Hierarchical Coherent Imaging of Composite Anisotropic Moving Targets in ISAC

Technische Samenvatting: Hiërarchische Coherente Imaging van Composite Anisotrope Bewegende Doelen in ISAC

Probleemstelling
Geïntegreerde Sensing en Communicatie (ISAC)-netwerken, met name Gedistribueerde ISAC (DISAC), bieden het potentieel om hoogresolutie radio-afbeeldingen van de omgeving te genereren door gebruik te maken van fase-coherente signaalverwerking over meerdere User Equipments (UE's). Echter, bestaande imaging-methoden staan voor twee kritieke beperkingen wanneer toegepast op realistische, dynamische scenario's:

1. Isotrope Verstrooiingsaanname: De huidige literatuur modelleert doelen doorgaans als verzamelingen van onafhankelijke, isotrope puntverstrooiers. Dit houdt geen rekening met anisotropie, waarbij de verstrooiingsrespons van uitgebreide doelen (bijvoorbeeld menselijke lichamen, machines) significant varieert met de waarnemingshoek. In DISAC-netwerken, waar knooppunten over brede hoeken zijn verdeeld, leidt dit tot fase-inconsistenties en beeldontscherpingsproblemen bij het proberen van coherente fusie.
2. Statische Doel Aanname: De meeste bestaande imaging-algoritmen gaan uit van statische doelen of starre beweging. Ze zijn niet in staat om composite bewegende doelen te verwerken die bestaan uit meerdere delen die bewegen met onafhankelijke snelheden (bijvoorbeeld een persoon die loopt met bewegende armen). Deze methoden vertrouwen vaak op simplistische Doppler-compensatie (bijvoorbeeld zwaartepunt en snelheid) die de multi-modale Doppler-spectra die worden gegenereerd door onafhankelijk bewegende componenten niet kunnen oplossen, wat resulteert in ernstige beeldontscherpingsproblemen en rommel.

Methodologie: MOSAIC
De auteurs stellen MOSAIC (Moving Object Sensing under Anisotropy by Imaging with Coherent and non-coherent fusion) voor, een hiërarchisch imaging-algoritme ontworpen voor gedistribueerde, asynchrone ISAC-netwerken. De methode maakt gebruik van uplink-pilotsignalen (bijvoorbeeld DMRS) zonder dat er gedecideerde sensing-golfvormen nodig zijn. De kernwerkstroom omvat vier hoofdfasen:

1. Anisotropie-Modellering en UE-Clustering:

   • De auteurs leiden een analytisch model af voor de verstrooiingsfase van delen van uitgebreide doelen, waaruit blijkt dat de faseverschil tussen UE's kwadratisch gerelateerd is aan het verschil in hun bistatische waarnemingshoeken.
   • Op basis hiervan worden UE's gegroepeerd in clusters waarbij de bistatische hoeken voldoende vergelijkbaar zijn om fasecoherentie te waarborgen. Dit voorkomt de ontscherping die wordt veroorzaakt door het combineren van signalen van sterk uiteenliggende hoeken die verschillende spiegelende punten op het doel waarnemen.

2. Doppler-schatting en Intra-Cluster Associatie:

   • Er worden laagresolutie afbeeldingen gegenereerd voor elke UE. Het Doppler-spectrum wordt geschat om pieken te identificeren die overeenkomen met de spiegelende reflecties van verschillende doelonderdelen.
   • Binnen elke cluster worden Doppler-pieken geassocieerd over UE's heen om de onderscheidende bewegende delen te identificeren.

3. Doppler-gecompenseerde Intra-Cluster Coherente Imaging:

   • Voor elk geïdentificeerd doelonderdeel voert het algoritme Doppler-pre-compensatie uit die specifiek is voor de snelheid van dat onderdeel en de geometrie van de cluster.
   • Een gewijzigd backprojection-algoritme integreert de gecompenseerde signalen over de langzame tijd. Deze stap focust de afbeelding van het specifieke doelonderdeel, terwijl bijdragen van andere delen (met verschillende Doppler-verschuivingen) destructief interfereren, waardoor de delen effectief worden gescheiden.
   • Dit levert hoogresolutie, deel-specifieke afbeeldingen op en schat de locatie van het belangrijkste verstrooiingscentrum voor elk onderdeel binnen de cluster.

