Full Duplex ISAC with Cluster Ray Targets: Parameter Estimation and Beamforming

Resumo Técnico: ISAC Full Duplex com Alvos de Raios em Clusters

Definição do Problema
Este trabalho aborda limitações críticas em sistemas de Integração de Sensoriamento e Comunicação (ISAC), especificamente no contexto de redes sem fio 6G de próxima geração. Métodos convencionais de estimativa de alta resolução, como o MUSIC, falham em localizar precisamente alvos distribuídos porque o subespaço de sinal torna-se de posto total (full-rank) mesmo em cenários de alvo único. Além disso, a literatura existente frequentemente modela alvos de radar como objetos pontuais no campo distante, uma suposição válida para usuários de comunicação, mas inválida para cenários de sensoriamento veículo-infraestrutura (V2I) e veículo-tudo (V2X), onde os alvos possuem extensão espacial. Adicionalmente, modelos de alvos estendidos existentes (por exemplo, séries de Fourier truncadas) frequentemente incorrem em custos computacionais proibitivos e dependem de suposições determinísticas que ignoram a natureza estocástica dos canais de radar. Por fim, projetos de beamforming anteriores frequentemente negligenciam as restrições de interferência própria (SI) em sistemas full-duplex (FD), ou seja, a necessidade simultânea de iluminar alvos distribuídos enquanto se satisfazem as taxas de dados dos usuários.

Metodologia
Os autores propõem um framework para um sistema ISAC MIMO Full-Duplex (FD) operando em frequências milimétricas usando formas de onda OFDM. O sistema atende múltiplos usuários de comunicação downlink enquanto realiza o sensoriamento de $K$ alvos de Cluster de Raios (CR) distribuídos, onde cada alvo é modelado como um cluster de raios com spreads angulares e de alcance específicos, aderindo aos padrões 3GPP.

O núcleo da solução proposta consiste em dois componentes principais:

1. Estimador de Parâmetros em Dois Estágios:

   • Estágio 1 (Estimativa Grossa): Os autores empregam uma Técnica de Separação de Manifold (MST) para transformar os componentes de fase direcionais não lineares dos vetores de resposta de array em componentes de fase lineares. Isso permite a construção do espectro do alvo usando uma Transformada Rápida de Fourier (FFT). Ao desacoplar o manifold espacial das dimensões do array, o método constrói uma tabela de busca 2D via operações FFT 1D e 2D. Isso permite a avaliação rápida do espectro espacial através de uma grade de ângulos e spreads angulares usando um filtro de média móvel, contornando a necessidade de multiplicações de matrizes dispendiosas em cada ponto da grade.
   • Estágio 2 (Estimativa Fina): Para refinar as estimativas grossas, um método de otimização de Gauss-Newton é aplicado. Este estágio minimiza uma função objetivo de mínimos quadrados ponderados baseada na diferença entre as matrizes de covariância teórica e estimada. Derivadas analíticas são usadas para atualizar o vetor de parâmetros (ângulo médio, spread angular e potência do sinal) de forma iterativa.

2. Otimização de Beamforming Adaptativo:
   O artigo propõe um framework de otimização para projetar o beamformer de transmissão ($V$). O objetivo é minimizar a distância ponderada entre o beamformer projetado e um beamformer "ideal" que ilumina totalmente a extensão espacial de todos os alvos. Esta otimização está sujeita a três restrições:

   • Taxa de Dados: Atender aos requisitos mínimos de taxa de dados para todos os usuários de comunicação.
   • Interferência Própria (Self-Interference): Limitar a potência de SI residual nas cadeias de RF do receptor (após o cancelamento analógico) para evitar saturação.
   • Potência: Aderir aos limites de potência total de transmissão.
     A restrição de taxa de dados não convexa é reformulada em uma restrição de Cone de Segunda Ordem (SOC), tornando o problema geral convexo e solúvel via ferramentas padrão como o CVX.

Principais Contribuições

• Modelagem de Alvo Distribuído: Este trabalho é o primeiro a estudar alvos espacialmente espalhados ou agrupados dentro do contexto de ISAC usando um modelo de CR distribuído computacionalmente eficiente (proposto pela 3GPP), indo além das suposições de objetos pontuais.
• Estimativa de Baixa Complexidade: O estimador de dois estágios proposto resolve com sucesso múltiplos alvos distribuídos. Ele alcança isso sem o fardo computacional de $O(N_A^3)$ por ponto de grade associado a métodos baseados em subespaço convencionais (como os de Zoubir, DISPARE ou Capon Generalizado), utilizando em vez disso operações baseadas em FFT para reduzir significativamente a complexidade.
• Beamforming Conjunto de Sensoriamento e Comunicação: Os autores introduzem um framework de otimização que sintetiza beams adaptativos capazes de cobrir toda a extensão de alvos distribuídos, enquanto mantém estritamente a Qualidade de Serviço (QoS) do usuário e gerencia a interferência própria em sistemas FD.

Resultados
Resultados de simulação demonstram a eficácia do framework proposto:

• Estimativa de Spread: O método proposto mostra uma melhoria de threefold na estimativa do spread angular sob condições de baixa Relação Sinal-Ruído (SNR) em comparação com esquemas de base baseados em subespaço. Para alvos de baixo spread, observa-se uma melhoria de twofold.
• Estimativa de Ângulo: Enquanto o estimador proposto acompanha o desempenho das bases em regimes de baixa SNR, ele supera-as significativamente uma vez que a SNR excede 10 dB.
• Robustez: O estágio de ajuste fino fornece melhorias de precisão maiores para o spread angular ($\sigma_\theta$) do que para o ângulo médio ($\theta$). O método permanece robusto através de variações nos spreads dos alvos, mantendo desempenho superior conforme a dispersão aumenta, enquanto alguns métodos de base (como o Capon Generalizado) mostram degradação ou viés em spreads extremos.
• Beamforming: O beampattern projetado aproxima-se estreitamente do padrão de sensoriamento ideal necessário para iluminar os alvos, mesmo enquanto satisfaz as restrições de taxa de dados do usuário e mantém a potência de SI abaixo do limiar de saturação de RF.

Significância
O artigo afirma que sua principal significância reside na resolução dos gargalos computacionais e de modelagem dos sistemas ISAC que lidam com alvos distribuídos. Ao utilizar a abordagem baseada em MST, os autores fornecem uma solução escalável que evita a complexidade proibitiva dos estimadores tradicionais de busca em grade para arrays massive MIMO. Além disso, o trabalho preenche a lacuna entre a modelagem teórica de alvos e o design de sistemas práticos ao integrar os requisitos de iluminação de alvos diretamente na otimização do beamforming, garantindo que o desempenho de sensoriamento não seja comprometido pelas demandas de comunicação ou limitações de hardware, como a interferência própria. Os resultados sugerem que este framework oferece um caminho viável para sistemas ISAC full-duplex de alta resolução, capazes de lidar com a natureza complexa e estocástica de alvos estendidos do mundo real.