Multi-Target Estimation via Tensor Decomposition for Beyond Diagonal RIS-Aided Bistatic Sensing

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 재구성 가능한 지능형 표면 (RIS) 은 무선 통신 환경의 커버리지, 스펙트럼 효율성 및 신호 대 잡음비 (SNR) 를 향상시키는 핵심 기술로 부상했습니다. 최근에는 단순한 위상 제어 (대각선 RIS) 를 넘어 요소 간 결합을 제어할 수 있는 **초대각선 RIS(BD-RIS, Beyond Diagonal RIS)**가 제안되어 추가적인 자유도를 제공합니다.
• 문제: 기존 연구들은 주로 통신 채널 추정이나 단일 타겟 감지에 집중했습니다. 본 논문은 이중 단 (Bistatic) MIMO 환경에서 **여러 개의 타겟 (Multi-target)**을 동시에 감지하고, 그 파라미터 (거리/지연, 도플러, 각도) 를 추정하는 데 초점을 맞춥니다.
• 도전 과제:
  • BD-RIS 를 통한 반사 신호는 복잡한 다중 경로 특성을 가지며, 기존 대각선 RIS 모델과 수학적 구조가 다릅니다.
  • 여러 타겟의 파라미터를 동시에 추정할 때 발생하는 파라미터 간의 결합 (Coupling) 과 높은 계산 복잡도를 해결해야 합니다.
  • 제한된 센싱 자원 (OFDM 심볼, 서브캐리어 수) 으로 높은 정확도의 추정이 필요합니다.

2. 제안된 방법론 (Methodology)

논문은 수신된 신호의 다차원 구조를 활용하기 위해 텐서 분해 (Tensor Decomposition) 기반의 2 단계 프레임워크인 **TenDAE(Tensor Doppler-delay-angle Estimation)**를 제안합니다.

가. 시스템 모델 및 신호 표현

• 시스템 구성: 송신기 (ST), 수신기 (SR), 그리고 BD-RIS 로 구성된 이중 단 구조입니다. 직접 경로 (LOS) 는 차단되어 있으며, 타겟 반사 신호는 BD-RIS 를 통해 수신됩니다.
• 신호 모델: 수신된 신호는 $K$개의 타겟에 대한 크로네커 합 (Kronecker Sum) 구조로 표현됩니다.
  • BD-RIS (초대각선): 수신 신호 행렬은 $K$개의 크로네커 합 ($J_k^T \otimes G_k$) 으로 근사화됩니다.
  • 대각선 RIS (기존): 수신 신호는 크라티 - 라오 합 (Khatri-Rao Sum) 구조로 근사화됩니다.

나. TenDAE 프레임워크 (2 단계 추정)

1. 1 단계: 크로네커 합 근사 (KSA, Kronecker Sum Approximation)

   • 수신된 신호에서 BD-RIS 위상 제어 행렬을 우측 필터링 (Right-filtering) 하여 유효 채널을 추정합니다.
   • **단일 특이값 분해 (SVD)**를 사용하여 $K$개의 타겟에 해당하는 저랭크 서브스페이스를 추출합니다. 이 단계에서 타겟 수 $K$를 기준으로 한 근사 행렬 $\hat{J}$와 $\hat{G}$를 얻습니다.

2. 2 단계: 중첩 텐서 분해 추정 (NTFE, Nested Tensor Factorization Estimation)

   • 1 단계에서 얻은 행렬들을 활용하여 두 개의 텐서 모델을 병렬로 분해합니다.
   • 각도 추정 (PARAFAC): $\hat{G}$ 행렬을 3 차원 PARAFAC 텐서로 모델링하여 **수신기 (SR) 의 도착 각도 (AoA)**와 **BD-RIS 의 출발 각도 (AoD)**를 추정합니다.
   • 지연/도플러 추정 (Nested PARAFAC): $\hat{J}$ 행렬을 중첩 (Nested) PARAFAC 텐서로 모델링합니다. 이는 지연 (Delay) 과 도플러 (Doppler) 파라미터를 각도 도메인과 **분리 (Decoupling)**하여 추정할 수 있게 합니다.
   • 추출 알고리즘: 텐서 분해는 교대 최소 자승법 (ALS) 또는 **고차원 특이값 분해 (HOSVD)**로 수행되며, 최종 파라미터 추출에는 ESPRIT와 같은 고해상도 서브스페이스 기법이 사용됩니다.

