Decoupled Delay-Doppler and Angle Estimation in BD-RIS Sensing via Nested Tucker Decomposition

技術概要：ネスト型 Tucker 分解を用いた BD-RIS 支援 sensing における、分離された遅延・ドップラーおよび角度推定

問題定義
本論文は、グループ接続型 Beyond-Diagonal 再構成可能インテリジェントサーフェス（BD-RIS）によって支援されるモノスタティック sensing ネットワークにおける、単一ターゲットの局所化という課題に取り組む。従来の対角位相シフト行列を利用する受動的 RIS と異なり、BD-RIS 構造は非対角位相シフト行列を実現するために素子間結合を採用し、追加の自由度を提供する。しかし、これはチャネル推定とパラメータ抽出の複雑さを増大させる。具体的な問題は、直接視界経路が遮断され、BD-RIS を介したエコーリンクに sensing が依存するシナリオにおいて、ターゲットの物理パラメータ、すなわち遅延（$\tau$）、ドップラーシフト（$\nu$）、および到達/出発角度（$\phi, \theta$）を推定することである。このシステムには、マルチアンテナ sensing 送信機（ST）と、$N$個の素子が$K$個のグループに分割された BD-RIS が含まれる。ここで、ハードウェアの複雑さと識別可能性のバランスを取るため、グループ内結合は維持されるが、完全な相互接続は回避される。

手法
著者らは、受信信号を 3 次ネスト型 Tucker テンソルとしてモデル化する**ネスト型 Tucker 因数分解および推定（NTFE）**アルゴリズムを提案する。このアプローチは、グループ接続型 BD-RIS 構造によって誘発されるブロック単位構造を明示的に利用する。

1. 信号モデリング: 受信エコー信号は、3 次ネスト型 Tucker テンソル分解として定式化される。このモデルは、遅延・ドップラー領域を角度領域から分離する。受信データテンソル $\mathbf{Y}$ は以下のように表される：
   $$\mathbf{Y} = \mathbf{I} \times_1 \mathbf{G} \times_2 [\mathbf{F}]_{(1)} \times_3 \mathbf{S} \times_4 \mathbf{p}'$$
   ここで、$\mathbf{G}$は幾何学的チャネルを、$\mathbf{S}$は位相シフト行列を、$\mathbf{p}'$は角度情報ベクトルを、$[\mathbf{F}]_{(1)}$は遅延・ドップラー情報を含むモード 1 展開を表す。二次的なネスト型モデルは、さらに遅延およびドップラー steering ベクトルを分離する。

2. 2 段階推定手順:

   • 段階 1（因数推定）: アルゴリズムは、テンソル因数 $[\mathbf{F}]_{(1)}$ および $\mathbf{p}'$ を推定するために、交互最小二乗法（ALS）アプローチ、具体的には双線形交互最小二乗法（BALS）手順を採用する。このステップにより、空間（角度）成分と時間（遅延・ドップラー）成分が分離される。
   • 段階 2（パラメータ抽出）:
     • 遅延およびドップラー: 推定された因数 $[\mathbf{F}]_{(1)}$ を用いて、アルゴリズムは 1 次元 ESPRIT（回転不変性技術による信号パラメータ推定）を適用し、遅延 $\tau$ およびドップラー $\nu$ を抽出する。
     • 角度: 遅延およびドップラー推定値を用いて、それらの steering ベクトルをパラメトリックに再構成する。これらの精緻化された因数をモデルに戻して角度情報行列 $\mathbf{P}$ を抽出する。その後、2 次元 ESPRIT アルゴリズムを $\mathbf{P}$ に適用し、方位角および仰角を推定する。
     • 複素利得: 最後に、複素チャネル利得係数 $\alpha$ を、要素ごとの除算を用いた閉形式の最小二乗ステップにより推定する。これにより、ノイズを軽減するために完全な多次元データセットが活用される。

3. 識別可能性分析: 本論文は、提案モデルの一意性の条件を分析する。決定論的かつ既知のコアテンソル $\mathbf{I}$ の使用により、推定値の任意の回転が防止される。残りの曖昧さは、再構成されたテンソル内で相殺されるか、推定ステップの特定の構造を通じて解決される、自明なスケーリング因子に限定される。

主要な貢献

• 新規アルゴリズム: グループ接続型アーキテクチャを明示的に考慮し、BD-RIS 支援 sensing 信号をモデル化するためにネスト型 Tucker 分解を利用する NTFE アルゴリズムの開発。
• 分離戦略: 遅延・ドップラーパラメータの推定を角度パラメータから分離する 2 段階手順。これにより、逐次的な 4 次元最尤（ML）探索に伴う高い計算コストと誤差伝播を回避する。
• 理論的保証: 識別可能性および一意性の条件の導出。特定のシステム次元制約（例：$LT \geq N$ および $LMQT \geq N^2$）の下で、提案モデルが自明なスケーリング曖昧さまで一意のパラメータ推定を可能にすることを示す。
• 閉形式利得推定: 構造パラメータが解決された後に、複素チャネル利得係数を推定するための低複雑度手法。

シミュレーション結果
NTFE の性能は、逐次的 4 次元 ML 法、直接最小二乗（LS）推定、および Kronecker 因数分解（KF）ベースの手法という 3 つのベンチマークに対して、モンテカルロシミュレーションにより評価された。

• 有効チャネル推定: NTFE は、有効チャネルの推定における正規化平均二乗誤差（NMSE）で顕著な改善を示した。KF 法を約 25 dB、直接 LS 法を約 35 dB 上回った。
• パラメータ精度: 遅延、ドップラー、および角度推定における平均二乗誤差（RMSE）の観点から、NTFE は標準的な 4 次元 ML ベンチマークと比較して約 10 dB の性能向上を達成した。
• ロバスト性: 結果は、NTFE がグループ接続型 BD-RIS 構造を効果的に利用し、逐次的 ML 法が初期値依存性および誤差伝播に苦しむシナリオであっても、正確な推定を提供することを示している。

意義と主張
本論文は、NTFE アルゴリズムが、テンソルベース処理とグループ接続型 BD-RIS の特定のハードウェア制約の間のギャップを埋めることで、BD-RIS 支援 sensing において重要な進歩を表すと主張する。主な意義は、空間ドメインと時間ドメインを分離する能力にあり、これにより最先端のベンチマークと比較して、優れた推定精度と低減された計算複雑性がもたらされる。著者らは、BD-RIS のブロック単位構造を明示的にモデル化することで、この手法が識別可能性を達成し、有効チャネル再構成および物理パラメータ推定の両方において既存の手法を上回り、高度な RIS アーキテクチャを利用する統合 sensing 通信（ISAC）システムの実用的な解決策となると主張している。