Low-Complexity Tensor-Based Monostatic Sensing for IRS-Assisted Communication Systems

Sintesi Tecnica: Sensing Monostatico Basato su Tensori a Bassa Complessità per Sistemi di Comunicazione Assistiti da IRS

Enunciato del Problema
Il documento affronta la sfida della stima dei parametri nei sistemi ISAC (Integrated Sensing and Communications) assistiti da Superfici Riflettenti Intelligenti (IRS). Nello specifico, si concentra su uno scenario di sensing monostatico in cui una stazione base (BS) trasmette una forma d'onda OFDM (Orthogonal Frequency Division Multiplexing), che viene riflessa da un IRS, rimbalza su un bersaglio e ritorna alla BS. L'obiettivo è stimare congiuntamente il ritardo del bersaglio ($\tau$), lo spostamento Doppler ($\nu$) e le informazioni angolari (Angolo di Partenza, $\theta$).

Gli approcci esistenti, come il metodo di riferimento in [11], si basano su rivelatori GLRT (Generalized Likelihood Ratio Test) che richiedono ricerche di picco multidimensionali computazionalmente intensive (nello specifico una ricerca quadridimensionale su ritardo, Doppler, azimut ed elevazione). Sebbene efficaci, questi metodi soffrono di un'elevata complessità computazionale, in particolare quando le griglie di ricerca per ritardo e Doppler sono accoppiate, portando a una complessità proporzionale al prodotto delle dimensioni delle griglie ($R_\tau R_\nu$).

Metodologia
Gli autori propongono una soluzione a bassa complessità che reinterpreta il segnale eco ricevuto come un tensore di terzo ordine di rango uno. La metodologia fondamentale prevede i seguenti passaggi:

1. Modellazione del Sistema e Riformulazione del Segnale: Il segnale ricevuto è modellato considerando il collegamento BS-IRS-Bersaglio-IRS-BS. Per disaccoppiare i parametri angolari dal parametro Doppler, gli autori adottano un protocollo di spostamento di fase IRS basato sulla ripetizione. Il pattern di spostamento di fase dell'IRS viene ripetuto su un blocco di $Q$ simboli OFDM e variato attraverso $L$ blocchi (simboli totali $M=QL$). Questa struttura permette di decomporre il vettore di steering nel dominio del tempo in prodotti di Kronecker di vettori relativi all'indice del blocco e all'indice intra-blocco.
2. Formulazione Tensoriale: Sfruttando questa struttura ripetitiva, la matrice del segnale ricevuto è riformulata come un tensore di terzo ordine di rango uno $\mathcal{Y} = c(\tau) \circ d_Q(\nu) \circ \beta(\theta, \nu) + \mathcal{Z}$, dove $\circ$ denota il prodotto esterno. Questa formulazione separa il vettore di ritardo $c(\tau)$, il vettore Doppler $d_Q(\nu)$ e il vettore combinato angolo-Doppler $\beta(\theta, \nu)$.
3. Stima Basata su HOSVD: Il problema di stima dei parametri è risolto utilizzando la Scomposizione in Valori Singolari di Ordine Superiore (HOSVD). L'algoritmo calcola la Scomposizione in Valori Singolari (SVD) per le tre srotolazioni matriciali del tensore del segnale ricevuto. I vettori singolari sinistri dominanti provenienti da queste decomposizioni forniscono le stime per le componenti di ritardo, Doppler e angolo.
4. Disaccoppiamento della Ricerca di Picco: A seguito della fase HOSVD, l'algoritmo esegue ricerche di picco unidimensionali per stimare il ritardo ($\tau$) e il Doppler ($\nu$) indipendentemente. La stima angolare ($\theta$) viene quindi eseguita tramite una ricerca bidimensionale, utilizzando il Doppler precedentemente stimato per semplificare lo spazio di ricerca.

Contributi Chiave

• Riformulazione Basata su Tensori: Il documento introduce una rappresentazione innovativa basata su tensori del segnale di sensing monostatico assistito da IRS, trasformando un complesso problema di ottimizzazione multidimensionale in un problema di approssimazione di tensore di rango uno.
• Riduzione della Complessità: Sfruttando l'algoritmo HOSVD, il metodo proposto disaccoppia la stima del ritardo e del Doppler. Ciò permette di stimare questi parametri in parallelo tramite ricerche unidimensionali separate, rompendo il collo di bottiglia computazionale della ricerca accoppiata presente nei metodi di riferimento.
• Progettazione dell'Algoritmo: Gli autori forniscono un algoritmo completo (Algoritmo 1) che dettaglia il processo di stima dei parametri basato su HOSVD, incluse le funzioni di costo specifiche per la stima di ritardo, Doppler e angolo.

Risultati
I risultati delle simulazioni che confrontano il metodo proposto basato su tensori con il rivelatore GLRT di riferimento da [11] producono le seguenti evidenze:

• Accuratezza delle Prestazioni: In termini di Errore Quadratico Medio (RMSE), il metodo proposto ottiene prestazioni comparabili al metodo di riferimento.
  • Per la stima di ritardo e Doppler, il metodo proposto si comporta in modo simile al metodo di riferimento a livelli SNR superiori a -5 dB, con un leggero degrado delle prestazioni osservato solo in regimi di SNR molto bassi.
  • Per la stima angolare, entrambi i metodi raggiungono prestazioni RMSE identiche su tutti i livelli SNR testati, poiché entrambi utilizzano un criterio di massima verosimiglianza per la ricerca finale dell'angolo.
• Complessità Computazionale: Il metodo proposto offre una drastica riduzione della complessità computazionale.
  • La complessità del metodo di riferimento scala con il prodotto delle dimensioni delle griglie ($R_\tau R_\nu$), mentre il metodo proposto scala con la somma di queste dimensioni ($R_\tau + R_\nu$) grazie al disaccoppiamento.
  • Le curve di simulazione indicano che il metodo di riferimento è circa 10 volte più complesso della soluzione basata su tensori proposta. Questo vantaggio in termini di complessità vale per un numero variabile di sottoportanti e punti di griglia.

Significato e Affermazioni
Il documento afferma che il suo contributo principale è fornire un'alternativa a bassa complessità agli algoritmi di sensing ad alte prestazioni esistenti, senza sacrificare l'accuratezza della stima in intervalli SNR pratici. Gli autori sottolineano che la loro soluzione basata su tensori "riduce drasticamente la complessità computazionale" mantenendo "le stesse prestazioni del metodo di riferimento" in termini di RMSE per la stima di ritardo, Doppler e angolo.

Il significato risiede nella scalabilità della soluzione per le future reti 6G, dove l'integrazione di sensing e comunicazione richiede un'elaborazione efficiente di grandi set di dati. Sfruttando la struttura multilineare intrinseca del segnale ricevuto, il metodo proposto abilita il calcolo parallelo, rendendolo un candidato valido per l'implementazione in tempo reale nei sistemi ISAC assistiti da IRS. Gli autori notano con modestia che il metodo è leggermente più sensibile a livelli di rumore molto elevati, ma affermano che il compromesso è favorevole data la sostanziale guadagno in efficienza computazionale. Viene suggerito un lavoro futuro per indagare le prestazioni del metodo in condizioni di auto-interferenza intrinseca del sensing monostatico, che è stata esclusa dall'attuale ambito di applicazione.