⚡ electrical engineering

On Pareto-Optimal Estimation-Information Performance Limits of MIMO Integrated Sensing and Communications Systems

Dit artikel onderzoekt de fundamentele gezamenlijke schattings- en informatieprestatiegrenzen van MIMO-geïntegreerde sensing- en communicatiesystemen, waarbij specifiek hun Pareto-optimale afwegingen worden gekarakteriseerd.

Oorspronkelijke auteurs: Zi-Jie Wang, Xudong Wang, Giuseppe Caire

Gepubliceerd 2026-07-21

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Zi-Jie Wang, Xudong Wang, Giuseppe Caire

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een geheime boodschap naar een vriend probeert te sturen terwijl je tegelijkertijd een foto met een hoge resolutie maakt van een rijdende auto. In de wereld van de volgende generatie draadloze netwerken (vaak 6G genoemd), proberen ingenieurs apparaten te bouwen die beide taken precies tegelijkertijd kunnen uitvoeren met dezelfde radiogolven. Dit wordt "Integrated Sensing and Communications" (ISAC) genoemd. Denk aan een enkele zaklamp die zowel helder genoeg moet zijn om een boek te lezen (communicatie) als scherp genoeg om de textuur van een muur te onthullen (sensing/detectie). De vraag is al decennia lang: "Wat is de perfecte signaalvorm die beide taken maximaliseert?"

Om de uitdaging te begrijpen, moet je twee dingen weten. Ten eerste, bij gewone telefoongesprekken is het beste signaal meestal een gladde, willekeurige "statische" ruis (mathematisch een Gaussische verdeling genoemd), omdat dit de meeste informatie draagt. Ten tweede, voor het maken van een duidelijke foto (sensing) wil je meestal een zeer voorspelbaar, constant signaal, zodat je precies kunt meten hoe het van objecten afkaatst. De grote vraag is geweest: Kan één signaal zowel perfect willekeurig voor praten als perfect constant voor sensing zijn? Dit artikel duikt in de diepe wiskunde van die vraag om de theoretische "snelheidslimiet" te vinden van hoe goed deze duale systemen daadwerkelijk kunnen werken.

De Grote Signaalvorm-Transformatie

In dit artikel pakken de auteurs, Zi-Jie Wang, Xudong Wang en Giuseppe Caire, het ultieme puzzelstuk van de ISAC-wereld aan: het vinden van de perfecte "vorm" voor de radiogolven die zowel data als sensing-informatie dragen. Ze behandelen het signaal niet alleen als een golf, maar als een personage met een persoonlijkheid—een waarschijnlijkheidsverdeling die bepaalt hoe waarschijnlijk het is dat het signaal sterk, zwak of ergens ertussenin is.

De onderzoekers richtten een virtueel laboratorium in met een MIMO (Multiple-Input Multiple-Output) systeem. Stel je een zender voor met meerdere antennes die een signaal uitsturen dat naar twee verschillende plaatsen reist: een communicatieontvanger (jouw telefoon) en een sensing-ontvanger (een radar die doelwitten zoekt). Het doel is om de "Pareto-optimale" grens te vinden. Denk aan deze grens als een koorddansact. Als je te veel doorslaat naar het perfect maken van het signaal voor praten, wordt je radarbeeld wazig. Als je te veel doorslaat naar het perfect maken van het radar, vertraagt je telefoonverbinding. Het artikel brengt elk enkel punt op dat koord in kaart om te zien hoe de absolute beste prestatie eruitziet.

De Schokkende Ontdekking: Het "Perfecte" Signaal Bestaat (Nog) Niet

Hier wordt het verhaal spannend. De auteurs gebruikten geavanceerde wiskunde (variatierekening) om te vragen: "Hoe ziet de perfecte signaalverdeling eruit?" Ze vonden een verrassend antwoord dat de regels van de standaard techniek breekt.

Voor het extreme geval waarbij je alleen om praten geeft (communicatie), is het perfecte signaal inderdaad de gladde, willekeurige "statische" ruis die iedereen verwacht. Echter, voor elk ander punt op het koord—waar je zowel sensing als communicatie wilt—zegt de wiskunde dat het perfecte signaal niet een gladde, continue golf kan zijn.

