[論文レビュー] RIS-Enabled Passive Radar towards Target Localization

Ahmad Bazzi, Marwa Chafii|arXiv (Cornell University)|Oct 21, 2022

Indoor and Outdoor Localization Technologies被引用数 56

ひとこと要約

この論文は、通信中心の ISAC 設定において RIS支援パッシブレーダーを用いて複数の標的を局在化する手法を提案し、送信ペイロードの知識を必要とせず、NLMSベースの結合推定と2つの処理アルゴリズムを用いる。

ABSTRACT

In this paper, we study a communication-centric integrated sensing and communication (ISAC) approach, where an access point (AP) communicates with users, while a passive radar (PR) is present in the environment. We investigate the deployment of a reconfigurable intelligent surface (RIS) to enable the PR to localize a target. We derive an optimization problem for updating the phase shifters of the RIS per epoch. Due to the limited information at the PR, such as unknown payload information and unknown number of targets in the scene, we propose two methods capable of performing joint angle of arrival estimation and detection of the targets. We demonstrate the superior performance of the methods onto the proposed setting through numerical simulations, in comparison to a no-RIS baseline scheme.

研究の動機と目的

• 実世界の ISAC 設定における RIS 有効パッシブレーダーを介した 6G セ sensing-通信統合を動機づける。
• PR に向けた標的反射を高めるため、時刻ごとに RIS 位相シフトを更新する最適化フレームワークを構築する。
• ペイロードが知られていない状態で、標的の局在と標的数検出を同時に行う 2つのNLMSベースの手法を提案する。
• 送信信号の構造やチャネル状態情報に依存せず、未知の標的数でも局在化を可能にする。

提案手法

• 下りリンクの AP がユーザーと通信し、RIS が標的反射をパッシブレーダー（PR）へ向けて鏡像化するモデルを構築する。
• AP由来の寄与を抑制し、標的反射を高める RIS 反射最適化問題を定式化する（P RIS および V ベースの解）。
• 有用な反射電力を最大化し、干渉を抑制するために PR の RIS 指向にビームフォーミングを実装する。
• 標的数を列挙せずに、RIS反射経路から AoA を推定するための NLMS ベースの二つの局在化法（バッチと逐次）を開発する。
• NLMS 推定スペクトル上のピーク探索を用いて標的の AoA を特定する。K が未知の場合でも適用可能。

実験結果

リサーチクエスチョン

• RQ1 RIS 位相シフトをエポックごとに最適化して、PR での RIS反射ターゲット信号を改善できるか？
• RQ2 ペイロード知識や標的数の列挙なしに、NLMSベースの手法は正確に標的を局在化し、数を検出できるか？
• RQ3 MSE、検出確率、および SRP の観点で、RIS支援局在化は RISなしのベースラインとどう比較されるか？
• RQ4 与えられた標的数と RIS サイズに対して、どの程度の SNR 増加が達成可能か？

主な発見

• RIS支援局在化は、16 個の反射要素で MSE 0.2 に到達するまで最大 20 dB の SNR 増加を達成。
• RIS 16 要素で検出確率 0.9 の場合 16 dB の SNR 増加を達成し、要素を二倍にすると追加で 4 dB 増加。
• RIS支援アーキテクチャを介して局在化した場合、SRP の改善は約 18 dB のレベルで観測される。
• このアプローチは、さまざまなシナリオで、MSE、Pd、および SRP 指標の面で no-RIS ベースラインより優れた性能を示す。
• 2つの NLMS ベースの手法（バッチと逐次）は、標的数を列挙せずに、共同の標的局在化と標的数検出を可能にする。