intelligenti Riconfigurabili (RIS) offrano una soluzione a basso consumo per migliorare la propagazione wireless, il loro dispiegamento pratico è ostacolato dagli elevati costi, dai potenziali interferenze e dalle complessità di implementazione. Inoltre, la letteratura manca di studi dettagliati sui sistemi MF-RIS (Multi-Functional RIS) che integrano rilevamento (radar) e comunicazione, in particolare riguardo a:

Modellazione del Canale: Esiste una scarsità di modelli accurati di canale fast-fading per i collegamenti assistiti da RIS che tengano conto dei componenti non-line-of-sight (NLoS) e degli effetti in campo vicino (near-field), che dominano gli scenari indoor.
Localizzazione: Gli studi pratici basati su misurazioni per la localizzazione dell'utente (UE) utilizzando il radar integrato sulla RIS sono ampiamente inesplorati.
Dinamiche del Campo Vicino: Il comportamento della RIS nel campo vicino (dove la dimensione della superficie è grande rispetto alla lunghezza d'onda) rimane in gran parte non caratterizzato rispetto alle assunzioni di campo lontano (far-field).

Metodologia

Gli autori hanno condotto una campagna di misurazione indoor completa presso il 5G/6G Innovation Centre dell'Università di Surrey utilizzando un sistema MF-RIS personalizzato.

1. Architettura del Sistema:

Hardware MF-RIS: Una RIS digitale a 4 bit che opera a 3,5 GHz (Sub-6 GHz) con 1.850 celle unitarie ( $50 \times 37$ ). Integra un radar mmWave a 60 GHz (TI IWR6843ISK) per il tracciamento dell'utente.
Configurazione di Comunicazione: Un sistema 5G New Radio (NR) Single User MIMO (SU-MIMO) 2x2 utilizzando hardware LimeNET e uno smartphone 4x4 MIMO per i test di throughput.
Scenari: Le misurazioni sono state eseguite in due ambienti indoor: un grande auditorium ( $14,6 \times 10,8$ m) e una sala riunioni ( $7,3 \times 4,3$ m). Entrambi gli scenari presentavano una linea di vista (LoS) bloccata tra la Base Station (BS) e l'UE, facendo affidamento sui percorsi NLoS e sulla RIS.

2. Framework Teorico:

Modellazione del Canale: Gli autori hanno derivato un modello Geometric-Based Stochastic Model (GBSM) compatibile con il 3GPP per il canale BS-RIS-UE. Questo modello incorpora:
- La sezione trasversale radar (RCS) e i pattern di ri-irradiazione per la RIS.
- Una struttura di canale a cascata che include la LoS BS-RIS, la LoS RIS-UE (creando una "Virtual LoS" o vLoS) e il percorso diretto NLoS BS-UE.
- Statistiche di fast-fading derivate da dati empirici, testando distribuzioni oltre il convenzionale modello di Rayleigh.
Algoritmo di Localizzazione: È stato implementato un algoritmo di tracciamento dell'UE in tempo reale utilizzando il DBSCAN (Density-Based Spatial Clustering of Applications with Noise) sulle nuvole di punti radar, seguito da un filtro di Kalman per la previsione della mobilità e gli aggiornamenti della sintesi di fase.
Sintesi di Fase: Sono stati derivati metodi distinti di generazione del codebook per:
- Campo Vicino (Near-Field): Utilizzando modelli di fronte d'onda sferico e funzioni di Green per compensare la fase di propagazione e la curvatura di Fresnel.
- Campo Lontano (Far-Field): Utilizzando gradienti di fase lineari per il beam steering.

3. Procedura Sperimentale:

Misurazioni Statiche: Utilizzo di un generatore di forme d'onda e un oscilloscopio in tempo reale per catturare le risposte complesse del canale, i profili di ritardo di potenza (PDP) e gli spread di ritardo a varie angolazioni (5°–60°) e distanze (1–10 m).
Misurazioni Dinamiche: Un UE in movimento (velocità costante) è stato tracciato per valutare il throughput del sistema e gli effetti di channel hardening in tempo reale.