Het artikel bewijst dat de ideale signaalverdeling "singulier" is. Om een analogie te gebruiken: als een normaal signaal een glad, stromende rivier is, dan is het perfecte ISAC-signaal meer als een verzameling afzonderlijke, bevroren ijsblokjes die in die rivier drijven. Het is geen gladde curve; het is een grillige, gebroken vorm die leeft op een zeer specifieke, minuscule subset van mogelijkheden. De auteurs laten zien dat als je probeert het signaal glad en continu te dwingen (zoals de standaard Gaussische golven die in de meeste huidige onderzoeken worden gebruikt), je de ware theoretische limiet nooit zult bereiken. Je zult altijd net iets naast de plank slaan. De ware limiet is een "supremum"—een plafond waar je oneindig dichtbij kunt komen, maar dat je met standaard, gladde signalen nooit echt kunt aanraken.

De Twee Grote Afwegingen

Het artikel identificeert twee belangrijke "touwtrekkers-gevechten" die bepalen hoe het signaal zich gedraagt:

De Water-vullen Afweging (Water-Filling Trade-off): Stel je voor dat je water in een bobbelig landschap giet. Bij communicatie giet je meer water (vermogen) in de diepe dalen (sterke signaalpaden) om de meeste data te krijgen. Bij sensing wil je ook vermogen in specifieke paden gieten om de beste reflectie te krijgen. Het artikel laat zien dat je niet de dalen perfect voor beide taken tegelijk kunt vullen. Je moet kiezen welke "dalen" je vult, waarbij je het vermogen tussen de twee doelen balanceert.
De Waveform Onzekerheid Afweging (Waveform Uncertainty Trade-off): Dit is de persoonlijkheidsverschuiving. Wanneer je wilt praten, moet het signaal chaotisch en willekeurig zijn (hoge onzekerheid) om geheimen te dragen. Wanneer je wilt detecteren (sensing), moet het signaal voorspelbaar en constant zijn (lage onzekerheid) om reflecties nauwkeurig te meten. Het artikel vindt dat naarmate je beweegt van "pure sensing" naar "pure communicatie", de persoonlijkheid van het signaal verandert van een rigide, deterministische structuur (zoals een perfect geometrische vorm) naar een wilde, Gaussische wolk. Het meest interessante deel is dat het signaal voor het middengemiddelde een vreemd, hybride wezen moet zijn dat noch volledig willekeurig, noch volledig constant is.

Hoe Ze het Onoplosbare Oplosten

Omdat het perfecte signaal zo vreemd is (een grillige, singuliere vorm) dat je er geen eenvoudige formule voor kunt opschrijven, konden de auteurs het niet simpelweg met een potlood en papier oplossen. In plaats daarvan bouwden ze een digitale "robot" genaamd een Blahut-Arimoto-type algoritme.

Zie dit algoritme als een beeldhouwer die begint met een blok klei (een standaard signaal) en keer op keer kleine stukjes wegbeitelt. Met elke beitelstreek komt het signaal dichter bij die perfecte, grillige, theoretische vorm. Het artikel bewijst dat deze robot convergeert naar de ware limiet. Ze gebruikten deze methode om de resultaten op een computer te simuleren, waarbij ze precies lieten zien hoe de signaalvorm verandert naarmate je de balans tussen sensing en communicatie aanpast.

Wat de Cijfers Zeggen

De auteurs praatten niet alleen over theorie; ze draalden simulaties om te laten zien wat er gebeurt in real-world scenario's.

In een eenvoudig SISO (Single-Input Single-Output) systeem lieten ze zien dat naarmate je verschuift van sensing naar communicatie, de signaalverdeling transformeert van een "binaire" vorm (zoals een muntworp, ofwel hoog of laag) naar een gladde Gaussische klokcurve.
In een MIMO systeem (met meerdere antennes) ontdekten ze dat bij hoge signaal-ruisverhoudingen (zeer sterke signalen), de kloof tussen de beste sensing-prestaties en de beste communicatieprestaties groter wordt. Dit betekent dat de "Water-vullen" afweging nog kritischer wordt; je moet hardere keuzes maken over waar je je vermogen in investeert.

De Kern van het Verhaal

Dit artikel geeft je niet alleen een nieuwe formule; het verandert de manier waarop we over het ontwerp van deze signalen denken. Het vertelt ons dat de "standaard" gladde signalen die we vandaag de dag gebruiken, waarschijnlijk niet de beste instrumenten zijn voor ISAC. Om de ware limieten van 6G te bereiken, moeten we mogelijk "singuliere" of "niet-standaard" waveforms ontwerpen—signalen die eruitzien als grillige ijsblokjes in plaats van gladde rivieren. Hoewel het perfecte signaal wiskundig gezien misschien niet exact haalbaar is met standaard continue golven, biedt dit werk de kaart om er zo dicht mogelijk bij te komen, en begeleidt het ingenieurs bij het boetseren van de volgende generatie draadloze signalen.

