Adaptive 5G Resource Allocation for Multistatic ISAC-Based UAV Detection and Tracking

Resumo Técnico: Alocação Adaptativa de Recursos 5G para Detecção e Rastreamento de UAV Multiestático Baseado em ISAC

Declaração do Problema
A proliferação de Veículos Aéreos Não Tripulados (UAVs) de pequeno porte criou riscos significativos de segurança próximos a infraestruturas críticas e espaços aéreos restritos, necessitando de capacidades robustas de detecção e rastreamento. Embora a Integração de Sensoriamento e Comunicações (ISAC) ofereça um caminho para aproveitar as redes 5G existentes para vigilância, a implementação prática enfrenta dois desafios primários:

1. Competição de Recursos: As funções de sensoriamento e comunicação devem competir por recursos de rádio finitos. Alocações de sensoriamento estáticas são ineficientes sob cargas de rede variáveis no tempo, levando ou ao desperdício de recursos durante períodos de baixo tráfego ou à degradação do desempenho de sensoriamento durante a congestionamento.
2. Robustez de Rastreamento: Rastrear UAVs altamente manobráveis com baixas Seções de Radar Transversal (RCS) é difícil, particularmente quando os recursos de rede estão restritos. Sistemas de modalidade única (por exemplo, radar monoestático) frequentemente sofrem com lacunas de cobertura e imprecisões de localização em ambientes complexos.

Metodologia
Os autores propõem uma estrutura ISAC multiestática adaptativa e consciente da carga, operando sobre a interface 5G New Radio (NR). A arquitetura do sistema integra um gNB 5G ativo (atuando como um iluminador controlado) com uma rede distribuída de nós de Sensores Definidos por Software (SDS) atuando como receptores passivos.

Componentes metodológicos principais incluem:

• Design de Forma de Onda Adaptativa: O gNB ajusta dinamicamente o comprimento das sequências de Zadoff-Chu (ZC) ($N_{ZC}$), a taxa de transmissão de sensoriamento e a alocação de feixe com base na carga de rede em tempo real ($\eta$) e na Razão Sinal-Ruído (SNR) observada. Sequências mais longas proporcionam maior ganho de processamento coerente e melhor resolução de alcance, mas consomem mais Blocos de Recursos Físicos (PRBs).
• Modelagem de Recursos Compartilhados: Um modelo matemático quantifica o compromisso entre o rendimento (throughput) de comunicação e o overhead de sensoriamento. O sistema define quatro políticas de alocação de recursos: orientada a sensoriamento fixo, orientada a comunicações fixas, ISAC adaptativo e ISAC adaptativo com assistência de Sinal de Oportunidade (SoO).
• Sensoriamento Multiestático Assistido por SoO: Quando os recursos de rede estão muito restritos para suportar os requisitos de sensoriamento 5G ativo, a estrutura aproveita Sinais de Oportunidade externos (ex: satélite, transmissão de FM ou outras transmissões celulares) via nós SDS passivos. Esses nós capturam reflexões do alvo sem consumir recursos 5G adicionais.
• Métricas de Desempenho:
  • Detecção/Rastreamento: Analisados usando a função Q de Marcum para probabilidade de detecção e um modelo $M$-de-$N$ para continuidade de rastreamento (exigindo $M$ detecções bem-sucedidas em $N$ oportunidades).
  • Precisão de Localização: Avaliada usando o Limite Inferior de Cramér-Rao (CRLB) para comparar geometrias monoestáticas (apenas gNB) versus multiestáticas (gNB + SDS).

Principais Contribuições
O artigo apresenta quatro contribuições específicas para o campo de ISAC 5G:

1. Modelo de Recursos Consciente da Carga: Desenvolvimento de um modelo que quantifica o overhead de sensoriamento como uma função do comprimento da forma de onda ZC, taxa de atualização e contagem de feixes sob recursos 5G compartilhados.
2. Caracterização de Compromisso (Trade-off): Demonstração de que o escalonamento adaptativo da forma de onda permite que o sensoriamento 5G preserve as capacidades de rastreamento enquanto degrada graciosamente o desempenho conforme a carga de comunicação aumenta, evitando as ineficiências rígidas de reservas fixas.
3. Arquitetura Assistida por SoO: Introdução de uma arquitetura de sensoriamento distribuído onde os nós SDS exploram SoO externos para manter a continuidade do rastreamento quando os recursos 5G ativos são escassos, reduzindo significativamente as interrupções de rastreamento sob congestionamento pesado.
4. Estrutura CRLB Multiestática: Uma análise teórica mostrando que geometrias multiestáticas melhoram significativamente a precisão de localização e a uniformidade da cobertura espacial em comparação com o sensoriamento monoestático, particularmente ao aproveitar formas de onda mais longas e larguras de banda maiores.

Resultados
Resultados de simulação baseados em um sistema 5G NR FR1 (3,5 GHz, 50 MHz de largura de banda) demonstram o seguinte:

• Rendimento vs. Sensoriamento: Políticas adaptativas superam as linhas de base de reserva fixa. Enquanto políticas de sensoriamento fixo limitam o rendimento (ex: em 85% ou 97% da carga oferecida), a política adaptativa acompanha de perto a carga oferecida.
• Resiliência ao Congestionamento: Sob congestionamento extremo (carga normalizada $\eta \to 1,0$), a política "Adaptativa + SoO" mantém o rendimento igual à carga oferecida enquanto mantém baixa probabilidade de interrupção de rastreamento. Em contraste, a política puramente adaptativa (sem SoO) experimenta falha rápida de rastreamento conforme os recursos são desviados para a comunicação.
• Escalonamento de Forma de Onda: Aumentar o comprimento da sequência ZC ($N_{ZC}$) de 71 para 1291 melhora a SNR de entrada necessária para uma probabilidade de interrupção de rastreamento alvo ($10^{-3}$) em aproximadamente 12,6 dB, estendendo o rastreamento confiável para condições de menor SNR.
• Precisão de Localização: A análise CRLB revela que o sensoriamento multiestático supera significativamente o sensoriamento monoestático. Para uma forma de onda longa ($N_{ZC}=1291$), o Limite de Erro de Posição (PEB) médio para o sensoriamento multiestático cai para 0,85 m, enquanto o sensoriamento monoestático permanece estagnado em ~6,9 m, destacando os benefícios geométricos dos nós distribuídos.

Significância
O artigo postula que o sensoriamento adaptativo coordenado combinado com o suporte multiestático distribuído representa um caminho prático para a vigilância resiliente de UAV em futuras redes sem fio. Ao escalar dinamicamente os recursos de sensoriamento e aproveitar sinais externos passivos, a estrutura proposta aborda a tensão crítica entre manter serviços de comunicação de alta qualidade e garantir o rastreamento preciso e persistente de UAV em ambientes de RF congestionados. O trabalho valida que o ISAC pode ir além do particionamento estático de recursos para um paradigma dinâmico e consciente da carga que utiliza todo o potencial da infraestrutura sem fio existente e oportunística.