⚡ electrical engineering

Multi-Functional RIS-enabled Radar and Communication Coexistence: Channel Modeling and a Sub-6 GHz Indoor Measurement Campaign

Este artigo apresenta uma análise abrangente de um sistema de superfície inteligente reconfigurável multifuncional (MF-RIS) para coexistência de radar e comunicação, combinando um modelo de canal compatível com o 3GPP com medições internas em Sub-6 GHz para demonstrar como a MF-RIS cria caminhos de linha de visada virtual que eliminam pontos cegos, reduzem a variância da taxa de transferência e melhoram a taxa de soma em ambientes 5G SU-MIMO.

Autores originais: Anton Tishchenko, Demos Serghiou, Hamidreza Taghvaee, Arman Shojaeifard, Ahmed Elzanaty, Gabriele Gradoni, Mohsen Khalily, Rahim Tafazolli

Publicado 2026-02-09

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Anton Tishchenko, Demos Serghiou, Hamidreza Taghvaee, Arman Shojaeifard, Ahmed Elzanaty, Gabriele Gradoni, Mohsen Khalily, Rahim Tafazolli

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ter uma conversa em uma sala barulhenta e com eco, onde a pessoa com quem você está falando está andando de um lado para o outro. Às vezes, a linha de visão direta é bloqueada por uma parede, ou o som rebate em tantas superfrentes diferentes que sua voz fica confusa e fraca. Isso é exatamente o problema que as redes sem fio modernas (como o 5G) enfrentam em ambientes internos: os sinais se perdem, ficam lentos ou oscilam drasticamente quando os usuários se movimentam.

Este artigo apresenta uma solução inteligente chamada Superfície Inteligente Reconfigurável Multifuncional (MF-RIS). Pense nisso não como uma antena padrão, mas como um "espelho inteligente" para ondas de rádio.

Aqui está uma divisão do que os pesquisadores fizeram e descobriram, usando analogias simples:

1. O Problema: O Efeito "Câmara de Eco"

Em uma sala interna típica, o sinal do seu telefone atinge paredes, móveis e pessoas, ricocheteando como uma bola de pinball. Isso cria um ambiente caótico onde a força do sinal aumenta e diminui de forma imprevisível. Se você estiver se movendo, a conexão pode cair ou ficar lenta porque os caminhos da "bola de pinball" estão constantemente mudando.

2. A Solução: O "Espelho Inteligente" (MF-RIS)

Os pesquisadores construíram um painel grande e plano (o MF-RIS) que atua como um espelho inteligente.

Ele não apenas reflete; ele foca. Diferente de um espelho comum que reflete a luz em uma direção fixa, este espelho inteligente pode ser programado para curvar as ondas de rádio precisamente em direção a uma pessoa específica, mesmo que ela esteja se movando.
Ele cria uma "Linha de Visão Virtual". Mesmo que uma parede bloqueie o caminho direto entre a estação de base (torre de celular) e o seu telefone, o espelho cria um novo caminho limpo. É como se o espelho estivesse construindo uma ponte temporária e invisível para o sinal atravessar a sala sem atingir obstáculos.

3. Os "Olhos" do Sistema (Integração de Radar)

Isso não é apenas um espelho passivo; ele possui "olhos". Os pesquisadores integraram um sistema de radar na configuração.

O Rastreador: Imagine que o espelho tem um radar integrado que escaneia constantemente a sala para ver exatamente onde você está caminhando.
O Reflexo: Conforme você se move, o radar diz ao espelho: "A pessoa moveu-se para a esquerda!". O espelho ajusta instantaneamente sua superfície (como milhares de pequenas placas programáveis) para manter o sinal focado em você. Isso acontece em tempo real, com um atraso de cerca de 0,1 segundo (aproximadamente o tempo de um piscar de olhos).

4. O Experimento: Testando o Espelho

A equipe configurou dois cenários internos diferentes: um auditório grande e uma sala de reuniões menor. Eles bloquearam o caminho direto do sinal para simular um ambiente difícil e então ligaram e desligaram o "espelho inteligente" para comparar os resultados.

O que eles mediram:

O "Embaçamento" (Delay Spread): Em uma sala bagunçada, os sinais chegam em tempos diferentes (alguns batem no teto, outros no chão), causando um "embaçamento" que retarda os dados. O espelho reduziu esse embaçamento significativamente ao criar um caminho único, forte e direto.
A "Estabilidade" (Channel Hardening): Sem o espelho, a força do sinal era como uma lâmpada piscando. Com o espelho, tornou-se um feixe constante e brilhante.
A "Velocidade" (Throughput): Eles testaram velocidades reais de internet em um telefone 5G.

