RIS支援バイスタティック統合型センシングおよび通信におけるダイナミックレンジの低減

核心概念

本稿では、RIS支援バイスタティックISACシステムにおいて、アナログビームフォーミングと最適化手法を用いることで、受信機のダイナミックレンジを大幅に低減できることを示している。

要約

RIS支援バイスタティック統合型センシングおよび通信におけるダイナミックレンジの低減

本稿では、再構成可能な知能表面（RIS）支援バイスタティック統合型センシングおよび通信（ISAC）システムモデルシナリオについて考察する。このシナリオでは、基地局がユーザーと通信し、バイスタティックセンシングユニット、すなわちパッシブレーダー（PR）がダウンリンク信号を用いてターゲットを検知する。RISは通信とセンシングの両方のタスクを支援するため、本稿では、PRに不要な高出力をもたらす可能性のある新しい干渉経路、すなわち経路干渉（PI）を紹介する。PI自体は、直接経路干渉（DPI）と反射経路干渉（RPI）の2つの干渉経路の組み合わせである。

この問題に対して、本稿では、センシングユニットにおけるアナログ時空間ビームフォーミングと、RIS位相シフトおよび統計的送信共分散行列の最適化を組み合わせることで、PI電力を最小化しながら、システムがISACタスクを実行できるようにする最適化フレームワークを定式化する。提案する最適化問題は非凸であるため、ブロック巡回座標降下（BCCD）法を用いて、非凸部分問題を凸部分問題から切り離す。各BCCD反復において、リーマン共役勾配法を用いてRISとPRの時空間ビームフォーミング位相シフトを生成し、凸部分問題は既存のソルバーを用いて解く。シミュレーションの結果、提案するソルバーは、ベンチマークとなるソルバーと比較して有効であることが示された。

本稿の貢献

• PRを用いたRIS支援ISACシステム: 本稿では、BSとRISが連携してPRを支援し、PRにおけるアナログビームフォーミングと連携して高PIによるダイナミックレンジを低減しながら、ISACタスクを実行するRIS支援ISACシステムモデルを提案する。
• 評価指標と動機: バイスタティックモデルで知られている干渉経路であるDPIの定義を、シーン内にRISが存在することによって生じるより一般的なPIに拡張する。本質的に、PIはDPIと反射経路干渉（RPI）の和であり、後者はBS→RIS→PR経路によるものである。次に、この評価指標が重要な理由と、センシングアーキテクチャに不当に高いダイナミックレンジをもたらすことへの影響について説明する。
• RIS-ISAC最適化フレームワーク: 通信SNRとレーダー信号対雑音・歪み比（SNDR）の観点から所定のISAC性能を維持しながら、結果として生じる高いダイナミックレンジを最小化するために調整された最適化フレームワークを提案する。具体的には、BSは、レーダーSNDRと通信SNRのレベルを維持しながら、強いPI成分を共同で最小化するために、統計的共分散行列、RIS位相シフト、PRアナログ位相シフトを最適化する。
• ブロック巡回座標降下法による解法: 提案するRIS-ISAC最適化問題は非凸で非常に非線形であるため、問題を2つの部分問題に分解するブロック巡回座標降下（BCCD）アルゴリズムを設計する。そのうちの1つは非線形かつ非凸であり、リーマン共役勾配（RCG）法を用いて解き、もう1つは半正定値計画問題（SDP）であるため凸である。BCCDは2つの問題を交互に反復し、安定した解に収束して、統計的送信共分散行列、RIS位相シフト、PRアナログ位相シフトを提供する。
• 計算量の解析: 「ビッグオー」記法を用いて、低ダイナミックレンジバイスタティックISACのための提案する最適化問題の解に関連する計算量を解析する。
• 広範なシミュレーション結果: 達成可能なダイナミックレンジ、レーダーSNDR、通信SNRの観点から、多くのベンチマークと比較して、提案する設計とアルゴリズムの優位性と可能性を強調する広範なシミュレーション結果を示す。さらに、以下のような重要な洞察を明らかにする。
  • 送信アンテナの数を増やすと、PRで必要とされるダイナミックレンジが効果的に削減されることが、すべてのベンチマークと提案手法で観察された。具体的には、Mtが高いシナリオでは、アンテナ数を2倍にすると、ダイナミックレンジが約5dB減少する傾向がある。さらに、PRのアンテナの数が多いほどアナログビームフォーミング機能が向上し、必要なダイナミックレンジがさらに削減される。例えば、提案手法を用いると、1アンテナから16アンテナに移行すると約10dBのダイナミックレンジ削減となり、16アンテナから64アンテナに4倍にするとさらに10dBの削減となる。注目すべきことに、提案手法では、RISを使用しない設定と比較して、ダイナミックレンジを最大50dBも大幅に削減できる。これは、PI管理を最適化プロセスに直接統合することの効率の高さを示している。
  • 提案手法は、ベンチマーク手法と比較して、大幅に低いダイナミックレンジで高い通信SNRを達成できるという大きな利点があることが明らかになった。これは、限られたダイナミックレンジでシステム性能を最適化する効率の高さを示している。例えば、30dBの通信SNRを達成するために、提案手法ではPRに1つのアンテナしかない場合でも23dBのダイナミックレンジしか必要としないのに対し、ベンチマーク手法では100dBを超える必要がある。第2に、アンテナ数Mを増やすと、固定ダイナミックレンジで通信SNRを向上させることができるという直感に反する観察結果が得られた。例えば、20dBのダイナミックレンジでは、1アンテナでは26dBの通信SNRが達成されるが、16アンテナでは35dBのSNRに達することができ、64アンテナでは40dBを超えることができる。
  • センシングタスクよりも通信タスクを優先すると、固定リソース（すなわち、RISサイズとPRのアンテナ）に対してPI電力レベルを大幅に削減できることがわかった。具体的には、シミュレーションの結果、通信の優先度を高めるとPI電力レベルが大幅に低下することが明らかになった。特に、提案手法は最も大幅な削減を示しており、RIS-ISACシステムにおけるPIの軽減における通信の優先順位付けの有効性を示している。

