[論文レビュー] Joint Pilot Optimization, Target Detection and Channel Estimation for Integrated Sensing and Communication Systems

Zhe Huang, Kexuan Wang+4 more|arXiv (Cornell University)|Feb 5, 2022

Radar Systems and Signal Processing参考文献 43被引用数 70

ひとこと要約

ISACシステム向けの2段階のジョイントパイロット最適化・ターゲット検出・チャネル推定スキーム（J-PoTdCe）を提案し、Turbo Sparse Bayesian推定とランク-1パイロット最適化を活用してレーダと通信チャネル間のジョイントバーストスパース性を利用する。

ABSTRACT

Radar sensing will be integrated into the 6G communication system to support various applications. In this integrated sensing and communication system, a radar target may also be a communication channel scatterer. In this case, the radar and communication channels exhibit certain joint burst sparsity. We propose a two-stage joint pilot optimization, target detection and channel estimation scheme to exploit such joint burst sparsity and pilot beamforming gain to enhance detection/estimation performance. In Stage 1, the base station (BS) sends downlink pilots (DP) for initial target search, and the user sends uplink pilots (UP) for channel estimation. Then the BS performs joint target detection and channel estimation based on the reflected DP and received UP signals. In Stage 2, the BS exploits the prior information obtained in Stage 1 to optimize the DP signal to achieve beamforming gain and further refine the performance. A Turbo Sparse Bayesian inference algorithm is proposed for joint target detection and channel estimation in both stages. The pilot optimization problem in Stage 2 is a semi-definite programming with rank-1 constraints. By replacing the rank-1 constraint with a tight and smooth approximation, we propose an efficient pilot optimization algorithm based on the majorization-minimization method. Simulations verify the advantages of the proposed scheme.

研究の動機と目的

• 6G ISACシステムにおけるレーダー sensingと通信の統合を動機づけ、レーダーターゲットと通信散乱体間のジョイントバーストスパース性を利用する。
• 最適化されたパイロットを用いてジョイントターゲット検出とチャネル推定を実行する2段階のフレームワークを開発する。
• 動的なAoAグリッドの下で、スパースベイズ推定を活用してターゲットを共同検出しチャネルを推定する。
• パイロットビームフォーミング利得と段階間の情報共有によって低SNR性能を向上させる。

提案手法

• 2段階のJ-PoTdCeフレームワーク: 第1段階は全方向性ダウンリンクパイロットとアップリンクパイロットを用いて初期探索と推定を行う；第2段階は事前情報を用いてターゲット/散乱体へ向けたダウンリンクパイロットを最適化し精度を高める。
• レーダーと通信チャネルのジョイントバーストスパース性を捉える隠れマルコフモデルを用いたTurbo Sparse Bayesian Inference (Turbo-SBI)。
• 分解能を保ちつつグリッドずれを緩和するための、疎な角度領域表現のための動的角度グリッド。
• 反射されたダウンリンクパイロットとアップリンクパイロットを結ぶ結合測定モデル；ベイズ推定により x^r, x^c, s^r, s^c およびグリッド theta の事後分布を得る。
• 第2段階のパイロット最適化をランク-1制約付きのSDPとして定式化；厳密な平滑近似に置換し、MM（マジョリゼーション-最小化法）で解く。
• Turbo-OAMPおよびSDRアプローチとの比較、CDLチャネルモデル下でのシミュレーションにより利得を検証。

実験結果

リサーチクエスチョン

• RQ1 レーダータゲットと通信散乱体間のジョイントバーストスパース性をどのように活用してISACシステムにおけるターゲット検出とチャネル推定を改善できるか？
• RQ2 2段階のパイロット設計とTurbo SBIフレームワークは、特に低SNR領域で検出/推定性能を向上させることができるか？
• RQ3 階段2のパイロットを、ランク-1制約付き最適化を用いてビームフォーミング利得を最大化し、ターゲットパラメータのCRBを最小化するよう設計するには？
• RQ4 大規模MIMO ISAC設定における動的AoAグリッドが推定精度と計算量に与える影響はどのようなものか？

主な発見

• Turbo-SBIを用いた2段階のJ-PoTdCeスキームは、ジョイントバーストスパース性を活用してターゲット検出とチャネル推定を同時に達成する。
• 大きなグリッドを用いた動的グリッドAoA表現はグリッドミスマッチへの耐性を向上させ、超解像推定を可能にする。
• MMベースのアプローチとランク-1緩和による第2段階のパイロット最適化は、効率的なビームフォーミング利得とCRB低減を提供する。
• Turbo-SBIは joint HMM priors の下で x^r, x^c, s^r, s^c の周辺事後分布を効果的に計算し、シミュレーションで性能向上を達成する。
• 3GPP R15 CDLチャネルモデルを用いたシミュレーションでフレームワークを検証し、従来法に対する利点を示した。