Probleemstelling

Het artikel behandelt de fundamentele prestatiegrenzen van Multiple-Input-Multiple-Output (MIMO) Integrated Sensing and Communications (ISAC) systemen. In tegenstelling tot eerdere werken die vaak uitgaan van Gaussische ISAC-golfvormen of benaderende limieten door het combineren van afzonderlijke optimale strategieën voor sensing en communicatie, onderzoekt deze studie de werkelijke Pareto-optimale afweging tussen sensing en communicatie.

De kernuitdaging is dat de optimale distributie van een ISAC-golfvorm onbekend is. Bestaande benaderingen die vertrouwen op Gaussische aannames of tweede-orde statistieken (correlatiematrices) leveren losse grenzen op omdat ze geen rekening houden met de willekeurigheid van de distributie van de golfvorm zelf. Het artikel beoogt de Pareto-grens te karakteriseren tussen de gemiddelde minimale gemiddelde kwadratische fout (MMSE) voor kanaalschatting bij sensing en de ergodische coherente snelheid voor communicatie, waarbij de distributie van de golfvorm als de optimalisatievariabele wordt beschouwd.

Systeemmodel en Metrieken

De auteurs beschouwen een generieke MIMO ISAC-opstelling waarbij een duaal-functioneel signaal $X$ wordt verzonden naar:

Communiceren: Informatie overbrengen via een kanaal $H$ naar een communicatieontvanger (Rx), wat resulteert in het ontvangen signaal $Y = HX + Z_c$ .
Sensen: Het schatten van het sensing-kanaal $G$ (doelrespons) vanuit het ontvangen sensing-signaal $S = GX + Z_s$ .

Belangrijke aannames zijn onder meer:

Het sensing-kanaal $G$ volgt een gecorreleerd MIMO-model met bekende statistieken.
Het communicatiekanaal $H$ is bekend bij de zender (CSIT).
De sensing-ontvanger kent de gerealiseerde verzonden golfvorm $X$ (als referentiemateriaal).
Prestaties worden gemeten aan de hand van de gemiddelde MMSE (ensemble-verwachting van de schattingsfout) en de ergodische snelheid.

Beide metrieken zijn functionalen van de input-golfvormdistributie $p_X(X)$ . Het doel is om een stochastisch functioneel optimalisatieprobleem op te lossen om de Pareto-optimale verzameling distributies te vinden.

Methodologie

Het artikel maakt gebruik van variatierekening om de noodzakelijke voorwaarden voor optimale distributies af te leiden.

Euler-Lagrange-voorwaarden: De auteurs leiden een hoog-dimensionale convolutionele vergelijking af (Theorem 1) die elke optimale distributie moet voldoen. Deze vergelijking balanceert de term van de wederzijdse informatie (communicatie) en de MMSE-term (sensing).
Analyse van Bereikbaarheid: Door de afgeleide voorwaarde te analyseren, bewijzen de auteurs dat voor elk punt op de Pareto-grens, behalve het communicatie-optimale punt, de optimale distributie niet een standaard continue, volledig ondersteunde kansdichtheidsfunctie (PDF) kan zijn. In plaats daarvan wordt aangetoond dat de optimale distributies singulier zijn of ondersteund worden op een passende deelverzameling van de signaalruimte (bijv. manifolds).
Numeriek Algoritme: Vanwege de onhandelbaarheid van het analytisch oplossen voor deze singuliere distributies, stellen de auteurs een Blahut-Arimoto (B-A) type algoritme voor de continue versie voor. Dit iteratieve algoritme benadert numeriek de optimale input-distributies en de bijbehorende MMSE-Rate prestaties, met een bewijs van convergentie naar de limiet.
Gesloten Vorm Analyse: Voor de twee extreme punten van de Pareto-grens — zuivere sensing ( $\alpha=0$ ) en zuivere communicatie ( $\alpha=1$ ) — leiden de auteurs gesloten vorm karakterisaties af van de optimale golfvormen en prestaties.

