Low-Complexity Tensor-Based Monostatic Sensing for IRS-Assisted Communication Systems

Technische Samenvatting: Low-Complexity Tensor-Based Monostatic Sensing voor IRS-geassisteerde Communicatiesystemen

Probleemstelling
Het artikel behandelt de uitdaging van parameterschatting in Integrated Sensing and Communications (ISAC)-systemen die worden ondersteund door Intelligent Reflecting Surfaces (IRS). Specifiek richt het zich op een monostatische sensiescenario waarbij een base station (BS) een Orthogonal Frequency Division Multiplexing (OFDM)-golfvorm uitzendt, die wordt gereflecteerd door een IRS, afstuit op een doelwit en terugkeert naar de BS. Het doel is om gezamenlijk de vertraging ($\tau$), de Dopverschuiving ($\nu$) en de hoekinformatie (Vertrekhoek, $\theta$) van het doelwit te schatten.

Bestaande benaderingen, zoals de basismethode in [11], vertrouwen op Generalized Likelihood Ratio Test (GLRT)-detectoren die rekenkundig intensieve meerdimensionale piekzoeksels vereisen (specifiek een vierdimensionale zoektocht over vertraging, Doppler, azimut en elevatie). Hoewel deze methoden effectief zijn, lijden ze onder een hoge rekenkundige complexiteit, vooral wanneer de roosters voor vertraging en Doppler gekoppeld zijn, wat leidt tot een complexiteit die evenredig is met het product van de roostergroottes ($R_\tau R_\nu$).

Methodologie
De auteurs stellen een low-complexity oplossing voor die het ontvangen echo-signaal herbekijkt als een tensor van de derde orde met rang één. De kernmethodologie omvat de volgende stappen:

1. Systeemmodellering en Signaalherformulering: Het ontvangen signaal wordt gemodelleerd met inachtneming van het BS-IRS-Doelwit-IRS-BS-koppel. Om de hoekparameters te ontkoppelen van de Doppler-parameter, maken de auteurs gebruik van een herhalingsgebaseerd IRS-fasestelfprotocol. Het IRS-fasestelpatroon wordt herhaald over een blok van $Q$ OFDM-symbolen en varieert over $L$ blokken (totaal symbolen $M=QL$). Deze structuur maakt het mogelijk dat de tijd-domein stuurvector wordt ontbonden in Kronecker-producten van vectoren gerelateerd aan het blokindex en het intra-blok index.
2. Tensorformulering: Door deze herhalingsstructuur te exploiteren, wordt de ontvangen signaalmatrix herformuleerd als een tensor van de derde orde met rang één $\mathcal{Y} = c(\tau) \circ d_Q(\nu) \circ \beta(\theta, \nu) + \mathcal{Z}$, waarbij $\circ$ het uitwendige product aanduidt. Deze formulering scheidt de vertragingvector $c(\tau)$, de Dopplervector $d_Q(\nu)$ en de gecombineerde hoek-Dopplervector $\beta(\theta, \nu)$.
3. HOSVD-gebaseerde Schatting: Het probleem van parameterschatting wordt opgelost met behulp van Higher-Order Singular Value Decomposition (HOSVD). Het algoritme berekent de Singular Value Decomposition (SVD) voor de drie matrix-ontvouwingen van de ontvangen signaaltensor. De dominante linker singuliere vectoren uit deze ontbindingen leveren schattingen op voor de vertraging-, Doppler- en hoekcomponenten.
4. Ontkoppeling van Piekzoeksels: Na de HOSVD-fase voert het algoritme een- dimensionale piekzoeksels uit om vertraging ($\tau$) en Doppler ($\nu$) onafhankelijk te schatten. De hoekschatting ($\theta$) wordt vervolgens uitgevoerd via een tweedimensionale zoektocht, waarbij de eerder geschatte Doppler wordt gebruikt om de zoekruimte te vereenvoudigen.

