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

技術概要：IRS 支援通信システム向け低複雑度テンソルベースの単基地型センシング

問題定義
本論文は、インテリジェント反射面（IRS）支援統合センシング・通信（ISAC）システムにおけるパラメータ推定の課題に取り組む。具体的には、基地局（BS）が直交周波数分割多重（OFDM）波形を送信し、それが IRS で反射され、ターゲットで跳ね返って BS に戻るという単基地型センシングシナリオに焦点を当てる。目的は、ターゲットの遅延（$\tau$）、ドップラシフト（$\nu$）、および角度情報（出発角、$\theta$）を同時に推定することである。

既存のアプローチ、例えば [11] のベースライン手法は、計算集約的な多次元のピーク探索（具体的には遅延、ドップラ、方位角、仰角に関する 4 次元探索）を必要とする一般化尤度比検定（GLRT）検出器に依存している。これらは効果的であるが、特に遅延とドップラの探索グリッドが結合されている場合、高い計算複雑性に悩まされる。その結果、複雑度はグリッドサイズの積（$R_\tau R_\nu$）に比例する。

手法
著者らは、受信エコー信号を 3 階のランク 1 テンソルとして再解釈する低複雑度ソリューションを提案する。中核的な手法は以下のステップを含む：

1. システムモデリングと信号の再構成：受信信号は、BS-IRS-ターゲット-IRS-BS リンクを考慮してモデル化される。角度パラメータをドップラパラメータから分離するために、著者らは反復ベースの IRS 位相シフトプロトコルを採用する。IRS の位相シフトパターンは $Q$ 個の OFDM スロットのブロック内で反復され、$L$ 個のブロック間で変化する（合計スロット数 $M=QL$）。この構造により、時間領域のステアリングベクトルを、ブロックインデックスおよびブロック内インデックスに関連するベクトルのクリネッカー積として分解することが可能となる。
2. テンソル定式化：この反復構造を利用することで、受信信号行列は 3 階のランク 1 テンソル $\mathcal{Y} = c(\tau) \circ d_Q(\nu) \circ \beta(\theta, \nu) + \mathcal{Z}$ として再定式化される。ここで、$\circ$ は外積を表す。この定式化により、遅延ベクトル $c(\tau)$、ドップラベクトル $d_Q(\nu)$、および結合された角度 - ドップラベクトル $\beta(\theta, \nu)$ が分離される。
3. HOSVD に基づく推定：パラメータ推定問題は、高次特異値分解（HOSVD）を用いて解かれる。アルゴリズムは、受信信号テンソルの 3 つの行列展開それぞれに対して特異値分解（SVD）を計算する。これらの分解から得られる主要な左特異ベクトルが、遅延、ドップラ、および角度成分の推定値を提供する。
4. ピーク探索の分離：HOSVD 段階に続き、アルゴリズムは遅延（$\tau$）とドップラ（$\nu$）を独立して推定するために 1 次元のピーク探索を実行する。その後、角度推定（$\theta$）は、事前に推定されたドップラを利用して探索空間を簡素化する 2 次元探索によって行われる。

主要な貢献

• テンソルベースの再定式化：本論文は、単基地型 IRS 支援センシング信号の新たなテンソルベース表現を導入し、複雑な多次元最適化問題をランク 1 テンソル近似問題へと変換する。
• 複雑度の低減：HOSVD アルゴリズムを活用することで、提案手法は遅延とドップラの推定を分離する。これにより、これらのパラメータを個別の 1 次元探索を通じて並列に推定することが可能となり、ベースライン手法に見られる結合探索の計算上のボトルネックを打破する。
• アルゴリズム設計：著者らは、遅延、ドップラ、および角度推定のための具体的なコスト関数を含む、HOSVD ベースのパラメータ推定プロセスを詳述した完全なアルゴリズム（アルゴリズム 1）を提供する。

結果
提案されたテンソルベースの手法と [11] のベースライン GLRT 検出器を比較したシミュレーション結果は、以下の知見をもたらす：

• 性能精度：平均二乗誤差（RMSE）の観点から、提案手法はベースラインと同等の性能を達成する。
  • 遅延およびドップラ推定において、提案手法は -5 dB 以上の SNR レベルでベースラインと同様の性能を示し、非常に低い SNR 領域でのみわずかな性能低下が観察される。
  • 角度推定において、両手法とも最終的な角度探索に最尤基準を使用するため、すべてのテストされた SNR レベルで同一の RMSE 性能を達成する。
• 計算複雑度：提案手法は計算複雑度を劇的に低減する。
  • ベースラインの複雑度はグリッドサイズの積（$R_\tau R_\nu$）に比例して増加するのに対し、提案手法は分離によりこれらのサイズの和（$R_\tau + R_\nu$）に比例して増加する。
  • シミュレーション曲線は、ベースライン手法が提案されたテンソルベースのソリューションよりも約 10 倍複雑であることを示している。この複雑度の優位性は、サブキャリア数やグリッドポイント数の変化に関わらず維持される。

意義と主張
本論文は、その主要な貢献として、実用的な SNR 範囲において推定精度を犠牲にすることなく、既存の高性能センシングアルゴリズムに対する低複雑度の代替案を提供することを主張する。著者らは、テンソルベースのソリューションが「計算複雑度を劇的に低減」しつつ、「遅延、ドップラ、および角度推定における RMSE に関して参照手法と同じ性能を維持」すると強調している。

その意義は、センシングと通信の統合が大量のデータセットの効率的な処理を必要とする将来の 6G ネットワークにおけるソリューションのスケーラビリティにある。受信信号の内在的な多重線形構造を利用することで、提案手法は並列計算を可能にし、IRS 支援 ISAC システムにおけるリアルタイム実装の現実的な候補とする。著者らは、この手法が非常に高いノイズレベルに対してわずかに敏感であることを率直に認めつつも、計算効率における大幅な改善を考慮すれば、そのトレードオフは有利であると主張する。今後の研究として、現在の範囲から除外されていた単基地型センシングの内在的な自己干渉条件下における手法の性能を調査することが提案されている。