5. Os Resultados: O Que Aconteceu?

Quando ligaram o MF-RIS, os resultados foram impressionantes:

Conexão Mais Suave: A variação na velocidade caiu 74%. Isso significa que a conexão parou de travar e tornou-se muito estável, mesmo enquanto o usuário caminhava.
Velocidades Mais Rápidas: A velocidade total de dados melhorou em 12,5%.
Sem "Pontos Cegos": Eles descobriram que, mesmo quando o caminho direto era bloqueado, o espelho criava um forte caminho alternativo, eliminando efetivamente as "zonas mortas" na sala.

6. A "Matemática" por Trás da Magia

Os pesquisadores não apenas adivinharam; eles construíram um novo modelo matemático para descrever como esses espelhos funcionam.

Eles descobriram que os modelos antigos (que assumiam que os sinais se comportam como estática aleatória) não se encaixavam. Em vez disso, os sinais com o espelho comportaram-se de forma mais previsível, como um feixe focado.
Eles perceberam que o espelho precisa ser programado de forma diferente dependendo da distância. Se você estiver perto (campo próximo), o espelho deve focar como uma lupa. Se estiver longe (campo distante), ele atua mais como um refletor padrão. Eles criaram instruções específicas (codebooks) para ambos os cenários.

Resumo

Em suma, este artigo prova que um espelho inteligente equipado com radar pode corrigir a natureza bagunçada e imprevisível dos sinais 5G em ambientes internos. Ao rastrear um usuário em movimento e ajustar constantemente a reflexão, ele cria um "túnel virtual" de dados estável e de alta velocidade, fazendo com que a conexão sem fio pareça tão sólida e confiável quanto um cabo físico, mesmo em uma sala lotada e cheia de obstáculos.

Definição do Problema

A rápida evolução do 5G e o crescimento projetado das redes privadas colocaram demandas sem precedentes na qualidade da rede e no consumo de energia. Embora as Superfícies Inteligentes Reconfiguráveis (RIS) ofereçam uma solução de baixa potência para melhorar a propagação sem fio, sua implementação prática é dificultada pelos altos custos, interferências potenciais e complexidades de implantação. Além disso, a literatura carece de estudos detalhados sobre sistemas de RIS Multifuncionais (MF-RIS) que integram detecção (radar) e comunicação, particularmente em relação a:

Modelagem de Canal: Há uma escassez de modelos de canal de desvanecimento rápido precisos para links assistidos por RIS que considerem componentes de não linha de visada (NLoS) e efeitos de campo próximo, que dominam os cenários internos.
Localização: Estudos práticos baseados em medições para localização de equipamentos de usuário (UE) usando radar integrado em RIS permanecem amplamente inexplorados.
Dinâmicas de Campo Próximo: O comportamento da RIS no campo próximo (onde o tamanho da superfície é grande em relação ao comprimento de onda) permanece amplamente não caracterizado em comparação com as suposições de campo distante.

Metodologia

Os autores conduziram uma campanha abrangente de medição interna no Centro de Inovação 5G/6G da Universidade de Surrey usando um sistema MF-RIS customizado.

1. Arquitetura do Sistema:

Hardware MF-RIS: Uma RIS digital de 4 bits operando a 3,5 GHz (Sub-6 GHz) com 1.850 células unitárias ( $50 \times 37$ ). Ela integra um radar mmWave de 60 GHz (TI IWR6843ISK) para rastreamento de usuários.
Configuração de Comunicação: Um sistema 5G New Radio (NR) Single User MIMO (SU-MIMO) 2x2 usando hardware LimeNET e um smartphone 4x4 MIMO para testes de vazão (throughput).
Cenários: As medições foram realizadas em dois ambientes internos: um auditório grande ( $14,6 \times 10,8$ m) e uma sala de reuniões ( $7,3 \times 4,3$ m). Ambos os cenários apresentaram uma Linha de Visada (LoS) bloqueada entre a Estação Base (BS) e o UE, dependendo de caminhos NLoS e da RIS.

2. Estrutura Teórica:

Modelagem de Canal: Os autores derivaram um Modelo Estocástico Baseado em Geometria (GBSM) compatível com 3GPP para o canal BS-RIS-UE. Este modelo incorpora:
- Seção Transversal de Radar (RCS) e padrões de re-irradiação para a RIS.
- Uma estrutura de canal em cascata incluindo o LoS BS-RIS, o LoS RIS-UE (criando uma "Linha de Visada Virtual" ou vLoS) e o caminho direto NLoS BS-UE.
- Estatísticas de desvanecimento rápido derivadas de dados empíricos, testando distribuições além do modelo Rayleigh convencional.
Algoritmo de Localização: Um algoritmo de rastreamento de UE em tempo real foi implementado usando Agrupamento Espacial Baseado em Densidade de Aplicações com Ruído (DBSCAN) em nuvens de pontos de radar, seguido por um filtro de Kalman para previsão de mobilidade e atualizações de síntese de fase.
Síntese de Fase: Métodos distintos de geração de codebook foram derivados para:
- Campo Próximo: Usando modelos de frente de onda esférica e funções de Green para compensar a fase de propagação e a curvatura de Fresnel.
- Campo Distante: Usando gradientes de fase lineares para direcionamento de feixe (beam steering).