4. Inter-Cluster Associatie en Globale Niet-Coherente Fusie:

   • Het algoritme associeert Doppler-pieken over verschillende clusters heen om de globale snelheidsvector van elk doelonderdeel te schatten met gebruikmaking van de geometrische diversiteit van de UE-BS-doel-driehoeken.
   • Tot slot worden de deel-specifieke afbeeldingen van alle clusters niet-coherent gecombineerd. Deze stap integreert waarnemingen van brede hoeken om de volledige vorm van het doel te reconstrueren, waardoor de beperkingen van het kijkhoek van een enkele cluster worden overwonnen.

Belangrijkste Bijdragen

• Eerste Hiërarchische Imaging voor Composite Doelen: MOSAIC is het eerste algoritme dat hoogresolutie imaging uitvoert van composite anisotrope bewegende doelen in gedistribueerde ISAC-netwerken, waarmee de beperkingen van isotrope en statische modellen worden aangepakt.
• Anisotropie-bewuste Clustering: Het artikel introduceert een clustervolgorde gebaseerd op bistatische hoekdrempels die zijn afgeleid uit een anisotropiemodel, waardoor coherente verwerking binnen groepen mogelijk is terwijl fasefouten over brede aperturen worden vermeden.
• Doppler als Resolutiemechanisme: In plaats van Doppler-verschuivingen uitsluitend te beschouwen als een bron van ontscherping, maakt MOSAIC gebruik ervan als een extra vrijheidsgraad om onafhankelijk bewegende doelonderdelen op te lossen en te scheiden via deel-specifieke pre-compensatie.
• Laag-complexiteit Snelheidsschatting: Door Doppler-frequenties over clusters heen te associëren, schat de methode snelheidsvectoren met een nauwkeurigheid van decimeter per seconde (dm/s), waardoor de verbodene complexiteit van exhaustieve snelheidzoektochten wordt vermeden.

Resultaten
Uitgebreide numerieke simulaties werden uitgevoerd met een draaggolfrequentie van 7 GHz en een bandbreedte van 400 MHz, waarbij MOSAIC werd vergeleken met drie benchmarks: Doppler-zwaartepunt/snelheid pre-compensatie (DCR), Gemiddelde Doppler-compensatie, en Geen Doppler-compensatie.

• Beeldkwaliteit: MOSAIC toonde een verbetering van >50% in beeldkwaliteit (gemeten aan de hand van de 1-Wasserstein-afstand) in vergelijking met state-of-the-art methoden. Het slaagde erin de vormen van composite doelen (bijvoorbeeld een torso met bewegende armen) te reconstrueren, terwijl benchmarks onbetrouwbare of onvolledige afbeeldingen produceerden.
• Snelheidsschatting: De methode behaalde snelheidsschattingfouten op het dm/s-niveau, mits UE's voldoende rond het Gebied van Interesse (ROI) waren verdeeld.
• Robuustheid: De hiërarchische aanpak bleek robuust tegen UE-lokalisatiefouten (tot één golflengte standaardafwijking) en variërende draaggolffrequenties (3–26 GHz), waarbij het de prestaties behield waar volledig coherente methoden faalden.

Betekenis en Claims
Het artikel beweert dat MOSAIC fundamentele hiaten in de huidige DISAC-imaging-literatuur aanpakt, die zich grotendeels heeft gericht op statische of starre doelen met isotrope verstrooiing. Door Doppler-verschuivingen te herformuleren als een hulpmiddel voor partscheiding en een hiërarchische coherente/niet-coherente fusiestrategie te introduceren, maakt MOSAIC fijnmazige sensing-toepassingen mogelijk, zoals menselijke gebarenherkenning en menigtesensing in 6G-netwerken. De auteurs benadrukken dat hun aanpak de beperkingen van anisotropie en complexe beweging omzet in beheersbare parameters, waardoor een praktische weg wordt geboden naar hoogresolutie radio-imaging in dynamische, gedistribueerde omgevingen.