[논문 리뷰] Statistical and Deterministic RCS Characterization for ISAC Channel Modeling

Ali Waqar Azim, Ahmad Bazzi외 4명|ArXiv.org|2025. 02. 17.

Fault Detection and Control Systems인용 수 3

한 줄 요약

본 논문은 실내 공장 및 실내 핫스팟 환경에서 ISAC 채널 모델링을 위한 통계적 및 결정적 레이다 산란(RCS) 특성화를 25–28 GHz에서 수행하고, 단일정(모노스틱) 및 이중정(바스틱) 구성을 대상으로 RCS 데이터를 여러 분포에 맞춤화한다.

ABSTRACT

In this study, we perform a statistical analysis of the radar cross section (RCS) for various test targets in an indoor factory at \(25\)-\(28\) GHz, with the goal of formulating parameters that may be used for target identification and other sensing applications for future wireless systems. The analysis is conducted based on measurements in monostatic and bistatic configurations for bistatic angles of \(20^\circ\), \(40^\circ\), and \(60^\circ\), which are functions of transmitter-receiver (T-R) and target positions, via accurate \(3\)dB beamwidth of \(10^\circ\) in both azimuth and elevation planes. The test targets include unmanned aerial vehicles, an autonomous mobile robot, and a robotic arm. We utilize parametric statistical distributions to fit the measured RCS data. The analysis reveals that the extit{lognormal and gamma distributions} are effective in modeling the RCS of the test targets over different reflecting points of the target itself, i.e. when target is in motion. Additionally, we provide a framework for evaluating the deterministic bistatic RCS of a rectangular sheet of laminated wood, due to its widespread use in indoor hotspot environments. Novel deterministic and statistical RCS models are evaluated, incorporating dependencies on the bistatic angle, T-R distance (\(2\)m -\(10\)m) and the target. The results demonstrate that some proposed RCS models accurately fit the measured data, highlighting their applicability in bistatic configurations.

연구 동기 및 목표

• ISAC 채널 모델링을 위한 실내 공장 타깃의 RCS 특성화.
• 측정된 RCS 데이터를 모수 분포에 맞춰 로 GoF 후보를 식별하기 위함.
• 바스틱 구성에서 적층 목재 타깃에 대한 결정적 RCS 모델을 개발하고 평가하기 위함.

제안 방법

• 4x4 안테나 어레이와 USRP 기반 시험대으로 25–28 GHz에서 모노스틱 및 바스틱 RCS 측정 수행.
• 전송에 대해 Zadoff-Chu 시퀀스를 사용하고 CIR을 추출하여 P_tar를 P_tot, P_back, P_noise로부터 계산하여 타깃 RCS를 도출.
• 측정된 RCS 데이터에 대해 정상분포, 로그정규분포, 감마, Weibull, Rayleigh, 지수 분포의 PDF와 CDF를 피팅하고 KS 통계량 및 MSE로 적합도 평가.
• 이중 경로 손실을 반영하고 적층 목재 타깃에 대한 결정적 NSR 구성 요소를 포함하는 수정된 FI 모델을 통해 결정적 RCS 평가.
• 통계적 및 결정적 RCS 모델 모두에서 바스틱 각도와 T-R 거리 의존성 평가.

실험 결과

연구 질문

• RQ1 다양한 바스틱 각도 및 주파수에서 실내 공장 타깃의 측정된 RCS 데이터를 어떤 통계 분포가 가장 잘 모델하는가?
• RQ2 바스틱 각도와 Tx–Rx–타깃 기하가 ISAC 시나리오의 RCS 통계 및 결정 모델에 어떤 영향을 미치는가?
• RQ3 수정된 FI 접근법에 기반한 결정적 RCS 모델이 25–28 GHz에서 일반적인 실내 물체의 RCS를 정확히 설명하는가?
• RQ4 이동 및 방향 조건에서 UAV, 자율 모바일 로봇, 로봇 팔의 상대적 RCS 특성은 어떠한가?
• RQ5 타깃 및 구성별로 각 분포에 대한 GoF 결과(KS, MSE)는 어떻게 나타나는가?

주요 결과

• RCS 데이터는 양의 편향을 보이며, 로그정규, 감마, Weibull 분포가 다양한 구성에서 UAV 타깃에 대해 최적의 GoF를 제공한다.
• Mavic 2 Pro를 25 GHz에서 바스틱 각도 약 10°일 때, 감마가 종종 최적의 GoF를 제공하며 KS는 약 5–6e-2, MSE는 약 0.4–0.9e-3 수준이다.
• Matrice 300 RTK의 경우, Weibull, 감마, 로그정규 분포가 테스트 각도 전반에서 데이터를 가장 잘 피팅하며 Weibull이 최적 피팅을 자주 제공하고 KS는 약 4–13e-2, MSE는 약 0.3–2e-3 수준이다.
• 고정된 바스틱 각도에서 주파수가 증가할수록 RCS는 일반적으로 증가하고 바스틱 각도가 커질수록 감소하는 경향(각도 의존성 관찰)
• UAV 크기와 배터리 배치와 같은 요인은 더 큰 플랫폼(Matrice 300 RTK)이 Mavic 2 Pro보다 더 높은 RCS로 이어진다.
• 통계 모델링 결과는 UAV RCS에 대해 Weibull, 로그정규 또는 감마 분포를 다중 구성에서 사용하는 것을 뒷받침하며, 다수의 경우(12/32)에서 감마 분포가 최적 적합을 차지한다.