Zero-Overhead Unambiguous Velocity Estimation in Multiband ISAC Systems Under Random Traffic

Titel: Nul-overhead, eenduidige snelheidsschatting in Multiband ISAC-systemen onder willekeurig verkeer

1. Probleemstelling

Geïntegreerde Sensing en Communicatie (ISAC) systemen gebruiken bestaande communicatieverkeer om doelen te detecteren en hun snelheid te schatten via het Dopplereffect. Traditionele methoden voor Dopplerschatting vereisen echter regelmatige bemonsteringstijden (analoog aan de Pulse Repetition Frequency in radar).

• De uitdaging: In ISAC-systemen is de aankomsttijd van pakketten vaak onregelmatig en stochastisch, afhankelijk van het netwerkverkeer. Deze niet-deterministische timing leidt tot een verhoogd risico op Doppler-ambiguïteit (aliasing), wat de nauwkeurigheid van de snelheidsschatting aanzienlijk verslechtert.
• Bestaande oplossingen: Traditionele methoden om dit op te lossen vereisen óf een extreem hoge datadichtheid (dedicated sensing packets), óf meerdere onafhankelijke, regelmatige bemonsteringssnelheden. Beide opties zijn onpraktisch voor opportunistic ISAC-systemen omdat ze de communicatie-efficiëntie verminderen (overhead) of de systematische complexiteit verhogen.

2. Methodologie

Het paper stelt een originele methode voor die gebruikmaakt van frequentiediversiteit in plaats van tijdsregulariteit om ambiguïteit op te lossen.

• Systeemmodel: Het systeem opereert in $Q$ verschillende frequentiebanden met draaggolven $f_q$. Het ontvangt een willekeurig aantal pakketten ($N_q$) op willekeurige tijdstippen ($T_{i,q}$).
• Fase-metingen: Voor elk ontvangen pakket wordt de Channel Impulse Response (CIR) geschat. De instantane fase $\psi$ wordt afgeleid uit de CIR. De faseverschillen ($\phi$) tussen paren van pakketten worden berekend.
• Het Ambiguïteitsprobleem: De gemeten fase is "ingepakt" (wrapped) in het interval $[0, 2\pi]$, terwijl de fysieke faseverschuiving ($\theta$) onbeperkt is en evenredig is met de snelheid $v$ en de tijdsgat ($\Delta T$). De relatie wordt beschreven als:
  $$\theta_{n,q} = \phi_{n,q} + 2\pi R_{n,q} + \text{ruis}$$
  waarbij $R_{n,q}$ een onbekend geheel getal is dat het aantal volledige fase-rotaties voorstelt.
• Oplossing via MIQP:
  1. Het probleem wordt geformuleerd als een Mixed-Integer Quadratic Program (MIQP).
  2. Het systeem gebruikt alle mogelijke paarcombinaties van pakketten binnen en tussen de banden om een grote set vergelijkingen te genereren.
  3. Cruciale aanname: Er wordt aangenomen dat ten minste één fase-meting (bij de laagste frequentie en het kleinste tijdsinterval) onambigu is (d.w.z. de totale faseverschuiving is $<\pi$). Dit dient als ankerpunt.
  4. De onbekende snelheid $v$ en de onbekende gehele getallen $R$ worden simultaan geschat door de kwadratische fout te minimaliseren:
     $$\arg \min_{v, r} \| y - vA\mathbf{1} + 2\pi r \|_2^2$$
     waarbij $y$ de vector van faseverschillen is, $A$ de coëfficiëntenmatrix bevat, en $r$ de vector van de gehele getallen.

3. Belangrijkste Bijdragen

1. Nul-overhead oplossing: De methode maakt gebruik van bestaande communicatiepakketten en vereist geen extra "dedicated sensing" pakketten, waardoor de communicatie-efficiëntie niet wordt aangetast.
2. Onafhankelijkheid van timing: In tegenstelling tot traditionele methoden, zijn er geen eisen aan regelmatige tijdsintervallen tussen pakketten. Het werkt zelfs bij zeer sporadisch verkeer.
3. Multiband MIQP-formulering: Het probleem van eenduidige snelheidsschatting wordt voor het eerst succesvol geformuleerd en opgelost als een MIQP-probleem dat gebruikmaakt van faseverschillen over meerdere frequentiebanden.
4. Robuustheid: De methode is ontworpen om te werken met realistische, onregelmatige verkeerspatronen (zoals Wi-Fi-traffic traces) en is effectief voor een breed scala aan doelobjecten (van mensen tot voertuigen).

4. Resultaten

De auteurs hebben hun algoritme geëvalueerd met realistische verkeersdata en simulaties:

• Nauwkeurigheid: De methode bereikt een relatieve schattingsfout van $10^{-3}$ tot $10^{-4}$ in typische omstandigheden.
• Invloed van frequentie: De nauwkeurigheid verbetert aanzienlijk naarmate het frequentieverschil tussen de gebruikte banden toeneemt (bijv. combinatie van sub-6 GHz en mmWave/60 GHz).
• Invloed van tijdsintervallen: Grotere tijdsgaten tussen pakketten ($T_{max}$) leiden tot betere resultaten, in lijn met de Cramér-Rao ondergrens (CRB).
• Vergelijking met benchmarks:
  • De voorgestelde methode overtreft zowel single-band algoritmen (die last hebben van aliasing bij grote snelheden/tijdsgaten) als multiband likelihood-based methoden (zoals Iterative Maximum Likelihood).
  • Likelihood-methoden falen vaak bij grote frequentieverschillen omdat ze vastlopen in lokale maxima, terwijl de MIQP-benadering de gehele ruimte van integer ambiguïteiten effectief doorzoekt.
• Meerdere componenten: Het algoritme blijft robuust zelfs wanneer het doel bestaat uit meerdere bewegende onderdelen (bijv. een drone met draaiende bladen), hoewel de nauwkeurigheid iets afneemt als de secundaire component dominant wordt.

5. Significatie

Dit paper biedt een doorbraak voor de praktische implementatie van ISAC-systemen in dynamische omgevingen. Door de afhankelijkheid van strikte tijdsregulariteit te doorbreken en in te zetten op frequentiediversiteit, maakt het robuuste, eenduidige snelheidsschatting mogelijk zonder de communicatiecapaciteit te offeren. Dit is essentieel voor toekomstige toepassingen zoals autonoom rijden, drone-bewaking en vitale tekenmonitoring, waar het verkeer onvoorspelbaar is en dedicated sensing vaak niet haalbaar is. De oplossing is schaalbaar en toepasbaar op diverse technologieën, van sub-6 GHz tot millimetergolf.