[论文解读] Integrated Sensing and Communication with mmWave Massive MIMO: A Compressed Sampling Perspective

Zhen Gao, Ziwei Wan+5 more|arXiv (Cornell University)|Jan 15, 2022

Sparse and Compressive Sensing Techniques被引用 4

一句话总结

本文提出了一种基于压缩感知（CS）的毫米波大规模MIMO系统混合波束成形集成感知与通信（ISAC）框架，实现了高分辨率雷达成像与低导频开销的信道估计。通过利用宽间距阵列（WSA）和一种新型的具有支持精炼的正交匹配追踪（OMP-SR）算法，该框架实现了角度、时延和多普勒频移的精确联合估计，仿真结果表明其性能接近克拉美罗界（CRB），在多普勒补偿下误块率（BER）增益达10 dB。

ABSTRACT

Integrated sensing and communication (ISAC) has opened up numerous game-changing opportunities for realizing future wireless systems. In this paper, we propose an ISAC processing framework relying on millimeter-wave (mmWave) massive multiple-input multiple-output (MIMO) systems. Specifically, we provide a compressed sampling (CS) perspective to facilitate ISAC processing, which can not only recover the high-dimensional channel state information or/and radar imaging information, but also significantly reduce pilot overhead. First, an energy-efficient widely spaced array (WSA) architecture is tailored for the radar receiver, which enhances the angular resolution of radar sensing at the cost of angular ambiguity. Then, we propose an ISAC frame structure for time-varying ISAC systems considering different timescales. The pilot waveforms are judiciously designed by taking into account both CS theories and hardware constraints induced by hybrid beamforming (HBF) architecture. Next, we design the dedicated dictionary for WSA that serves as a building block for formulating the ISAC processing as sparse signal recovery problems. The orthogonal matching pursuit with support refinement (OMP-SR) algorithm is proposed to effectively solve the problems in the existence of the angular ambiguity. We also provide a framework for estimating the Doppler frequencies during payload data transmission to guarantee communication performances. Simulation results demonstrate the good performances of both communications and radar sensing under the proposed ISAC framework.

研究动机与目标

• 通过利用压缩感知（CS）实现稀疏信号恢复，解决毫米波大规模MIMO ISAC系统中计算复杂度高和导频开销大的问题。
• 通过采用能效更高的宽间距阵列（WSA）架构提升雷达角分辨率，同时管理角模糊性问题。
• 在混合波束成形（HBF）约束下，设计一种考虑硬件特性的时变ISAC帧结构与导频波形。
• 实现信道状态信息与多普勒频移的联合估计，以保障高速移动通信的可靠性。
• 开发专用字典与OMP-SR算法，有效处理雷达成像与信道估计中的角模糊性问题。

提出的方法

• 在雷达接收端采用宽间距阵列（WSA）以提高角分辨率，尽管会引入角模糊性。
• 设计一种新型ISAC帧结构，以适应信道估计、雷达成像与多普勒估计的不同时间尺度需求。
• 将ISAC处理建模为稀疏信号恢复问题，使用专为WSA设计的字典，实现压缩采样。
• 提出具有支持精炼的正交匹配追踪（OMP-SR）算法，以解决角模糊性并提升恢复精度，优于传统OMP算法。
• 在数据传输阶段集成多普勒估计框架，以在时变信道中保持通信性能。
• 在HBF硬件约束下优化导频波形，以确保导频多样性并降低开销。

实验结果

研究问题

• RQ1 如何有效将压缩感知应用于毫米波ISAC系统，以在保持高分辨率感知与精确信道估计的同时降低导频开销？
• RQ2 宽间距阵列引入的角模糊性对雷达成像与信道恢复有何影响，又该如何缓解？
• RQ3 在混合波束成形约束下，如何设计导频波形，以同时实现高效的信道估计与雷达感知？
• RQ4 所提出的OMP-SR算法在解决模糊角度与提升恢复性能方面，相较于传统OMP算法能实现多大程度的性能优势？
• RQ5 在高速移动条件下，多普勒估计框架在保持通信可靠性方面有多高效？

主要发现

• 所提出的OMP-SR算法在存在角模糊性的情况下显著优于传统OMP，显著提升了恢复性能。
• 多普勒估计框架性能接近理想水平：在多普勒补偿下，误块率（BER）性能与使用完美信道状态信息时相当，在16-QAM调制下，BER = 1e-4时获得约10 dB的增益。
• 在低发射功率（P_D = 2 dBm）条件下，多普勒估计的均方误差（MSE）接近克拉美罗界（CRB），表明估计精度极高。
• 在较高发射功率（P_D = 4 dBm）条件下，由于用户间干扰导致MSE出现误差底限，但对实际BER性能影响可忽略。
• 导频波形设计有效：增加码书数量（M^CB）可显著提升频谱效率，当M^CB = 16时已接近最优性能。
• WSA架构在不增加射频链路数量的前提下提升了角分辨率，使雷达感知在ISAC系统中更具能效优势。