Inference-Optimal ISAC via Task-Oriented Feature Transmission and Power Allocation

기술 요약: 작업 지향적 특징 전송 및 전력 할당을 통한 추론 최적화 ISAC

문제 제기
통합 감지 및 통신 (ISAC) 시스템은 감지 및 통신 (S&C) 자원을 공동으로 최적화하여 "조정 이득 (coordination gain)"을 극대화하는 것을 목표로 합니다. 기존 문헌은 종종 추정 - 압축 (EC) 방식을 사용하여 파라미터 추정 작업 (예: 각도 또는 속도) 에 초점을 맞추지만, 많은 복잡한 추론 작업 (예: 패턴 인식) 은 제한된 로컬 장치 능력으로 인해 엣지 서버로 계산을 오프로딩해야 합니다. 이는 원격 추론을 위해 원시 또는 압축된 특징을 전송하는 압축 - 추정 (CE) 프레임워크를 필요로 합니다.

본 논문에서 다루는 핵심 과제는 CE 프레임워크 하에서 추론 성능을 극대화하기 위한 S&C 송수신기 설계입니다. 추론 지표 (예: 분류 오류 확률) 를 직접 최적화하는 것은 분석적으로 처리하기 어렵습니다. 따라서 기존 연구들은 종종 평균 제곱 오차 (MSE) 와 같은 대리 지표를 사용합니다. 본 논문은 추론 작업을 위해 MSE 를 극대화하는 것이 최적인지, 아니면 분류에 특화된 지표인 판별 이득 (DG) 이 더 우수한 성능과 자원 효율성을 제공하는지 조사합니다.

방법론
저자들은 ISAC 장치가 표적을 탐지하기 위해 탐사 신호를 전송하고, 에코에서 특징을 추출한 후 이러한 특징을 분류를 위해 수신기로 전달하는 시스템 모델을 제안합니다. 이 시스템은 감지 ($P_r$) 와 통신 ($P_c$) 사이에 공유되는 총 전력 제약 하에서 작동합니다.

1. 시스템 모델링:

   • 감지: 장치는 주파수 변조 연속파 (FMCW) 신호를 사용합니다. 에코는 펄스 압축 및 단시간 푸리에 변환 (STFT) 을 처리하여 시간 - 주파수 행렬을 생성합니다.
   • 특징 추출: 주성분 분석 (PCA) 을 적용하여 특징 벡터 $\tilde{x} = x + d$를 추출합니다. 여기서 $x$는 기준 특징 (ground-truth feature) 이고 $d$는 감지 잡음입니다. 특징은 다변량 가우시안 분포를 따르는 것으로 모델링됩니다.
   • 전송: 특징은 병렬 서브캐리어를 사용하여 블록 페이딩 채널을 통해 전송됩니다. 수신된 신호는 특징을 복원하기 위해 스케일링됩니다.

2. 추론 지표 특성화:

   • 본 논문은 추론 오류 확률 ($P_e$) 이 클래스 간 최소 판별 이득 ($DG_{min}$) 의 단조 함수에 의해 하한이 결정됨을 확립합니다.
   • $DG$는 분산으로 정규화된 클래스 분포 간의 마할라노비스 거리로 정의됩니다. 저자들은 오류 하한을 최소화하는 것이$DG_{min}$을 극대화하는 것과 동등함을 증명합니다.

3. 송수신기 설계 및 최적화:

   • 단일 캐리어 경우: 저자들은 MSE 최적 및 DG 최적 송수신기 설계에 대한 폐쇄형 해를 유도합니다. 단일 특징 차원의 경우 두 기준 모두 동일한 성능을 산출함을 보여줍니다.
   • 다중 캐리어 경우: 분석은 여러 특징 차원 ($M > 1$) 으로 확장됩니다. MSE 및 DG 에 대한 최적화 문제는 모두 볼록 문제로 공식화됩니다.
     • MSE 최적: 채널 조건과 특징 분산에 기반하여 전력을 할당하는 워터필링 (water-filling) 구조를 결과로 도출합니다.
     • DG 최적: 클래스 분리성 ($|\mu_{0,n} - \mu_{1,n}|$) 에 기반한 추가 가중치 항을 도입합니다. 이는 특히 낮은 신호대 잡음비 (SNR) 영역에서 "선택적" 전력 할당 전략을 초래하여, 높은 판별력을 가진 특징에 전력을 집중시키고 정보성이 없는 특징은 잠재적으로 꺼버립니다.

