[论文解读] Coverage and Rate of Joint Communication and Parameter Estimation in Wireless Networks

Nicholas R. Olson, Jeffrey G. Andrews+1 more|arXiv (Cornell University)|Oct 5, 2022

Cooperative Communication and Network Coding参考文献 49被引用 6

一句话总结

本文提出了一种新颖的信息论框架，用于分析毫米波网络中的联合通信与感知（JCAS）系统，通过互信息定义感知覆盖概率和遍历速率。利用随机几何方法，推导出覆盖和速率的可计算边界，揭示网络密集化可提升感知SINR——这与传统仅通信系统不同。

ABSTRACT

From an information theoretic perspective, joint communication and sensing (JCAS) represents a natural generalization of communication network functionality. However, it requires the re-evaluation of network performance from a multi-objective perspective. We develop a novel mathematical framework for characterizing the sensing and communication coverage probability and ergodic rate in JCAS networks. We employ a formulation of sensing parameter estimation based on mutual information to extend the notions of coverage probability and ergodic rate to the radar setting. We define sensing coverage probability as the probability that the rate of information extracted about the parameters of interest associated with a typical radar target exceeds some threshold, and sensing ergodic rate as the spatial average of the aforementioned rate of information. Using this framework, we analyze the downlink sensing and communication coverage and rate of a mmWave JCAS network employing a shared waveform, directional beamforming, and monostatic sensing. Leveraging tools from stochastic geometry, we derive upper and lower bounds for these quantities. We also develop several general technical results including: i) a generic method for obtaining closed form upper and lower bounds on the Laplace Transform of a shot noise process, ii) a new analog of H{ö}lder's Inequality to the setting of harmonic means, and iii) a relation between the Laplace and Mellin Transforms of a non-negative random variable. We use the derived bounds to numerically investigate the performance of JCAS networks under varying base station and blockage density. Among several insights, our numerical analysis indicates that network densification improves sensing SINR performance -- in contrast to communications.

研究动机与目标

• 为解决从多目标视角对联合通信与感知（JCAS）网络缺乏系统性性能分析的问题。
• 通过信息论方法，将传统通信度量——覆盖概率和遍历速率——扩展至雷达感知领域。
• 通过互信息定义的目标参数信息提取速率，对感知性能进行建模与量化。
• 分析共享波形、定向波束成形和单基地感知条件下，毫米波网络中通信与感知之间的权衡。
• 利用随机几何和新型分析工具，推导出感知与通信覆盖和速率的可计算数学边界。

提出的方法

• 将感知覆盖概率定义为关于目标参数的互信息速率超过阈值的概率。
• 将感知遍历速率定义为感知目标与其参数之间互信息速率的空间平均值。
• 应用随机几何方法，将下行链路毫米波JCAS网络中的基站和阻挡物过程建模为泊松点过程。
• 采用通用方法推导出脉冲噪声过程拉普拉斯变换的上下界，适用于一般脉冲噪声强度。
• 提出一种类似于霍尔德不等式的新型调和平均不等式，用于有界调和函数的L1范数。
• 建立非负随机变量的拉普拉斯变换与梅林变换之间的新关系，实现变换反演以用于性能分析。

实验结果

研究问题

• RQ1 如何利用信息论度量，将通信领域的覆盖概率和遍历速率推广至JCAS网络中的感知领域？
• RQ2 在共享毫米波波形系统中，通信与感知性能之间的基本权衡是什么？
• RQ3 与通信SINR相比，网络密集化对感知SINR性能有何影响？
• RQ4 在干扰和阻挡条件下，需要哪些分析工具才能对JCAS网络的覆盖和速率性能进行可计算的边界估计？
• RQ5 能否开发一个统一框架，结合随机几何与信息论，联合量化通信与感知性能？

主要发现

• 本文建立了一个正式框架，基于互信息定义感知覆盖概率和遍历速率，使与通信度量可直接比较。
• 推导出一种通用方法，可获得脉冲噪声过程拉普拉斯变换的闭式上下界，这对干扰建模至关重要。
• 提出一种类似于霍尔德不等式的新型不等式，用于调和平均，可对随机函数调和平均的L1范数提供更紧的边界。
• 证明了非负随机变量的拉普拉斯变换与梅林变换之间的基本关系，使可通过梅林反演计算拉普拉斯变换。
• 数值结果表明，增加基站密度可提升感知SINR性能，这一结果与传统通信网络相反——在传统网络中，密集化并不总能改善SINR。
• 所推导的边界被证明具有紧致性，且在毫米波JCAS部署中，适用于不同阻挡和基站密度下的性能评估。