Contributi Chiave

Modello di Canale Compatibile con 3GPP: Il documento presenta un modello di canale derivato basato sui pattern RCS e di ri-irradiazione della RIS, compatibile con 3GPP TR 38.901. Modella esplicitamente la componente vLoS e il percorso NLoS BS-UE, spesso trascurati nella letteratura esistente.
Analisi della Distribuzione del Fading: Lo studio dimostra che il convenzionale modello di fading di Rayleigh non è adatto per i canali assistiti da MF-RIS. Al contrario, il canale è meglio descritto da una distribuzione di Weibull su larghezze di banda ampie e da una distribuzione log-normale su larghezze di banda strette.
Derivazione del Codebook per il Campo Vicino: Gli autori forniscono derivazioni esatte per la sintesi di fase nel campo vicino, evidenziando le differenze fondamentali dai gradienti di fase lineari del campo lontano necessari per focalizzare l'energia nella regione del campo vicino.
Localizzazione e Tracciamento Integrati: Viene dettagliato un algoritmo di localizzazione pratica che ha raggiunto una latenza media di predizione di 127 ms e un'accuratezza media della stima dell'angolo di arrivo (AoA) di 6,47°.
Caratterizzazione Empirica del Canale: Parametri su larga scala (path loss, shadow fading) e su piccola scala (fattore K di Rice, RMS delay spread, potenze dei cluster) sono stati misurati e tabulati per entrambi gli scenari RIS-on e RIS-off.

Risultati

Channel Hardening: La MF-RIS crea efficacemente un percorso vLoS, "indurendo" (hardening) il canale wireless MIMO. Ciò riduce la casualità del guadagno del canale.
Riduzione dello Spread di Ritardo: Nel campo vicino (2 m), la RIS ha ridotto significamente l'RMS delay spread rispetto allo scenario solo NLoS, aumentando così la larghezza di banda di coerenza.
Prestazioni di Throughput:
- Nel sistema 5G NR SU-MIMO 2x2, l'aggiunta della MF-RIS ha comportato una riduzione del 74% della varianza del throughput e un miglioramento del 12,5% del sum-rate nel campo vicino rispetto alla configurazione senza RIS.
- A una distanza di 4 m, il sistema mostra comunque miglioramenti (aumento medio del throughput dell'8,2%), sebbene i guadagni siano minori man mano che il canale si sposta verso il campo lontano.
Mitigazione dei Blind Spot: Lo studio ha rilevato che la propagazione indoor Sub-6 GHz con MF-RIS è ampiamente priva di punti ciechi, anche quando la LoS diretta è bloccata, grazie alla creazione di percorsi vLoS affidabili.
Accuratezza della Localizzazione: Il tracciamento basato sul radar ha mantenuto l'allineamento con il limite inferiore di Cramér-Rao (CRLB) per utenti statici o a velocità costante, con errori che si allineano rapidamente (3-4 durate di frame) dopo i cambiamenti di traiettoria.

Significato e Rivendicazioni

Il documento sostiene che il sistema MF-RIS proposto colma le lacune critiche nello sviluppo della tecnologia RIS, dimostrando una piattaforma integrata di sensing e comunicazione pratica. La sua importanza risiede nel:

Validare la "Loose Integration" di ISAC: Dimostra che la MF-RIS può abilitare l'Integrated Sensing and Communication (ISC) con modifiche minime alle architetture 5G esistenti.
Fornire un Modello Basato su Misurazioni: Integrando derivazioni teoriche con estesi dati empirici, il documento offre un modello di canale validato che può essere utilizzato in simulatori di ray-tracing e strumenti di pianificazione di rete.
Dimostrare il Channel Hardening: I risultati forniscono prove del fatto che la MF-RIS può stabilizzare i canali MIMO in ambienti indoor dinamici, riducendo le fluttuazioni del throughput e migliorando l'affidabilità per gli utenti in movimento.
Fattibilità del Campo Vicino: Il lavoro conferma che la focalizzazione nel campo vicino è realizzabile e vantaggiosa per gli scenari indoor, sfidando l'assunzione che la RIS sia efficace solo in condizioni di campo lontano.

Gli autori concludono che, sebbene la MF-RIS introduca complessità nella progettazione del codebook e nella sintesi di fase, i conseguenti miglioramenti nella stabilità del canale, nel throughput e nell'accuratezza della localizzazione la rendono un candidato valido per le future reti indoor 6G.