Decoupled Delay-Doppler and Angle Estimation in BD-RIS Sensing via Nested Tucker Decomposition

Technische Samenvatting: Ontkoppelde Vertraging-Doppler- en Hoekschatting in BD-RIS Sensing via Geneste Tucker-decompositie

Probleemstelling
Het artikel behandelt de uitdaging van single-target lokalisatie in een monostatisch sensornetwerk dat wordt ondersteund door een groep-verbonden Beyond-Diagonal Reconfigurable Intelligent Surface (BD-RIS). In tegenstelling tot traditionele passieve RIS's die diagonale faseverschuivingsmatrices gebruiken, maken BD-RIS-architecturen gebruik van inter-elementkoppeling om niet-diagonale faseverschuivingsmatrices te realiseren, wat extra vrijheidsgraden biedt. Dit introduceert echter complexiteit in kanaalschatting en parameterextractie. Het specifieke probleem is het schatten van de fysieke parameters van het doelwit—vertraging ($\tau$), Dopverschuiving ($\nu$) en aankomst/vertrekhoeken ($\phi, \theta$)—in een scenario waarbij het directe lijn-van-zicht-pad geblokkeerd is en de sensing afhankelijk is van de echo-link via de BD-RIS. Het systeem omvat een zender met meerdere antennes (ST) en een BD-RIS met $N$ elementen die zijn onderverdeeld in $K$ groepen, waarbij intra-groepkoppeling behouden blijft maar volledige onderlinge verbinding wordt vermeden om hardwarecomplexiteit en identificeerbaarheid in evenwicht te brengen.

Methodologie
De auteurs stellen het Nested Tucker Factorization and Estimation (NTFE)-algoritme voor, dat het ontvangen signaal modelleert als een 3e-orde geneste Tucker-tensor. Deze benadering maakt expliciet gebruik van de blokgewijze structuur die wordt geïnduceerd door de groep-verbonden BD-RIS-architectuur.

1. Signaalmodellering: Het ontvangen echosignaal wordt geformuleerd als een 3e-orde geneste Tucker-tensordecompositie. Het model scheidt het vertraging-Doppler-domein van het hoekdomein. De ontvangen datatensor $\mathbf{Y}$ wordt uitgedrukt als:
   $$\mathbf{Y} = \mathbf{I} \times_1 \mathbf{G} \times_2 [\mathbf{F}]_{(1)} \times_3 \mathbf{S} \times_4 \mathbf{p}'$$
   waarbij $\mathbf{G}$ het geometrische kanaal vertegenwoordigt, $\mathbf{S}$ de faseverschuivingsmatrices, $\mathbf{p}'$ de vector met hoekinformatie en $[\mathbf{F}]_{(1)}$ de mode-1 ontvouwing die vertraging-Doppler-informatie bevat. Een secundair genest model isoleert verder de vertraging- en Doppler-stuurbare vectoren.

2. Tweestaps schattingsprocedure:

   • Fase 1 (Factor-schatting): Het algoritme maakt gebruik van een Alternating Least Squares (ALS)-benadering, specifiek een Bilinear Alternating Least Squares (BALS)-procedure, om de tensorfactoren $[\mathbf{F}]_{(1)}$ en $\mathbf{p}'$ te schatten. Deze stap ontkoppelt de ruimtelijke (hoek) en temporele (vertraging-Doppler) componenten.
   • Fase 2 (Parameterextractie):
     • Vertraging en Doppler: Met behulp van de geschatte factor $[\mathbf{F}]_{(1)}$ past het algoritme 1D ESPRIT (Estimation of Signal Parameters via Rotational Invariance Techniques) toe om de vertraging $\tau$ en Doppler $\nu$ te extraheren.
     • Hoeken: De vertraging- en Dopplerschattingen worden gebruikt om hun stuurbare vectoren parametrisch te reconstrueren. Deze verfijnde factoren worden teruggevoerd in het model om de matrix met hoekinformatie $\mathbf{P}$ te extraheren. Vervolgens wordt een 2D ESPRIT-algoritme toegepast op $\mathbf{P}$ om de azimut- en elevatiehoeken te schatten.
     • Complexe versterking: Tenslotte wordt de complexe kanaalversterkingscoëfficiënt $\alpha$ geschat via een gesloten vorm least squares-stap met gebruik van elementgewijze deling, waarbij gebruik wordt gemaakt van de volledige multidimensionale dataset om ruis te mitigeren.

