[论文解读] Power Allocation for Joint Communication and Sensing in Cell-Free Massive MIMO

Zinat Behdad, Özlem Tuğfe Demir+3 more|arXiv (Cornell University)|Sep 5, 2022

Distributed Sensor Networks and Detection Algorithms被引用 5

一句话总结

本文提出了一种针对无蜂窝大规模MIMO系统的功率分配算法，旨在联合优化下行链路通信与多基地感知性能。通过在用户设备SINR和每接入点功率约束下最大化感知信噪比，该方法显著提升了目标检测概率，尤其对低雷达散射截面目标效果显著，且无需专用感知符号，即使在总功率预算较低时也优于以通信为中心的设计方案。

ABSTRACT

This paper studies a joint communication and sensing (JCAS) system with downlink communication and multi-static sensing for single-target detection in a cloud radio access network architecture. A centralized operation of cell-free massive MIMO is considered for communication and sensing purposes. The JCAS transmit access points (APs) jointly serve the user equipments (UEs) and optionally steer a beam towards the target. A maximum a posteriori ratio test detector is derived to detect the target using signals received at distributed APs. We propose a power allocation algorithm to maximize the sensing signal-to-noise ratio under the condition that a minimal signal-to-interference-plus-noise ratio value for each UE is guaranteed. Numerical results show that, compared to the fully communication-centric power allocation, the detection probability under a certain false alarm probability can be increased significantly by the proposed algorithm for both JCAS setups: i) using additional sensing symbols or ii) using only existing communication symbols.

研究动机与目标

• 解决共享资源无线系统中通信与感知性能之间的权衡问题。
• 在通过C-RAN实现集中式处理的无蜂窝大规模MIMO架构中实现通信与感知的联合（JCAS）。
• 在保证每个用户设备最小SINR的前提下，最大化感知性能（信噪比）。
• 评估专用感知符号与复用通信符号对检测概率的影响。
• 设计一种功率分配策略，在总功率受限条件下提升低RCS目标的检测概率。

提出的方法

• 采用两步法：首先，基于凸-凹规划的算法在SINR与每AP功率约束下最大化感知信噪比。
• 第二步推导出最大后验概率比检验检测器（MAPRT），该检测器结合了从发射端到接收端经目标传播的阵列响应向量以及雷达散射截面（RCS）统计特性。
• 检测器在边缘云中采用集中式接收处理，整合来自分布式接入点的信号以提高感知可靠性。
• 评估了两种系统配置：一种复用下行链路通信符号用于感知，另一种为感知分配专用符号并使用独立功率。
• 优化问题被制定为在确保每个用户设备最小SINR的前提下最大化感知信噪比。
• 该方法考虑了RCS的统计分布，并利用分布式AP之间的相位相干联合处理。

实验结果

研究问题

• RQ1 如何在无蜂窝大规模MIMO系统中分配功率，以在维持通信用户最小SINR的同时最大化感知性能？
• RQ2 使用专用感知符号与复用通信符号对目标检测概率有何影响？
• RQ3 当雷达散射截面（RCS）值较低时，检测概率如何变化？在这些条件下能否提升感知性能？
• RQ4 在JCAS系统中，总发射功率与感知检测性能之间的权衡关系如何？
• RQ5 当仅使用通信符号进行感知时，用户设备数量如何影响感知性能？

主要发现

• 所提出的JCAS功率分配方案将检测概率从0.3提升至0.9，即使在总功率阈值较低（约38 dBm）时也优于以通信为中心的基线方案。
• 当使用专用感知符号且RCS方差≥ -25 dB时，检测概率接近1.0，而以通信为中心的方法在同一条件下检测概率不足0.2。
• 即使不使用专用感知符号，通过最大化感知信噪比，RCS ≥ -10 dB时检测概率仍可超过0.8。
• 当使用专用感知符号时，用户设备数量增加会因每符号分配功率减少而导致感知性能下降；但当仅复用通信符号时，用户设备数量增加反而能提升性能。
• 当总功率超过约38 dBm后，检测概率曲线趋于平缓，表明进一步增加功率带来的增益逐渐减小。
• MAPRT检测器有效捕捉了阵列响应向量与RCS统计特性，实现了边缘云中最优的集中式感知。