3. 복소 채널 이득 추정: 추정된 각도, 지연, 도플러 파라미터를 기반으로 폐쇄형 (Closed-form) 최소 자승법을 통해 타겟의 복소 채널 이득 ($\alpha_k$) 을 최종적으로 계산합니다.

3. 주요 기여 (Key Contributions)

1. BD-RIS 기반 KSA 모델링: BD-RIS 를 이용한 타겟 추정을 랭크-$K$ 크로네커 합 근사 문제로 재정의하고, 단일 SVD 로 전체 채널 서브스페이스를 추정하는 방법을 제시했습니다.
2. TenDAE 프레임워크 제안: 서브스페이스 추정과 텐서 피팅을 결합한 모듈형 2 단계 프로세스를 개발하여 높은 정확도와 낮은 계산 복잡도를 동시에 달성했습니다.
3. 중첩 PARAFAC 모델을 통한 도메인 분리: 지연 - 도플러 도메인과 각도 도메인을 분리하여 추정하는 중첩 PARAFAC 모델을 제안했습니다. 이를 통해 고속 이동 타겟의 도플러 오차가 각도 추정에 미치는 영향을 제거하고 estimation 성능을 향상시켰습니다.
4. BD-RIS vs 대각선 RIS 비교 분석: BD-RIS 가 대각선 RIS 에 비해 파라미터 식별성 (Identifiability) 이 뛰어나며, 특히 BD-RIS 를 통과하는 신호의 도착/출발 각도를 고유하게 추정할 수 있음을 수학적으로 증명했습니다.
5. 식별성 조건 및 CRLB 유도: 제안된 텐서 모델의 고유한 파라미터 복원을 보장하는 식별성 조건 (Kruskal 조건 등) 을 분석하고, 모든 파라미터에 대한 **크라메르 - 라오 하한 (CRLB)**을 유도하여 이론적 성능 한계를 제시했습니다.

4. 실험 결과 및 성능 (Results)

• 시뮬레이션 환경: 28 GHz 대역, 4x4 BD-RIS, 2x2 송신/4x4 수신 안테나 배열, 2 개 이상의 타겟 시나리오를 가정했습니다.
• 성능 비교: 제안된 TenDAE 는 기존 최첨단 방법 (ML, OMP 기반 방법 [24]) 과 비교하여 다음과 같은 우위를 보였습니다.
  • 오차 성능: 경로 손실, 지연, 도플러, 각도 추정 모두에서 **RMSE(평균 제곱근 오차)**가 기존 방법보다 10~20 dB 정도 개선되었습니다.
  • 자원 효율성: 기존 방법이 높은 정확도를 위해 많은 서브캐리어 (Q=256) 와 심볼 (M=1120) 을 필요로 하는 반면, TenDAE 는 적은 자원 (Q=8, M=8) 으로도 CRLB 에 근접하는 성능을 달성했습니다.
  • BD-RIS vs 대각선 RIS: BD-RIS 를 사용한 경우 지연 및 도플러 추정에서 대각선 RIS 대비 약 5 dB 의 성능 향상을 보였으며, 각도 추정에서도 BD-RIS 만이 고유한 각도 추정이 가능함을 확인했습니다.
  • 다중 타겟: 타겟 수가 증가하더라도 TenDAE 는 CRLB 에 근접하는 견고한 성능을 유지했습니다.

5. 의의 및 결론 (Significance)

• 기술적 혁신: BD-RIS 의 추가적인 자유도를 활용하여 다중 타겟 감지 성능을 획기적으로 향상시켰으며, 텐서 분해 기법을 적용하여 복잡한 파라미터 추정 문제를 효율적으로 해결했습니다.
• 실용성: 제한된 센싱 자원으로도 고해상도 감지가 가능하므로, 차세대 6G 통합 감지 및 통신 (ISAC) 시스템에서 BD-RIS 의 실용성을 입증했습니다.
• 시스템 설계 가이드: 계산 복잡도와 추정 정확도 사이의 트레이드오프를 조절할 수 있는 모듈형 구조를 제공하여, 시스템 설계자가 제한된 컴퓨팅 자원에 맞춰 알고리즘을 최적화할 수 있는 길을 열었습니다.

결론적으로, 본 논문은 BD-RIS 를 활용한 다중 타겟 감지 분야에서 텐서 기반 신호 처리의 잠재력을 입증하고, 기존 대각선 RIS 및 기존 추정 기법들을 능가하는 고성능 솔루션을 제시했습니다.