Belangrijkste Bijdragen

• Tensor-gebaseerde Herformulering: Het artikel introduceert een nieuwe tensor-gebaseerde representatie van het monostatische IRS-geassisteerde sensiesignaal, waardoor een complex meerdimensionaal optimalisatieprobleem wordt omgezet in een tensorbenaderingsprobleem met rang één.
• Complexiteitsreductie: Door het HOSVD-algoritme te benutten, ontkoppelt de voorgestelde methode de schatting van vertraging en Doppler. Dit maakt het mogelijk om deze parameters parallel te schatten via afzonderlijke een-dimensionale zoektochten, waardoor de rekenkundige bottleneck van de gekoppelde zoektocht in basismethoden wordt doorbroken.
• Algoritmeontwerp: De auteurs bieden een compleet algoritme (Algoritme 1) dat het HOSVD-gebaseerde parameterschattingproces in detail beschrijft, inclusief specifieke kostenfuncties voor vertraging-, Doppler- en hoekschatting.

Resultaten
Simulatie-resultaten die de voorgestelde tensor-gebaseerde methode vergelijken met de basale GLRT-detecteur uit [11] leveren de volgende bevindingen op:

• Prestatie-accuratesse: In termen van Root Mean Squared Error (RMSE) bereikt de voorgestelde methode prestaties die vergelijkbaar zijn met de baseline.
  • Voor vertraging- en Dopplerschatting presteert de voorgestelde methode vergelijkbaar met de baseline bij SNR-niveaus hoger dan -5 dB, met slechts een lichte prestatiedegradatie die wordt waargenomen in zeer lage SNR-regimes.
  • Voor hoekschatting bereiken beide methoden identieke RMSE-prestaties over alle geteste SNR-niveaus, aangezien beide een maximum likelihood-criterium gebruiken voor de uiteindelijke hoekzoektocht.
• Rekenkundige Complexiteit: De voorgestelde methode biedt een drastische reductie in rekenkundige complexiteit.
  • De baseline-complexiteit schaalt met het product van de roostergroottes ($R_\tau R_\nu$), terwijl de voorgestelde methode schaalt met de som van deze groottes ($R_\tau + R_\nu$) als gevolg van de ontkoppeling.
  • Simulatiecurven geven aan dat de basale methode ongeveer 10 keer complexer is dan de voorgestelde tensor-gebaseerde oplossing. Dit complexiteitsvoordeel geldt over variërende aantallen subcarriers en roosterpunten.

Betekenis en Claims
Het artikel claimt dat de primaire bijdrage het bieden is van een low-complexity alternatief voor bestaande high-performance sensie-algoritmen zonder in te leveren op schatting-accuratesse in praktische SNR-bereiken. De auteurs benadrukken dat hun tensor-gebaseerde oplossing "de rekenkundige complexiteit drastisch reduceert" terwijl het "dezelfde prestaties als de referentiemethode" behoudt in termen van RMSE voor vertraging-, Doppler- en hoekschatting.

De betekenis ligt in de schaalbaarheid van de oplossing voor toekomstige 6G-netwerken, waarbij de integratie van sensie en communicatie efficiënte verwerking van grote datasets vereist. Door de intrinsieke multilineaire structuur van het ontvangen signaal te exploiteren, maakt de voorgestelde methode parallelle berekening mogelijk, waardoor het een levensvatbare kandidaat wordt voor real-time implementatie in IRS-geassisteerde ISAC-systemen. De auteurs merken bescheiden op dat de methode iets gevoeliger is voor zeer hoge ruisniveaus, maar stellen dat de trade-off gunstig is gezien de aanzienlijke winsten in rekenkundige efficiëntie. Toekomstig werk wordt voorgesteld om de prestaties van de methode te onderzoeken onder de intrinsieke zelfinterferentie-omstandigheden van monostatische sensie, wat uit de huidige reikwijdte was uitgesloten.