[論文レビュー] Sensing Integrated DFT-Spread OFDM Waveform and Deep Learning-powered Receiver Design for Terahertz Integrated Sensing and Communication Systems

Yongzhi Wu, Filip Lemić+2 more|arXiv (Cornell University)|Sep 30, 2021

Millimeter-Wave Propagation and Modeling参考文献 46被引用数 6

ひとこと要約

本稿では、太赫茲統合センシングおよび通信（THz ISAC）システム向けに、センシング統合型DFTスプレッドOFDM（SI-DFT-s-OFDM）波形と、ディープラーニング駆動のISAC受信機を提案する。波形はピーク対平均電力比（PAPR）を約3.2 dB低減し、ミリメートルレベルの距離推定およびデシメートル毎秒の速度推定を可能にする。一方、ディープラーニング受信機は10⁻³ BERにおけるビット誤り率（BER）を5 dB改善し、ドップラー、位相ノイズ、多径効果に対する耐性を高める。

ABSTRACT

Terahertz (THz) communications are envisioned as a key technology of next-generation wireless systems due to its ultra-broad bandwidth. One step forward, THz integrated sensing and communication (ISAC) system can realize both unprecedented data rates and millimeter-level accurate sensing. However, THz ISAC meets stringent challenges on waveform and receiver design to fully exploit the peculiarities of THz channel and transceivers. In this work, a sensing integrated discrete Fourier transform spread orthogonal frequency division multiplexing (SI-DFT-s-OFDM) system is proposed for THz ISAC, which can provide lower peak-to-average power ratio than OFDM and is adaptive to flexible delay spread of the THz channel. Without compromising communication capabilities, the proposed SI-DFT-s-OFDM realizes millimeter-level range estimation and decimeter-per-second-level velocity estimation accuracy. In addition, the bit error rate (BER) performance is improved by 5 dB gain at the $10^{-3}$ BER level compared with OFDM. At the receiver, a deep learning based ISAC receiver with two neural networks is developed to recover transmitted data and estimate target range and velocity, while mitigating the imperfections and non-linearities of THz systems. Extensive simulation results demonstrate that the proposed deep learning methods can realize mutually enhanced performance for communication and sensing, and is robust against Doppler effects, phase noise, and multi-target estimation.

研究の動機と目的

• 太赫茲統合センシングおよび通信（THz ISAC）における厳しい課題、ならびに高いパスロス、ドップラー拡散、位相ノイズ、高いPAPRに対処する。
• THzチャネル特性および受信機制約に適合する低PAPR波形を設計する。
• 通信とセンシングのパrameter推定（距離、速度）を統合的に行うディープラーニングベースの受信機を開発し、耐性を高める。
• 通信とセンシングを1つの波形および受信機アーキテクチャに統合することで、スペクトル効率とハードウェアコストを改善する。
• 通信性能を劣化させることなく、ミリメートルレベルの距離推定、デシメートル毎秒の速度推定を実現する高精度なセンシングを達成する。

提案手法

• CPベースおよびFGIベースの2種類のSI-DFT-s-OFDM波形を提案。DFTスプリーディングを活用してPAPRを低減し、THzチャネルにおける可変遅延スプレッドに適応する。
• パイロット信号の埋め込みとチャネルインパulse応答の活用により、センシング機能を統合し、ターゲットの距離および速度推定を実現する。
• 2本のブランチを持つディープラーニング受信機を設計：ComNetはデータ検出、SensingNetはセンシングパrameter推定を担当。ISACNetでは共有された全結合層を用いて複雑さを低減する。
• チャネルの変動に耐性を持つよう、ランダムパラメータを有する確率的チャネルサンプルを用いてディープラーニングモデルを学習する。
• 通信とセンシングの両タスクの相互強化を実現するため、ISACNetで共同損失関数を適用する。
• 位相ノイズおよびドップラー効果を低減するため、ニューラルネットワーク内にチャネル推定および等化技術を統合する。

実験結果

リサーチクエスチョン

• RQ1 DFTスプレッドOFDM波形は、太赫茲ISACに適応可能であり、PAPRを低減しつつ高いスペクトル効率を維持できるか？
• RQ2 ディープラーニングベースの統合検出および推定は、太赫茲システムにおけるドップラーおよび位相ノイズ下で、どれほどBER性能を向上させられるか？
• RQ3 通信とセンシングのタスク間の類似性は、共有ディープラーニングモデルの性能にどのように影響するか？
• RQ4 1つのディープラーニング受信機は、別々の処理チェーンを必要とせず、高精度なセンシングと信頼性の高い通信を両立できるか？
• RQ5 従来のMMSEおよび分離されたディープラーニングモデルと比較して、提案されたISAC受信機は、耐性および複雑さの観点で優れているか？

主な発見

• 提案されたSI-DFT-s-OFDM波形は、従来のOFDMと比較してPAPRを約3.2 dB低減した。
• 10⁻³ BERにおけるBER性能はOFDMと比較して5 dB改善され、通信の信頼性が向上した。
• 20 dB SNRにおいて、FGIベースのSI-DFT-s-OFDMは10⁻⁵ BER性能を達成し、平均可逆レート174 Gbpsを実現した。
• 本システムはミリメートルレベルの距離推定精度およびデシメートル毎秒レベルの速度推定精度を達成した。
• ISACNetモデルは、別個のComNetとSensingNetモデルと比較して、ネットワークの複雑さを37%低減した一方で、距離推定精度を向上させた。
• タスク間の類似性は高く（CP方式では0.9643）、通信とセンシングのタスク間に強い相乗効果が生じ、共同学習による性能向上が顕著に見られた。