RIS-Assisted Sensing: A Nested Tensor Decomposition-Based Approach

Resumo Técnico: Sensoriamento Assistido por RIS via Decomposição Aninhada de Tensores

Enunciado do Problema
Este artigo aborda o desafio da estimação de parâmetros de alvo em um cenário de sensoriamento MIMO (multiple-input multiple-output) monostático assistido por uma Superfície Inteligente Reconfigurável (RIS). Nesta configuração, o caminho direto de linha de visada (LOS) entre a Estação Base (BS) e o alvo está bloqueado; o sensoriamento é realizado exclusivamente através de um caminho de LOS virtual criado pela RIS. O sistema utiliza formas de onda de Multiplexação por Divisão de Frequência Ortogonal (OFDM). A dificuldade central reside na estimação conjunta do atraso ($\tau$) do alvo, do desvio Doppler ($\nu$) e das informações angulares (Azimute e Elevação) a partir do sinal de eco recebido, que possui uma estrutura complexa e de alta dimensão devido à interação entre a BS, a RIS e o alvo.

Metodologia
Os autores propõem um algoritmo de Sensoriamento Baseado em Tensor Aninhado (NTBS) que explora a estrutura multidimensional intrínseca do sinal de eco recebido. A abordagem modela o sinal como um tensor aninhado de quarta ordem e emprega uma estratégia de estimação em dois estágios:

1. Modelagem do Sistema: O sinal recebido é formulado no domínio da frequência, considerando o canal BS-RIS, o canal RIS-Alvo, o caminho alvo-RIS-BS e os vetores de deslocamento de fase da RIS. O sinal é vetorizado e empilhado através de subportadoras, símbolos OFDM e blocos de transmissão para formar uma matriz de dados $\mathbf{Y}$.
2. Decomposição de Tensor (Estágio 1): A matriz de dados é reconhecida como uma expansão de 3 modos de um tensor Tucker-3. Os autores formulam um problema de ajuste de tensor para estimar as matrizes fator correspondentes ao canal da BS, à assinatura do alvo e aos vetores de direcionamento combinados de atraso-Doppler. Isso é resolvido utilizando um algoritmo de Mínimos Quadrados Alternados (ALS), que atualiza iterativamente as estimativas para a matriz de canal $\mathbf{H}$, a matriz de atraso-Doppler $\mathbf{F}(\tau, \nu)$ e a matriz de assinatura do alvo $\mathbf{P}$.
3. Extração de Parâmetros (Estágio 2): A matriz de atraso-Doppler estimada $\hat{\mathbf{F}}(\tau, \nu)$ é remodelada em um tensor Tucker de terceira ordem. Uma segunda decomposição baseada em ALS é realizada para separar o vetor de direcionamento de atraso $\mathbf{c}(\tau)$ e o vetor de direcionamento Doppler $\mathbf{d}(\nu)$. Finalmente, técnicas de estimação de parâmetros de alta resolução, especificamente ESPRIT (Estimação de Parâmetros de Sinal via Técnicas de Invariância Rotacional), são aplicadas aos vetores de direcionamento extraídos para determinar os valores precisos de atraso, Doppler e ângulos.

Principais Contribuições

• Formulação de Tensor Aninhado: O artigo generaliza abordagens anteriores baseadas em tensor SISO para o caso MIMO, redefinindo o problema de sensoriamento monostático assistido por RIS como um problema de decomposição de tensor aninhado.
• Algoritmo em Dois Estágios: O desenvolvimento do algoritmo NTBS, que combina ALS para fatoração de tensor com ESPRIT para extração de parâmetros de alta resolução, permitindo a estimação conjunta de parâmetros de atraso, Doppler e angulares.
• Análise de Identificabilidade: Os autores derivam as condições necessárias para a unicidade da solução, estabelecendo que o número de blocos de transmissão $K$ deve satisfazer $K \ge N^2$ e o produto de subportadoras e símbolos $MQ$ deve satisfazer $MQ \ge L$ (onde $N$ é o número de elementos da RIS e $L$ é o número de antenas da BS).
• Análise de Complexidade Computacional: O artigo fornece uma análise detalhada da complexidade do algoritmo, mostrando que ela escala linearmente com o número de elementos da RIS, mas é menos sensível a variações no número de subportadoras e símbolos OFDM.

Resultados de Simulação
O desempenho do algoritmo NTBS foi avaliado utilizando o Erro Quadrático Médio (RMSE) através de 5.000 realizações independentes de canal. As principais conclusões incluem:

• Melhoria de Resolução: O aumento do número de subportadoras ($Q$) e do número de blocos de transmissão ($K$) melhora significativamente a precisão da estimação, particularmente para a estimação de atraso, devido ao aumento da resolução das dimensões do modelo de tensor.
• Compromisso de Elementos RIS: Contrariando a intuição, o aumento do número de elementos da RIS ($N$) inicialmente leva a uma deterioração no RMSE. Os autores atribuem isso ao aumento do número de parâmetros a serem estimados no primeiro estágio sem um aumento correspondente na resolução, levando a erros propagados no segundo estágio.
• Complexidade: A complexidade computacional aumenta linearmente com o número de elementos da RIS, mas permanece relativamente estável em relação ao aumento de $Q$ e $M$, sugerindo que o algoritmo é eficiente para sistemas com maior largura de banda ou tempos de observação mais longos.

Significado e Alegações
O artigo afirma que o método NTBS proposto produz estimativas precisas de parâmetros de sensoriamento com baixa complexidade computacional, explorando plenamente a estrutura multidimensional do sinal recebido. Ele posiciona o trabalho como uma generalização do sensoriamento baseado em tensor SISO anterior para o cenário MIMO mais desafiador. Os autores afirmam explicitamente que o algoritmo redefine efetivamente o problema de sensoriamento de alvo em um problema de decomposição estruturada, evitando a necessidade de buscas em grade de alta dimensão (como a busca quadridimensional mencionada em trabalhos anteriores [7]). O artigo conclui observando que trabalhos futuros focarão na extensão do algoritmo NTBS para cenários de múltiplos alvos.