3. Identificeerbaarheidsanalyse: Het artikel analyseert de uniekheidsvoorwaarden van het voorgestelde model. Door het gebruik van een deterministische, bekende kern-tensor $\mathbf{I}$ worden willekeurige rotaties van de schattingen voorkomen. De overige ambiguïteiten zijn beperkt tot triviale schaalfactoren, die elkaar opheffen in de gereconstrueerde tensor of worden opgelost via de specifieke structuur van de schattingsstappen.

Belangrijkste Bijdragen

• Nieuw Algoritme: De ontwikkeling van het NTFE-algoritme, dat een geneste Tucker-decompositie gebruikt om BD-RIS-ondersteunde sensingsignalen te modelleren, waarbij expliciet rekening wordt gehouden met de groep-verbonden architectuur.
• Ontkoppelingsstrategie: Een tweestapsprocedure die de schatting van vertraging-Doppler-parameters succesvol ontkoppelt van hoekparameters, waardoor de hoge rekenkosten en foutpropagatie die gepaard gaan met sequentiële 4D Maximum Likelihood (ML)-zoektochten worden vermeden.
• Theoretische Waarborgen: Afleiding van identificeerbaarheids- en uniekheidsvoorwaarden, die aantonen dat het voorgestelde model unieke parameterschatting mogelijk maakt tot op triviale schaalambiguïteiten onder specifieke systeemdimensionale beperkingen (bijv. $LT \geq N$ en $LMQT \geq N^2$).
• Gesloten vorm Versterkingsschatting: Een methode met lage complexiteit om de complexe kanaalversterkingscoëfficiënt te schatten nadat de structurele parameters zijn opgelost.

Simulatie-resultaten
De prestaties van NTFE werden geëvalueerd via Monte Carlo-simulaties tegen drie benchmarks: een sequentiële 4D ML-methode, een directe Least Squares (LS)-schatting en een op Kronecker-factorisatie (KF) gebaseerde methode.

• Effectieve Kanaalschatting: NTFE toonde een aanzienlijke verbetering in de Genormaliseerde Gemiddelde Kwadratische Fout (NMSE) bij het schatten van het effectieve kanaal. Het presteerde ongeveer 25 dB beter dan de KF-methode en ongeveer 35 dB beter dan de directe LS-methode.
• Parameternauwkeurigheid: In termen van Root Mean Squared Error (RMSE) voor vertraging-, Doppler- en hoekschatting behaalde NTFE een prestatiewinst van ongeveer 10 dB ten opzichte van de standaard 4D ML-benchmark.
• Robuustheid: De resultaten geven aan dat NTFE de groep-verbonden BD-RIS-structuur effectief benut en nauwkeurige schattingen biedt, zelfs in scenario's waarbij sequentiële ML-methoden lijden onder afhankelijkheid van initialisatie en foutpropagatie.

Betekenis en Claims
Het artikel stelt dat het NTFE-algoritme een aanzienlijke vooruitgang vertegenwoordigt in BD-RIS-ondersteunde sensing door de kloof te overbruggen tussen tensor-gebaseerde verwerking en de specifieke hardwarebeperkingen van groep-verbonden BD-RIS. De primaire betekenis ligt in het vermogen om ruimtelijke en temporele domeinen te ontkoppelen, wat leidt tot superieure schattingsnauwkeurigheid en verminderde rekencomplexiteit in vergelijking met state-of-the-art benchmarks. De auteurs stellen dat door expliciet de blokgewijze structuur van de BD-RIS te modelleren, de methode identificeerbaarheid bereikt en bestaande technieken overtreft in zowel effectieve-kanaalreconstructie als fysieke parameterschatting, waardoor het een levensvatbare oplossing is voor geïntegreerde sensing en communicatiesystemen (ISAC) die geavanceerde RIS-architecturen gebruiken.