Améliorer la détection dans les systèmes ISAC avec des signaux aléatoires

Les systèmes radar utilisent souvent des signaux soigneusement conçus pour détecter des cibles. Cependant, les systèmes de détection et de communication intégrés (ISAC) doivent utiliser des signaux aléatoires. Cela peut poser des problèmes pour la détection des cibles. Cet article discute de comment on peut améliorer les performances de détection en utilisant des signaux aléatoires dans les systèmes ISAC.

#Le défi des signaux aléatoires

Les systèmes ISAC sont reconnus comme importants pour les technologies sans fil futures, surtout dans les réseaux 6G. Ces systèmes peuvent utiliser des réseaux de communication existants pour recueillir des informations de détection à un coût moindre. Une idée clé dans ISAC est d’utiliser les signaux de communication pour la détection, ce qui signifie que ces signaux doivent être aléatoires. Cela diffère des systèmes radar traditionnels qui utilisent des signaux fixes, connus pour mieux performer dans les tâches de détection. Cela crée un défi connu sous le nom de compromis déterministe-aléatoire (DRT).

De nombreuses études antérieures sur la conception des signaux ISAC supposaient que les signaux émis se comportent de manière prévisible. Elles utilisaient souvent un long cadre de données pour traiter l’information comme constante. Cette hypothèse peut être trompeuse car elle ne reflète pas les conditions réelles, surtout avec l’utilisation des antennes massives dans les systèmes de communication modernes. Lorsque la longueur du cadre n’est pas assez longue, il faut tenir compte de l’aléatoire des signaux pour bien comprendre leurs performances.

#Nouveau critère de performance

Pour évaluer comment les signaux aléatoires fonctionnent dans les tâches de détection, nous avons introduit un nouveau critère de performance appelé erreur quadratique moyenne linéaire ergodique (ELMMSE). Ce critère examine l’erreur moyenne dans l’estimation de la cible sur de nombreuses variations de signaux aléatoires.

Avec ce nouveau critère, on veut prouver que les signaux aléatoires ne performent pas aussi bien que les signaux déterministes. Notre recherche détaillera également comment on peut concevoir des méthodes de précodage, qui préparent les signaux pour la transmission, tout en tenant compte de l’aléatoire des signaux ISAC.

#Comprendre les différences de performance

La principale différence entre les signaux déterministes et aléatoires réside dans leur performance lors de la détection. En général, les signaux déterministes ont un motif prévisible, ce qui facilite l’estimation précise des cibles par les systèmes radar. En revanche, les signaux aléatoires introduisent de l’incertitude. On démontre que la performance avec des signaux aléatoires ne peut jamais être meilleure qu’avec des signaux déterministes.

Utiliser des signaux aléatoires peut varier la qualité de l’estimation des cibles, rendant difficile la mesure de la performance avec des critères standards. Par conséquent, l’ELMMSE devient essentiel. Il présente une nouvelle manière d’évaluer comment les signaux aléatoires fonctionnent dans la détection.

#Précodage pour une performance améliorée

On explore plusieurs stratégies de précodage dans les systèmes ISAC. La première est une méthode dépendante des données, qui ajuste le précodage en fonction des données spécifiques transmises. Cette méthode offre des améliorations de performance significatives mais peut être gourmande en calculs car elle nécessite de recalculer le précodage pour chaque nouvelle entrée de données.

Pour faire face à la complexité du précodage dépendant des données, on introduit une approche alternative utilisant l’algorithme de projection de gradient stochastique (SGP). Cette méthode optimise le précodage sans avoir besoin de l’ajuster pour chaque variation de données. Au lieu de cela, elle utilise un unique design de précodage qui peut être appliqué à différents types de données. Cela réduit les exigences de calcul tout en offrant de bonnes performances.

#Modélisation du système

Notre étude implique un modèle de système ISAC à plusieurs entrées et sorties (MIMO). Dans ce système, une station de base équipée de plusieurs antennes envoie des signaux pour détecter des cibles. Elle utilise une série de clichés, ou échantillons, pour construire une image cohérente de ce qu’elle détecte.

L’efficacité de la détection peut être dégradée lorsque le système s’appuie sur des signaux de communication aléatoires. Par conséquent, il est crucial de trouver des moyens d’estimer avec précision les réponses des cibles tout en utilisant ces signaux aléatoires.

#Comparaison des performances

On compare diverses stratégies de performance, incluant des méthodes classiques utilisant des signaux déterministes et des approches plus récentes basées sur des signaux aléatoires. En analysant ces méthodes via des simulations, on montre comment les techniques plus récentes performent dans des situations réelles.

Les simulations montrent qu’à mesure que la longueur du cadre de signal augmente, la performance des signaux aléatoires s’approche de celle des signaux déterministes. Cependant, il y a encore un écart, ce qui signifie que les signaux aléatoires ne peuvent jamais égaler complètement la performance des signaux déterministes.

#Résultats des simulations

Dans nos simulations, on examine l’efficacité des nouvelles méthodes. On a soigneusement défini des paramètres, comme le nombre d’échantillons utilisés dans les simulations et le rapport signal sur bruit (SNR). Nos résultats illustrent comment la performance des différentes méthodes de précodage se compare.

On a trouvé que la méthode SGP peut converger rapidement, s’ajustant efficacement aux conditions changeantes. Dans des scénarios où les méthodes traditionnelles ont du mal, l’algorithme SGP les surpasse souvent. C’est particulièrement important lorsqu’on fait face à des variations dans le rang du signal ou à l’aléatoire dans la transmission.

#Conclusion

Cet article souligne la nécessité de considérer l’aléatoire des signaux dans les systèmes ISAC. En introduisant le critère ELMMSE, on propose une nouvelle façon d’évaluer la performance des signaux aléatoires dans les tâches de détection. On propose également des stratégies de précodage efficaces – à la fois dépendantes et indépendantes des données – qui fonctionnent bien dans différentes conditions.

Grâce aux résultats des simulations, on confirme les avantages de ces nouvelles approches et on souligne l’écart de performance restant entre les signaux aléatoires et déterministes. Les insights obtenus ici peuvent guider les conceptions futures dans les communications sans fil, surtout à mesure que les technologies évoluent vers des systèmes plus intégrés.