4. 공동 전력 할당:

   • 본 논문은 $P_r$과 $P_c$에 대한 공동 최적화 문제를 공식화합니다. DG 를 극대화하는 것이 FMCW 시스템에서 유효 감지 전력을 극대화하는 것과 동등하므로, 저자들은 감지 및 통신 전력 간의 최적 분할을 찾기 위해 전력 제약 선을 따라 1 차원 탐색을 제안합니다.

주요 기여

• 이론적 특성화: 본 작업은 추론 오류 확률 하한을 판별 이득과 직접적으로 연결하는 이론적 분석을 제공하여, DG 를 ISAC 추론 작업에 대한 처리 가능하고 관련성 있는 지표로 확립합니다.
• 폐쇄형 해: 저자들은 DG 최적 및 MSE 최적 기준에 대한 명시적 송수신기 설계를 유도합니다. 이러한 해들은 워터필링 유형의 구조를 드러내며 S&C 자원 간의 명시적 트레이드오프를 강조합니다.
• 전력 효율성 통찰: 주요 기여는 DG 최적 설계가 특히 낮은 SNR 영역에서 기존 MSE 최적 설계보다 더 전력 효율적임을 밝힌 것입니다. 정보성이 높은 특징에 전력을 선택적으로 할당함으로써 DG 최적 접근법은 전송 전력을 절약합니다.
• 자원 조정: 본 논문은 DG 최적 통신을 통해 절약된 전력을 감지 기능에 재할당함으로써 ISAC 시스템의 전체 조정 이득을 향상시킬 수 있음을 보여줍니다.

결과
다층 퍼셉트론 (MLP) 및 서포트 벡터 머신 (SVM) 분류기를 사용하여 인간 자세 인식 데이터셋으로 수치 실험이 수행되었습니다.

• 성능 비교: 낮은 SNR 영역에서 DG 최적 설계는 추론 정확도 측면에서 MSE 최적 설계보다 현저히 우수한 성능을 보입니다. DG 최적 접근법은 더 적은 통신 전력으로 더 높은 정확도를 달성합니다.
• 특징 선택: 결과는 DG 최적 설계가 높은 판별 이득을 가진 특징에 전력을 선택적으로 할당하는 반면, MSE 최적 설계는 전력을 더 균일하게 분배하여 정보성이 없는 특징에 자원을 낭비할 수 있음을 확인합니다.
• 혼동 행렬: DG 최적 설계는 MSE 최적 설계에 비해 다양한 카테고리 전반에 걸쳐 더 균형 잡힌 분류 정확도를 제공합니다.
• 전력 트레이드오프: 통신 SNR 이 증가함에 따라 추가 통신 전력의 한계 이득은 감소하며, 최적 전략은 전력을 감지로 전환합니다. 높은 SNR 에서 DG 와 MSE 설계 간의 성능 격차는 이론적 기대와 일치하며 좁아집니다.

의의
본 논문은 추론 작업을 위한 ISAC 시스템 최적화가 전통적인 MSE 기반 기준에서 작업 지향적 판별 이득 극대화로 전환되어야 한다고 주장합니다. 그 의의는 이러한 전환이 공유 전력 예산의 더 효율적인 사용을 가능하게 함에 있습니다. 목표 추론 정확도를 달성하기 위해 필요한 통신 전력을 줄임으로써, 시스템은 절약된 전력을 감지에 할당하여 전체 시스템 성능을 향상시킬 수 있습니다. 본 작업은 6G 네트워크에서 실용적인 송수신기 구현 및 자원 관리를 용이하게 하는 폐쇄형 해를 제공하는 "추론 지향적" ISAC 설계의 기초적인 프레임워크를 제공합니다.