統計

2030年までに帯域幅を大量に消費するアプリケーションの需要により、通信容量は103倍に増加すると予想されている。
バイスタティックレーダーでは、DPIの電力レベルは、目的の受信信号よりも100dB以上高くなる可能性がある。
14ビットのAD9683は、約11ビットの実効ビット数を持ち、通信アプリケーションをターゲットとしている。

引用

抽出されたキーインサイト

Low Dynamic Range for RIS-aided Bistatic Integrated Sensing and Communication

by Ahmad Bazzi,... 場所 arxiv.org 11-12-2024

https://arxiv.org/pdf/2411.06117.pdf

深掘り質問

本稿では、単一のターゲットを想定しているが、複数のターゲットが存在する場合、ダイナミックレンジの低減にどのような影響があるだろうか？

複数のターゲットが存在する場合、各ターゲットからの反射信号（RE）が互いに干渉し合い、全体的なダイナミックレンジ要件が増加する可能性があります。これは、ターゲットの数が増えるにつれて、受信信号の電力レベルのばらつきが大きくなるためです。
具体的には、以下のような影響が考えられます。

ターゲット間の距離が近い場合: それぞれのターゲットからのREが時間的に重なり、干渉が発生しやすくなります。この干渉により、弱いREが強いREに埋もれてしまい、検出が困難になる可能性があります。
ターゲットのRCSが大きく異なる場合: RCSが大きいターゲットからのREは、RCSが小さいターゲットからのREよりもはるかに強くなります。そのため、ダイナミックレンジが不足すると、RCSの小さいターゲットを検出することが難しくなります。
ターゲットのドップラーシフトが異なる場合: ドップラーシフトが異なるターゲットからのREは、周波数領域で重なり合う可能性があります。この場合、周波数領域での分離が困難になり、ダイナミックレンジ要件が増加します。
これらの問題に対処するためには、以下のような対策が考えられます。

