Subspace Overlap Predicts Residual Sensing Feasibility in OFDM ISAC Systems

Resumo Técnico: A Sobreposição de Subespaços Prediz a Viabilidade de Sensoriamento Residual em Sistemas OFDM ISAC

Definição do Problema
A Integração de Sensoriamento e Comunicação (ISAC) é uma capacidade fundamental para o 6G, mas as arquiteturas de receptor atuais dependem tipicamente de cadeias de sensoriamento paralelas que exigem recursos dedicados. Este artigo investiga se o resíduo da equalização de Erro Quadrático Médio Mínimo (MMSE) — convencionalmente descartado como ruído em receptores de comunicação — pode ser explorado como um recurso de sensoriamento. O desafio central é determinar se os artefatos remanescentes após a estimativa de canal e equalização contêm estrutura de alvo explorável ou se são meramente ruído incoerente. Além disso, o artigo aborda a falta de uma métrica quantitativa para prever quando tal sensoriamento residual é viável e propõe um método para remover artefatos de forma adaptativa sem conhecimento prévio do subespaço do alvo.

Metodologia
O estudo utiliza um modelo de sistema OFDM operando a 28 GHz (NR FR2) com 256 subportadoras e 64 símbolos. O sinal recebido é modelado como a soma dos canais de comunicação e de alvo, onde o alvo é de 20 a 40 dB mais fraco que o canal de comunicação. O Receptor K–R proposto opera em duas etapas:

1. Etapa K (MMSE Padrão): Realiza a estimativa de canal padrão (LS + interpolação + suavização LMMSE) e a equalização de decisão rígida para gerar um sinal residual ($r_s$).
2. Etapa R (Processamento Residual): Aplica a Decomposição de Valores Singulares (SVD) ao resíduo. Uma Análise de Componentes Principais (PCA) adaptativa remove os componentes de artefato dominantes com base na seleção de posto (rank), seguida por uma FFT 2D para gerar um mapa de Alcance-Doppler.

Os autores analisam 12 modelos de canal distintos, incluindo sete canais paramétricos e cinco perfis de Linha de Atraso Agrupada (CDL) da 3GPP. Eles introduzem uma nova métrica, $\eta_1$ (sobreposição de subespaço), definida como a norma de Frobenius normalizada da projeção entre os vetores singulares dos artefatos e os vetores singulares do alvo. Esta métrica quantifica a separabilidade geométrica entre os artefatos residuais e o sinal do alvo.

Para abordar a limitação prática de não conhecer o subespaço do alvo, o artigo propõe o Algoritmo 1, um método de seleção de posto adaptativo cego. Este algoritmo identifica o posto ótimo ($k^*$) para a remoção de artefatos através da detecção do "eigengap" (a razão $\sigma_k / \sigma_{k+1}$) nos valores singulares do resíduo observado, eliminando a necessidade de um oráculo.

Principais Contribuições

1. Estrutura de Baixo Posto Universal: Os autores demonstram que os artefatos residuais em todos os 12 canais testados são universalmente de baixo posto, com o primeiro valor singular capturando 28–45% da energia total. Isso é atribuído à interpolação no domínio da frequência, que atua como um filtro passa-baixas nos erros de estimativa.
2. Métrica de Sobreposição de Subespaço ($\eta_1$): O artigo estabelece $\eta_1$ como um preditor estatisticamente significativo da viabilidade de sensoriamento. A análise de regressão mostra que, quando $\eta_1 < 0,05$, a PCA de posto-1 alcança um diferencial positivo; quando $\eta_1 > 0,10$, a separação falha. Em um modelo multivariável incluindo espalhamento de atraso, ganho do alvo e SNR, $\eta_1$ contribui para um poder explicativo de $R^2 = 0,55$.
3. Seleção de Posto Adaptativa Cega: O algoritmo baseado em eigengap proposto seleciona com sucesso o posto ótimo sem conhecimento do alvo, estendendo a viabilidade de sensoriamento para 11 de 12 canais (resgatando cenários de Alto Doppler, NLOS Fraco e LOS).
4. Superioridade de Desempenho: A abordagem K–R PCA-1 supera todas as linhas de base, incluindo filtragem casada com Informação de Estado de Canal (CSI) perfeita.

Resultados

• Ganho de Desempenho: Sob condições UMi (SNR = 20 dB, alvo em −10 dB), o método K–R PCA-1 alcança um diferencial de +2,11 dB sobre a linha de base. Isso supera significativamente a filtragem casada com CSI perfeita (+0,35 dB) e a FFT 2D padrão no resíduo (−0,47 dB).
• Mecanismo de Ganho: O melhoria é atribuída à capacidade do equalizador MMSE de pré-cancelar aproximadamente 20 dB de interferência de comunicação. Enquanto o sinal bruto enterra o alvo 20 dB abaixo do canal de comunicação, o resíduo apresenta o alvo com uma razão alvo-interferência próxima da unidade, permitindo que a PCA o isole efetivamente.
• Validação Estatística: Os resultados foram validados em 500 ensaios de Monte Carlo com $p < 0,001$. O pico de desempenho atingiu +2,12 ± 0,16 dB.
• Complexidade: A implementação é computacionalmente eficiente. O uso de iteração de potência para SVD de posto-1 custa 0,08 ms (93% mais barato que a SVD completa). A etapa R adiciona um overhead total de 0,23 ms à linha de base de comunicação, resultando em uma latência total de receptor de 1,08 ms/quadro.
• Limites de Viabilidade: A detecção de Taxa de Falsa Alarme Constante (CFAR) de quadro único permanece inalcançável ($H_1/H_0 \approx 1,0$). No entanto, a acumulação de múltiplos quadros (50 quadros) preenche essa lacuna, alcançando uma probabilidade de detecção ($P_d$) de 0,98 com uma taxa de falsa alarme ($P_{fa}$) de 0,01.

Significância
O artigo afirma estabelecer as condições específicas de subespaço sob as quais o sensoriamento baseado em resíduos é viável sem hardware dedicado. O insight principal é que a viabilidade depende não do baixo posto dos artefatos (que é universal), mas da separabilidade geométrica ($\eta_1$) entre os subespaços de artefato e alvo. Ao fornecer um preditor quantitativo ($\eta_1$) e um algoritmo adaptativo cego, o trabalho demonstra que os resíduos de MMSE podem servir como um recurso de sensoriamento viável em sistemas OFDM ISAC, desde que a sobreposição de subespaço seja suficientemente baixa. Os achados sugerem que a capacidade de cancelamento de interferência do equalizador MMSE é o habilitador crítico para esta funcionalidade de uso duplo.