Belangrijkste Bijdragen en Resultaten

1. Structurele Karakterisering van Optimale Distributies

Onbereikbaarheid van Standaard Distributies: Het artikel bewijst dat, behalve bij het communicatie-optimale punt (waar Gaussische inputs optimaal zijn), de Pareto-optimale ISAC-limiet een theoretisch supremum is binnen de klasse van continue, volledig ondersteunde distributies.
Singulier Karakter: Om de limiet te bereiken, moet de optimale golfvormdistributie discontinu, singulier of ondersteund zijn op een beperkte deelverzameling (bijv. vereisten voor een deterministische steekproefcorrelatiematrix voor sensing). Dit impliceert dat conventionele golfvormen (zoals Gaussisch) suboptimaal zijn voor algemene ISAC-afwegingen.

2. Gesloten Vorm Optimale Punten

Communicatie-Optimaal Punt ( $P_c$ ): De optimale golfvorm is een Gaussische distributie waarbij de vermogensallocatie wordt bepaald door een water-filling-strategie over de eigenspace van het communicatiekanaal.
Sensing-Optimaal Punt ( $P_s$ ): De optimale golfvorm is een "isometrie-signaal" waarbij de steekproefcorrelatiematrix deterministisch en uniek is. De vermogensallocatie volgt een water-filling-achtige strategie gebaseerd op de statistieken van het sensing-kanaal, maar de willekeurigheid is beperkt tot een semi-unitaire matrix die voor modulatie wordt gebruikt.

3. Fundamentele Afwegingen
De analyse onthult twee verschillende afwegingen die de ISAC-prestaties bepalen:

Water-Filling Afweging (WFT): Een conflict in vermogensallocatie tussen de sensing- en de communicatie-eigenspace van het kanaal. Het signaalvermogen kan niet simultaan optimaal worden gealloceerd voor beide kanalen.
Waveform Onzekerheid Afweging (WUT): Een afweging tussen de voorspelbaarheid die vereist is voor sensing (lage willekeurigheid) en de entropie die vereist is voor communicatie (hoge willekeurigheid). Naarmate het systeem verschuift van sensing-dominant naar communicatie-dominant, verschuift de optimale distributie van singuliere/isometrische structuren naar Gaussische-achtige distributies.

4. Numerieke Validatie en Grenzen

Het voorgestelde B-A algoritme berekent succesvol de MMSE-Rate limietcurve voor zowel Single-Input-Single-Output (SISO) als MIMO scenario's.
Numerieke resultaten laten zien dat de standaard "time-sharing" grenzen en buitenliggende grenzen gebaseerd op tweede-orde statistieken (uitgaande van Gaussische inputs) los zijn en er niet in slagen de ware limiet te vatten, met name in de intermediaire afwegingsregio's.
De resultaten bevestigen dat de prestatiekloof tussen de sensing- en communicatieoptima groter wordt bij hoge signaal-ruisverhoudingen (SNR) door de divergentie van optimale vermogensallocatiestrategieën.

Betekenis en Claims

Het artikel claimt het eerste werk te zijn dat de fundamentele schattings- en informatieprestatiegrenzen van MIMO ISAC-systemen onderzoekt op het niveau van de distributie, waarbij algemene en willekeurige ISAC-golfvormen worden overwogen in plaats van de analyse te beperken tot Gaussische inputs of tweede-orde statistieken.

De primaire betekenis ligt in:

Theoretische Rigor: Het bieden van een noodzakelijke voorwaarde voor optimaliteit die de singuliere aard van optimale ISAC-golfvormen onthult, wat de conventionele aanname uitdaagt dat Gaussische inputs voldoende zijn.
Ontwerpimplicaties: Het benadrukken dat het bereiken van optimale ISAC-prestaties singuliere of niet-standaard golfvormontwerpen vereist (bijv. signalen met deterministische correlatiestructuren) in plaats van standaard continue distributies.
Methodologische Vooruitgang: Het introduceren van een convergerend numeriek algoritme (B-A type) om deze limieten te benaderen waar analytische oplossingen onhandelbaar zijn.
Inzicht in Afwegingen: Het expliciet karakteriseren van de "Waveform Onzekerheid Afweging", wat een structureel begrip biedt van hoe willekeurigheid moet worden ingenierd om zowel sensing- als communicatietaken te balanceren.

De auteurs concluderen dat hoewel de exacte analytische karakterisering van de Pareto-grens uitdagend blijft, hun kader de structurele implicaties biedt die nodig zijn voor het ontwerpen van hoogwaardige ISAC-golfvormen en dient als motivatie voor verder onderzoek naar singuliere signaalontwerpen.