Massive MIMO-OFDM ISAC for Sparse ISAR Imaging: Joint Power and Subcarrier Allocation

技術要約：疎なISARイメージングのためのMassive MIMO-OFDM ISAC

問題提起
本論文は、Massive Multiple-Input Multiple-Output (mMIMO) Orthogonal Frequency-Division Multiplexing (OFDM) フレームワークにおいて、高解像度な逆合成開口レーダー（ISAR）イメージングとダウンリンク通信を統合するという課題に取り組んでいる。統合センシングおよび通信（ISAC）は6Gの鍵となる技術であるが、既存の研究は主に点ターゲットのパラメータ推定（距離、速度、角度）に焦点を当てており、拡張ターゲットのイメージングには焦材していない。さらに、従来のISACシステムにおけるISARイメージングは、フルバンドのセンシングと固定されたリソース割り当てに依存することが多く、これがスペクトル効率（SE）と柔軟性を制限している。

特に、ISACシステム内での**疎なアパーチャによるISAR再構成（sparse-aperture ISAR reconstruction）**の処理にギャップが存在する。時分割複信（TDD）プロトコルでは、アップリンク・パイロット送信によってスロータイム領域にギャップが生じ、動的なリソース割り当てにより、センシングに使用されるサブキャリアが一部のサブキャリアのみとなる場合がある。これらの要因は不完全な測定をもたらし、標準的なフーリエ変換ベースの再構成手法（2D-FFTなど）では、深刻なアーティファクトやエイリアシングが発生しやすくなる。さらに、通信のサービス品質（QoS）の最適化と、こうした疎な条件下でのセンシング性能（具体的にはISAR画像の品質）の維持との間のトレードオフについても、体系的に特性化されていない。

手法
著者らは、送信信号が通信用プリコーディングと専用のセンシング・ビームフォーミングの加重結合であるデュアルファンクション・アーキテクチャを備えた、統一されたmMIMO-OFDM ISACフレームワークを提案している。

1. システムモデル: ベースステーション（BS）は、$K$ 個の単一アンテナユーザーに通信を行うと同時に、拡張ターゲットを照射する。システムはCP-OFDM波形を利用する。センシングはサブキャリアの集合（$\Omega_{sen}$）に対して行われ、TDDパイロットのオーバーヘッドにより、センシングに使用できるOFDMシンボルは一部のシンボルに限定されるため、2次元の疎な測定グリッドが形成される。
2. 疎なISAR再構成: 不完全な測定から高解像度画像を復元するために、著者らはレンジ・ドップラー領域におけるスパース再構成タスクとして問題を定式化している。彼らは**適応型再重み付け2次元交互方向分離法（Adaptive Reweighted Two-Dimensional Alternating Direction Method of Multipliers: ADMM）**アルゴリズムを開発した。従来の固定パラメータADMMとは異なり、この手法は以下の特徴を持つ：
   • （ギャップベースのアプローチとノイズ推定を用いた）予備的なマッチドフィルタ画像に基づき、スパースネス閾値を動的に推定する。
   • サイドローブと背景ノイズをより効果的に抑制するために、再重み付け $\ell_1$ ペナルティを採用する。
   • プライマル残差とデュアル残差に基づいてADMMペナルティパラメータを適応させ、収束のバランスを確保する。
3. 性能指標と分析的ベンチマーク: 著者らは、チャネル硬化（channel hardening）と統計的なチャネル状態情報（CSI）を活用し、通信の信号対干渉雑音比（SINR）およびセンシングのメインローブ対平均サイドローブ比（MASR）に関する扱いやすい式を導出している。彼らは、ベースラインとして機能させるために、最大比（MR）およびゼロフォーシング（ZF）プリコーディングを用いた分析的なフルバンド・ベンチマークを確立している。
4. 共同リソース割り当て: サブキャリア割り当て、センシング用サブキャリア選択、および電力割り当てを共同で最適化する混合整数非凸問題を解決するために、著者らはSoft Actor-Critic (SAC) アルゴリズムを用いた**深層強化学習（DRL）**フレームワークを提案している。SACエージェントは、通信の合計スペクトル効率を最大化しつつ、通信のQoS制約およびMASRセンシング制約を満たすポリシーを学習する。

主な貢献

• 統一フレームワーク: デュアルファンクションの送信信号を介して、ダウンリンク通信とISARイメージングを同時にサポートする、実用的なmMIMO-OFDM ISACアーキテクチャの提案。
• 高度な再構成アルゴリズム: 疎なスロータイムおよび疎なサブキャリア測定からISAR画像を効果的に復元する、適応型再重み付け2D-ADMMアルゴリズムの開発。これは、ゼロ充填FFTや固定$\lambda$ 2D-ADMM手法を凌駕する。
• 分析的ベンチマーク: MRおよびZFプリコーディング下での通信SINRおよびセンシングMASRの閉形式の式を導出し、分析的なフルバンド・リソース割り当てスキームの策定を可能にした。
• DRLベースの最適化: 通信のスループットとセンシング精度の間のトレードオフをナビゲートするために、サブキャリアと電力を動的に最適化するSACベースの疎なセンシング戦略の導入。これにより、静的なフルバンド・ベンチマークを大幅に上回る成果を得ている。

結果
数値シミュレーションにより、提案手法の妥当性が検証されている：

• イメージング品質: 適応型2D-ADMMアルゴリズムは、ゼロ充填2D-FFTおよび固定$\lambda$ 2D-ADMMと比較して、最も低い正規化平均二乗誤差（NMSE）を達成している。これは、疎なサンプリングによって生じるアーティファクトを効果的に抑制し、変動する信号対雑音比（SNR）に適応する。
• スペクトル効率: SACベースの疎なセンシング戦略は、分析的なフルバンド・ベンチマークと比較して、合計スペクトル効率（SSE）において大幅な利得を得ている。センシング用サブキャリアの割合を減らす（例：50%から25%へ）ことで、センシング制約を満たしながら、より多くのリソースを通信に割り当てることができ、SSEを向上させている。
• プリコーディング性能: 干渉抑制能力の高さにより、ZFプリコーディングはSSEの観点において一貫してMRプリコーディングを上回っているが、厳格なセンシング制約（高いMASR閾値）の下ではその差は縮まる。
• トレードオフの特性化: 結果は、ISAR再構成精度（NMSE）と通信SEの間のトレードオフを定量化している。センシング・サンプリング比またはMASR閾値を上げると、イメージング品質は向上するが、SSEは低下する。著者らは、両方の目的をバランスよく満たす好適な動作点として、中程度のMASR閾値（例：20 dB）を特定している。

意義
本論文は、既存の文献ではほとんど調査されていない、mMIMO-OFDM ISACフレームワーク内における疎なISARイメージングを調査することで、重要な研究のギャップを埋めるものであると主張している。高度な再構成アルゴリズムとインテリジェントなリソース割り当てを組み合わせることで、高解像度なターゲットイメージングの能力を損なうことなく、通信のスペクトル効率を大幅に向上させられることを示している。本研究は、センシング精度と通信性能の間のトレードオフを体系的に特性化しており、スペクトルとハードウェアリソースを効率的に共有する必要がある次世代6GネットワークにおけるISACシステムの展開に向けた実用的な道筋を提供している。