ターゲット分離技術の導入: 時間領域、周波数領域、または角度領域でターゲットを分離する技術を導入することで、干渉の影響を軽減できます。
ダイナミックレンジの拡大: より高分解能なADCを使用するか、受信機のゲイン制御を最適化することで、ダイナミックレンジを拡大できます。
最適化アルゴリズムの改良: 複数のターゲットの存在を考慮した最適化アルゴリズムを開発することで、ダイナミックレンジを効果的に低減できます。

アナログビームフォーミングに加えて、デジタルドメインでの干渉抑制技術を導入することで、ダイナミックレンジをさらに低減できる可能性はあるだろうか？

はい、アナログビームフォーミングに加えて、デジタルドメインでの干渉抑制技術を導入することで、ダイナミックレンジをさらに低減できる可能性があります。デジタルドメインでの処理は、アナログドメインよりも柔軟性が高く、高度な信号処理アルゴリズムを適用できます。
具体的には、以下のようなデジタルドメインでの干渉抑制技術が考えられます。

適応フィルタリング: DPIやRPIなどの既知の干渉信号を推定し、受信信号から除去することで、干渉の影響を軽減できます。最小平均二乗（LMS）アルゴリズムや再帰的最小二乗（RLS）アルゴリズムなどの適応アルゴリズムを使用できます。
ブラインド信号分離: 干渉信号に関する事前情報がなくても、受信信号から目的信号と干渉信号を分離できます。独立成分分析（ICA）やスパース表現などのブラインド信号処理技術を使用できます。
時空間フィルタリング: アンテナアレイと複数の時間サンプルからの信号を利用して、干渉信号を抑制し、目的信号を強調できます。
これらのデジタルドメインでの干渉抑制技術をアナログビームフォーミングと組み合わせることで、ダイナミックレンジを効果的に低減し、RIS支援バイスタティックISACシステムの全体的な性能を向上させることができます。

本稿で提案されている最適化フレームワークは、他の種類のワイヤレスセンシングシステム、例えば、カメラやLiDARとレーダーを組み合わせたシステムに応用できるだろうか？

はい、本稿で提案されている最適化フレームワークは、カメラやLiDARとレーダーを組み合わせたシステムなど、他の種類のワイヤレスセンシングシステムにも応用できる可能性があります。
このフレームワークは、送信信号の共分散行列、RISの位相シフト、および受信機のアナログビームフォーマーを共同で最適化することで、ダイナミックレンジを最小限に抑えながら、必要なセンシング性能を達成することを目的としています。
このフレームワークを他のセンシングシステムに適用するには、いくつかの変更が必要になる場合があります。

センシングモデルの変更: 各センシングシステムの特性に合わせて、センシングモデルを変更する必要があります。例えば、カメラやLiDARの場合、受信信号は電磁波ではなく、光強度や距離情報になります。
最適化問題の再定義: センシングモデルの変更に伴い、最適化問題を再定義する必要があります。例えば、カメラやLiDARの場合、ダイナミックレンジの代わりに、画像の明るさやコントラストを最適化する必要があるかもしれません。
アルゴリズムの調整: 最適化問題を解くために使用されるアルゴリズムを、新しい問題に合わせて調整する必要がある場合があります。
しかし、基本的な考え方は、異なる種類のセンシングシステムにも適用できます。すなわち、送信信号、環境の制御可能な要素（RISなど）、および受信機の処理を共同で最適化することで、センシング性能を向上させながら、システムの複雑さやコストを削減できる可能性があります。
例えば、カメラとレーダーを組み合わせたシステムでは、このフレームワークを応用して、以下のような最適化を行うことができます。

レーダーとカメラのセンシング範囲の重複を最大化するように、送信信号とRISの位相シフトを最適化する。
互いのセンシングを妨げないように、レーダーとカメラの動作パラメータを調整する。
両方のセンサーからの情報を統合して、より正確でロバストなセンシングを実現する。
このように、本稿で提案されている最適化フレームワークは、様々なワイヤレスセンシングシステムにおいて、センシング性能の向上とシステムの効率化に貢献する可能性があります。