3. Procedimento Experimental:

Medições Estáticas: Utilizou-se um gerador de formas de onda e osciloscópio em tempo real para capturar respostas de canal complexas, Perfis de Atraso de Potência (PDP) e espalhamentos de atraso em vários ângulos (5°–60°) e distâncias (1–10 m).
Medições Dinâmicas: Um UE em movimento (velocidade constante) foi rastreado para avaliar a vazão do sistema e os efeitos de endurecimento de canal (channel hardening) em tempo real.

Principais Contribuições

Modelo de Canal Compatível com 3GPP: O artigo apresenta um modelo de canal derivado baseado nos padrões de RCS e re-irradiação da RIS, compatível com 3GPP TR 38.901. Ele modela explicitamente o componente vLoS e o caminho NLoS BS-UE, que são frequentemente negligenciados na literatura existente.
Análise de Distribuição de Desvanecimento: O estudo demonstra que o modelo de desvanecimento Rayleigh convencional é inadequado para canais assistidos por MF-RIS. Em vez disso, o canal é melhor descrito por uma distribuição Weibull em larguras de banda amplas e uma distribuição log-normal em larguras de banda estreitas.
Derivação de Codebook de Campo Próximo: Os autores fornecem derivações exatas para a síntese de fase de campo próximo, destacando as diferenças fundamentais dos gradientes de fase lineares de campo distante necessários para focar a energia na região de campo próximo.
Localização e Rastreamento Integrados: Um algoritmo de localização prática é detalhado, alcançando uma latência média de previsão de 127 ms e uma precisão média de estimativa de Ângulo de Chegada (AoA) de 6,47°.
Caracterização Empírica de Canal: Parâmetros de grande escala (perda de percurso, desvanecimento de sombra) e de pequena escala (fator K de Rice, atraso RMS, potências de cluster) foram medidos e tabelados para ambos os cenários com e sem RIS.

Resultados

Endurecimento de Canal (Channel Hardening): A MF-RIS cria efetivamente um caminho vLoS, "endurecendo" o canal MIMO sem fio. Isso reduz a aleatoriedade do ganho do canal.
Redução do Espalhamento de Atraso: No campo próximo (2 m), a RIS reduziu significamente o atraso RMS em comparação com o cenário apenas NLoS, aumentando assim a largura de banda de coerência.
Desempenho de Vazão (Throughput):
- No sistema 2x2 5G NR SU-MIMO, a adição da MF-RIS resultou em uma redução de 74% na variância da vazão e uma melhoria de 12,5% na taxa de soma (sum-rate) dentro do campo próximo em comparação com a configuração sem RIS.
- A uma distância de 4 m, o sistema ainda mostrou melhorias (aumento médio de vazão de 8,2%), embora os ganhos fossem menores à medida que o canal se movia em direção ao campo distante.
Mitigação de Pontos Cegos: O estudo descobriu que a propagação interna Sub-6 GHz com MF-RIS é amplamente livre de pontos cegos, mesmo quando a LoS direta está bloqueada, devido à criação de caminhos vLoS confiáveis.
Precisão de Localização: O rastreamento baseado em radar manteve o alinhamento com o Limite Inferior de Cramér-Rao (CRLB) para usuários estáticos ou de velocidade constante, com erros alinhando-se rapidamente (3–4 durações de quadro) após mudanças de trajetória.

Significância e Alegações

O artigo afirma que o sistema MF-RIS proposto aborda lacunas críticas na implantação da tecnologia RIS ao demonstrar uma plataforma integrada de detecção e comunicação prática. Sua significância reside em:

Validar a "Integração Laxa" de ISAC: Mostra que a MF-RIS pode permitir a Integração de Sensoriamento e Comunicação (ISAC) com mudanças mínimas nas arquiteturas 5G existentes.
Fornecer um Modelo Baseado em Medição: Ao complementar as derivações teóricas com extensos dados empíricos, o artigo oferece um modelo de canal validado que pode ser usado em simuladores de ray-tracing e ferramentas de planejamento de rede.
Demonstrar o Endurecimento de Canal: Os resultados fornecem evidências de que a MF-RIS pode estabilizar canais MIMO em ambientes internos dinâmicos, reduzindo flutuações de vazão e melhorando a confiabilidade para usuários em movimento.
Viabilidade de Campo Próximo: O trabalho confirma que o foco de campo próximo é alcançável e benéfico para cenários internos, desafiando a suposição de que a RIS é eficaz apenas em condições de campo distante.

Os autores concluem que, embora a MF-RIS introduza complexidade no design de codebook e na síntese de fase, as melhorias resultantes na estabilidade do canal, vazão e precisão de localização tornam-na uma candidata viável para futuras redes internas 6G.