Adaptive 5G Resource Allocation for Multistatic ISAC-Based UAV Detection and Tracking

技術要約：マルチスタティックISACベースのUAV検出および追跡のための適応型5Gリソース割り当て

問題提起
小型無人航空機（UAV）の急増は、重要インフラや制限空域付近において重大なセキュリティリスクを生み出しており、堅牢な検出および追跡能力を必要としている。統合センシング・通信（ISAC）は、既存の5Gネットワークを活用した監視への道筋を提供するものであるが、実用的な展開においては主に2つの課題に直面している：

1. リソースの競合： センシング機能と通信機能は、限られた無線リソースを奪い合うことになる。静的なセンシング割り当ては、時間とともに変化するネットワーク負荷に対して非効率的であり、トラフィックが少ない時にはリソースを浪費し、混雑時にはセンシング性能を低下させる原因となる。
2. 追跡の堅牢性： 低レーダー反射断面積（RCS）を持つ高度な操縦能力を持つUAVの追跡は困難であり、特にネットワークリソースが制約されている場合に顕著である。単一モダリティのシステム（例：モノスタティックレーダー）は、複雑な環境下でカバレッジの空白や位置推定の不正確さを招くことが多い。

手法
著者らは、5G New Radio (NR) インターフェース上で動作する、負荷を考慮した適応型マルチスタティックISACフレームワークを提案している。このシステムアーキテクチャは、能動的な5G gNB（制御された照明源として機能）と、受動的な受信機として機能する分散型ソフトウェア定義センサー（SDS）ノードのネットワークを統合している。

主要な手法構成要素は以下の通りである：

• 適応型波形設計： gNBは、リアルタイムのネットワーク負荷（$\eta$）および観測された信号対雑音比（SNR）に基づき、Zadoff-Chu（ZC）シーケンス長（$N_{ZC}$）、センシング伝送レート、およびビーム割り当てを動的に調整する。長いシーケンスは、より高いコヒーレント処理利得と優れた距離分解能を提供するが、物理リソースブロック（PRB）をより多く消費する。
• 共有リソースモデリング： 通信スループットとセンシングオーバーヘッドのトレードオフを定量化する数学的モデル。システムは、固定センシング指向、固定通信指向、適応型ISAC、および信号の機会（SoO）支援による適応型ISACの4つのリソース割り当てポリシーを定義する。
• SoO支援型マルチスタティックセンシング： ネットワークリソースが能動的な5Gセンシング要件をサポートするには極めて制約的な場合、本フレームワークは、受動的なSDSノードを介して外部の信号の機会（例：衛星、FM放送、または他のセルラー伝送）を活用する。これらのノードは、追加の5Gリソースを消費することなく、ターゲットの反射を捕捉する。
• 性能指標：
  • 検出/追跡： 検出確率にはマークムQ関数を用い、追跡の連続性には、$N$回の機会のうち$M$回の成功を必要とする$M$-of-$N$モデルを用いて分析する。
  • 位置推定精度： モノスタティック（gNBのみ）対マルチスタティック（gNB + SDS）の幾何学的配置を比較するために、クラメール・ラオの下限（CRLB）を用いて評価する。

主な貢献
本論文は、5G ISACの分野に対し、以下の4つの具体的な貢献を行っている：

1. 負荷を考慮したリソースモデル： 共有5Gリソース下での、ZC波形長、更新レート、およびビーム数を関数とするセンシングオーバーヘッドを定量化するモデルの開発。
2. トレードオフの特性付け： 適応型の波形スケーリングにより、5Gセンシングが通信負荷が増大しても追跡能力を維持しつつ、性能を緩やかに低下させることが可能であり、固定予約による硬直的な非効率性を回避できることを実証した。
3. SoO支援型アーキテクチャ： 5Gリソースが不足している際に、SDSノードが外部のSoOを利用して追跡の連続性を維持する、分散型センシングアーキテクチャの導入。これにより、激しい混雑時における追跡の中断を大幅に減少させる。
4. マルチスタティックCRLBフレームワーク： マルチスタティックの幾何学的配置が、モノスタティックセンシングと比較して、特に長い波形や広い帯域幅を活用する場合に、位置推定精度と空間カバレッジの均一性を大幅に向上させることを示す理論的分析。

結果
5G NR FR1システム（3.5 GHz、50 MHz帯域幅）に基づくシミュレーション結果は、以下を示している：

• スループット vs センシング： 適応型ポリシーは、固定予約ベースラインよりも優れている。固定センシングポリシーはスループットを制限する（例：提供される負荷の85%または97%）が、適応型ポリシーは提供される負荷を密接に追従する。
• 混雑への耐性： 極端な混雑下（正規化負荷 $\eta \to 1.0$）において、「適応型 + SoO」ポリシーは、提供される負荷と同等のスループットを維持しながら、追跡の中断確率を低く抑える。対照的に、（SoOのない）純粋な適応型ポリシーは、リソースが通信に転用されるにつれて、急速に追跡失敗が発生する。
• 波形スケーリング： ZCシーケンス長（$N_{ZC}$）を71から1291に増加させると、目標とする追跡中断確率（$10^{-3}$）を実現するために必要な入力SNRが約12.6 dB改善され、より低いSNR条件下での信頼性の高い追跡が可能になる。
• 位置推定精度： CRLB分析によれば、マルチスタティックセンシングはモノスタティックセンシングを大幅に上回る。長い波形（$N_{ZC}=1291$）の場合、マルチスタティックセンシングの平均位置誤差境界（PEB）は0.85 mまで低下するが、モノスタティックセンシングは約6.9 mで停滞しており、分散ノードによる幾何学的利点が浮き彫りとなっている。

意義
本論文は、協調的な適応型センシングと分散型マルチスタティック支援の組み合わせが、将来の無線ネットワークにおける弾力性のあるUAV監視への実用的な道筋であることを示唆している。センシングリソースを動的にスケーリングし、受動的な外部信号を活用することで、提案されたフレームワークは、高品質な通信サービスを維持することと、混雑したRF環境において持続的かつ正確なUAV追跡を確保することとの間の決定的な緊張関係に対処している。本研究は、ISACが静的なリソース分割を超え、既存の、あるいは日和見的な無線インフラの全ポテンシャルを活用する、動的で負荷を考慮したパラダイムへと移行できることを検証している。