Point Spread Function Optimization for Communication-assisted UAV-borne MIMO TomoSAR

Resumo Técnico: Otimização da Função de Espalhamento de Ponto para TomoSAR MIMO a Bordo de UAV com Assistência de Comunicação

Declaração do Problema
Este artigo aborda o desafio de otimizar a Função de Espalhamento de Ponto (PSF) para sistemas de tomografia por Radar de Abertura Sintética (SAR) de Múltipla Entrada e Saída (MIMO) a bordo de Veículos Aéreos Não Tripulados (UAV). O objetivo é gerar imagens tridimensionais (3D) de alta qualidade de uma cena, recuperando a distribuição vertical de espalhadores. Uma métrica de desempenho crítica na TomoSAR é a PSF, especificamente seus níveis de lóbulos laterais. Lóbulos laterais elevados podem mascarar espalhadores mais fracos, criar alvos fantasmas e degradar a interpretabilidade da imagem, particularmente em ambientes complexos como áreas urbanas.

Embora a otimização da PSF seja bem estabelecida para tomografia baseada em Fourier sob as hipóteses de campo distante e espaçamento uniforme da plataforma, sua aplicação a sistemas baseados em UAV com formações arbitrárias permanece amplamente inexplorada. Além disso, esses sistemas enfrentam uma dupla restrição: o enxame de UAVs deve manter uma formação que minimize os lóbulos laterais da PSF (restrição de sensoriamento) enquanto, simultaneamente, descarrega dados de radar coletados para uma estação terrestre (GS) em tempo real por meio de um enlace de Acesso Múltiplo por Divisão de Frequência (FDMA) (restrição de comunicação). O artigo formula um problema de otimização conjunta para minimizar o Nível de Lóbulo Lateral de Pico (PSL) da PSF, otimizando tanto a formação dos UAVs quanto a alocação de potência de comunicação, sujeito a restrições de qualidade de serviço (QoS) de sensoriamento e de comunicação.

Metodologia
Os autores formulam o problema como uma tarefa de otimização min-max não convexa (Problema P). O objetivo é minimizar o PSL, definido sobre um intervalo simétrico $I = [-h_{max}, h_{max}]$ ao longo do eixo normal, enquanto satisfaz dez restrições. Essas restrições incluem:

• Sensoriamento: Garantir a reconstrução de alvos sem distorção, limitar as resoluções tomográfica e de alcance oblíquo, manter limites de altitude de voo e ângulo de visada, assegurar separação mínima entre UAVs, garantir largura mínima de faixa de radar e atender a limiares mínimos de Relação Sinal-Ruído (SNR).
• Comunicação: Limitar a potência máxima de transmissão, garantir taxas de dados mínimas para descarga em tempo real e limitar o consumo total de energia por UAV.

O problema é identificado como difícil de resolver devido à estrutura complexa da expressão da PSF, à não convexidade de várias restrições e à falta de expressões de forma fechada para os zeros da PSF (o que torna os métodos tradicionais baseados em gradiente intratáveis).

Para abordar isso, os autores propõem um algoritmo modificado de Otimização por Enxame de Partículas (PSO). Uma inovação chave em sua abordagem é a redução da dimensionalidade do problema. Eles observam que, para uma formação de UAVs dada, o PSL é independente da alocação de potência de comunicação. Consequentemente, o subproblema de alocação de potência pode ser resolvido analiticamente, definindo as potências de transmissão nos níveis mínimos necessários para satisfazer as restrições de comunicação. Isso permite que o algoritmo PSO busque apenas o espaço de formação dos UAVs (reduzindo a dimensionalidade de $I(K+2)$ para $2I$), enquanto a alocação de potência é determinada separadamente.

O algoritmo proposto emprega um mecanismo de parede refletora para lidar com restrições de fronteira e utiliza uma função de aptidão não parametrizada que penaliza violações de restrições. A função de aptidão avalia o PSL para soluções viáveis e adiciona termos de penalidade para soluções inviáveis com base no grau de violação da restrição.

Principais Contribuições

1. Estrutura de Otimização Conjunta: O artigo apresenta uma estrutura inovadora para a otimização conjunta da formação de UAVs e da alocação de potência de comunicação para minimizar os níveis de lóbulos laterais da PSF, contabilizando explicitamente o acoplamento entre o desempenho de sensoriamento e os requisitos de descarga de comunicação.
2. Estratégia de Redução de Dimensionalidade: Propõe-se uma modificação específica ao algoritmo PSO, que desacopla a alocação de potência da busca pela formação. Isso reduz significativamente a complexidade do espaço de busca e melhora a eficiência da convergência.
3. Tratamento de Restrições: A solução incorpora um conjunto abrangente de restrições práticas de sensoriamento e comunicação, incluindo limites de resolução, orçamentos de energia e requisitos de taxa de dados em tempo real, dentro de uma estrutura de otimização estocástica.

Resultados de Simulação
A solução proposta foi avaliada contra vários esquemas de referência: um Algoritmo Genético Convencional (CGA), Genocop II (um GA de otimização com restrições) e um algoritmo PSO padrão que não utilizou a redução de dimensionalidade.

• Ganho de Desempenho: O esquema proposto alcançou um PSL entre -17 dB e -33 dB, superando significativamente os esquemas de referência. Especificamente, demonstrou uma melhoria de 11 dB na supressão do PSL em comparação com o benchmark PSO convencional.
• Comparação com ULA: Embora uma Rede Linear Uniforme (ULA) tenha alcançado um PSL comparável ao esquema proposto, a ULA resultou em um lóbulo principal significativamente mais largo, levando a uma resolução de altura reduzida. O esquema proposto manteve alta resolução enquanto suprimia os lóbulos laterais.
• Compensações: As simulações revelaram que aumentar a altura máxima ($h_{max}$) ou a taxa de dados mínima requerida ($R_{min}$) leva a PSLs mais altos, indicando compensações fundamentais entre cobertura, requisitos de comunicação e qualidade de imageamento. Notavelmente, para $R_{min} > 6.18$ Mb/s, todos os esquemas de referência falharam em encontrar soluções viáveis, enquanto a abordagem proposta permaneceu eficaz.

Significado
O artigo afirma que sua solução proposta melhora significativamente a supressão de lóbulos laterais em comparação com os esquemas de referência existentes, aprimorando assim a qualidade das imagens 3D reconstruídas de TomoSAR. Ao integrar com sucesso as restrições de comunicação na otimização da formação, o trabalho demonstra a viabilidade de sistemas TomoSAR MIMO a bordo de UAV com assistência de comunicação em tempo real. Os resultados sugerem que a abordagem de otimização conjunta proposta é essencial para alcançar imageamento de alta fidelidade em cenários onde os UAVs devem realizar simultaneamente sensoriamento e descarga de dados sob limitações rigorosas de recursos.