To exploit the potential of the RIS in supporting ISAC, this paper proposes a novel joint active and passive beamforming design for RIS-enabled ISAC system in consideration of the target size. First, the detection probability for target sensing is derived in closed-form based on the illumination power on an approximated scattering surface area of the target, and a new concept of ultimate detection resolution (UDR) is defined for the first time to measure the target detection capability. Then, an optimization problem is formulated to maximize the SNR at the UE under a minimum detection probability constraint. To solve the non-convex problem, a novel alternative optimization approach is developed. In this approach, the solutions of the communication and sensing beamformers are obtained by our proposed bisection-search based method. The optimal receive combining vector is derived from an equivalent Rayleigh-quotient problem. To optimize the RIS phase shifts, the Charnes-Cooper transformation is conducted to cope with the fractional objective, and a novel convexification process is proposed to convexify the detection probability constraint with matrix operations and a real-valued first-order Taylor expansion. After the convexification, a successive convex approximation (SCA) based algorithm is designed to yield a suboptimal phase-shift solution. Finally, the overall optimization algorithm is built, followed by detailed analysis on its computational complexity, convergence behavior and problem feasibility condition. Extensive simulations are carried out to testify the analytical properties of the proposed beamforming design, and to reveal two important trade-offs, namely, communication vs. sensing trade-off and UDR vs. sensing-duration trade-off. In comparison with several existing benchmarks, our proposed approach is validated to be superior when detecting targets with practical sizes.


翻译:为了利用RIS在支持ISAC方面的潜力,本文件提出一个新的联合主动和被动波束组合设计,以考虑到目标大小。首先,目标感测的概率以封闭形式产生,其依据是目标大致分散的表面地区的照明力,并且首次界定了最终检测解析的新概念(UDR),以衡量目标检测能力。然后,在最低的检测概率限制下,在UE提出优化问题,以最大限度地实现SNR。为了解决不连接的问题,制定了新的替代优化方法。在这一方法中,通信和感测光谱的解决方案是通过我们拟议的双剖面研究方法获得的。 最佳的组合矢量来自相当于Rayleg-量的问题。为了优化RIS阶段的变化,Charnes-Cooper的转换是为了适应拟议的偏差目标,在最小的精确度的精确度限制下,提出了一个新的拼凑进程。 一种与矩阵操作的检测概率制约,一个新的优化方法是升级至最终的逻辑化,在升级后,在升级后,在升级后,在升级后,将进行精确的系统分析。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
72+阅读 · 2022年6月28日
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
20+阅读 · 2020年6月8日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
相关基金
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员