La tecnologia 6G consente al settore delle comunicazioni wireless di fare enormi passi avanti, offrendo esperienze utente altamente personalizzate tramite l’integrazione di sistemi radar precisi per una localizzazione accurata. Questa funzionalità consente di unire alla perfezione i servizi basati sulla posizione alle reti di comunicazione, ottimizzando la resa dei servizi e l’efficienza di rete. Noto come “comunicazione e rilevamento integrati” (ISAC, Integrated Sensing And Communication), questo approccio sfrutta la sinergia tra tecnologie radar e di comunicazione per ottimizzare la connettività.
Conoscere il modello ISAC è fondamentale per capire in che modo il 6G ottimizzerà le prestazioni di rete e l’esperienza utente per mezzo di soluzioni di comunicazione su misura. Anche le applicazioni emergenti, come i veicoli autonomi, le Smart City e i sistemi sanitari avanzati, richiedono l’integrazione perfetta tra trasmissione dati ad alta velocità e preciso rilevamento ambientale. Tali applicazioni, e non sono le uniche, sottolineano la necessità di sviluppare tecnologie ISAC per soddisfare le richieste di un futuro intelligente e altamente avanzato.
La tecnologia ISAC è alla base del 6G.
L’integrazione di radar e comunicazioni è stata studiata sotto più punti di vista, tra cui le applicazioni Wi-Fi®, automotive e radar multifunzione militari. Inoltre, il livello di integrazione tra i due può variare, comprendendo concetti quali la progettazione nel dominio spaziale e in quello delle forme d’onda. Per ottenere un rilevamento accurato in alta risoluzione occorre prendere in considerazione anche altre scelte progettuali come l’architettura RF, il beamforming, modelli di canale appropriati e algoritmi di IA basati sui dati. Studiare questi elementi in modo congiunto in un ambiente integrato è essenziale.
In tale contesto, MATLAB® emerge quale strumento indispensabile per la ricerca in campo ISAC, offrendo workflow completi e un set di prodotti mirati all’esplorazione e allo sviluppo di tecnologie integrate di rilevamento e comunicazione. MATLAB è una piattaforma intuitiva per simulare scenari, per progettare e testare algoritmi e per analizzare i dati. Aiuta i ricercatori ad accelerare lo sviluppo, a validare con efficienza i progetti e a raggiungere gli obiettivi in ambito 6G.
Questo white paper esaminerà le attività di ricerca e i paradigmi ISAC, così come le possibili applicazioni della tecnologia ISAC. Prima di tutto, definiamo alcuni termini tecnici fondamentali.
La coesistenza tra sistemi radar e di comunicazione prevede l’utilizzo del rilevamento dello spettro per gestire le frequenze sovrapposte tra i sistemi radar e di comunicazione. La co-progettazione di sistemi radar e di comunicazione integra le attività di comunicazione e rilevamento, tramite uno spazio fisico condiviso con hardware separato oppure servendosi di forme d’onda e hardware condivisi.
Lo sfruttamento passivo dei segnali di comunicazione utilizza le stime dei canali dei segnali di comunicazione esistenti per rilevare e inferire il movimento e la posizione degli oggetti senza hardware di rilevamento dedicati.
Le attività di ricerca in campo ISAC vanno in tre direzioni principali, che dipendono dal livello di integrazione delle funzionalità di rilevamento e comunicazione: coesistenza, co-progettazione e sfruttamento passivo dei segnali.
Coesistenza di sistemi radar e di comunicazione
Man mano che i sistemi 5G NR e i futuri sistemi 6G si espandono in intervalli di frequenze maggiori che vanno al di là di quelli utilizzati in LTE, la gestione dello spettro si fa sempre più complessa. Tali intervalli di frequenze maggiori sono sempre stati utilizzati dai sistemi radar. Di conseguenza, lo spettro utilizzato dai sistemi di comunicazione wireless e radar potrebbe sovrapporsi con la conseguente necessità di condivisione dello spettro. In un contesto di questo genere, i futuri sistemi radar e di comunicazione wireless devono integrare il rilevamento dello spettro per riconoscere le frequenze occupate ed evitare conflitti. In più, la spinta all’ampliamento della copertura 5G è alimentata da vantaggi quali l’aumento della velocità di trasmissione dati e la riduzione delle latenze. Questa espansione richiede nuove stazioni base 5G, il che a sua volta comporta la necessaria comprensione dell’impatto di questi segnali sui sistemi esistenti che operano in bande di frequenze adiacenti, come i radar per il controllo del traffico aereo.
Per raggiungere l’obiettivo della coesistenza, occorre prendere in considerazione due aspetti importanti: il rilevamento dello spettro, per stabilire quali sistemi sono presenti nello spettro, e la loro posizione e l’analisi inferenziale per valutare in che modo un sistema interagisce con un altro quando condividono la stessa banda di frequenze.
MATLAB offre workflow integrati per simulare scenari complessi in ambito 5G, radar, Deep Learning, phased array e per la modellazione degli scenari. I principali scenari di coesistenza includono il rilevamento dello spettro e l’analisi delle inferenze. Ad esempio, MATLAB facilita il rilevamento dello spettro con workflow che fanno uso di una rete neurale di segmentazione semantica addestrata su segnali di comunicazione wireless e radar sintetizzati. Questa rete neurale è in grado di rilevare i segnali radar e di comunicazione wireless all’interno dello stesso spettro ricevuto. Per di più, MATLAB consente di modellare gli scenari, come un radar per il controllo del traffico aereo che opera in prossimità di una stazione base 5G, il che aiuta ad analizzare l’impatto dei segnali 5G sulla ricezione del segnale radar.
Scopri di più con questi esempi
Rilevamento dello spettro con il Deep Learning in MATLAB.
Co-progettazione di sistemi radar e di comunicazione
Per co-progettazione si intende la creazione di sistemi che svolgono contemporaneamente attività di comunicazione e di rilevamento. L’integrazione potrebbe essere di basso livello, ovvero le funzionalità condividono lo spazio fisico ma utilizzano forme d’onda e hardware separati. L’integrazione potrebbe anche essere maggiore, ovvero basata su una condivisione di gran parte dell’hardware e dove la stessa forma d’onda serve entrambi gli scopi. Nei sistemi altamente integrati, su cui questa sezione pone l’attenzione, la progettazione di sistema può seguire un approccio incentrato sulla comunicazione, vale a dire che usa i segnali di comunicazione per il radar. La progettazione può anche assumere un progetto radar-centrico, incorporando i dati di comunicazione nelle forme d’onda radar.
Co-progettazione delle forme d’onda
In un approccio radar-centrico, le forme d’onda radar vengono utilizzate con dati di comunicazione embedded, mentre in un approccio incentrato sulla comunicazione l’eco di un segnale OFDM viene usato per il rilevamento. MATLAB facilita l’esplorazione della co-progettazione delle forme d’onda con un workflow end-to-end che sfrutta due approcci. Il primo approccio usa una forma d’onda radar tipica, PMCW, mentre il secondo usa l’OFDM, una forma d’onda di comunicazione standard per entrambe le funzionalità.
MATLAB permette la co-progettazione delle forme d’onda radar e di comunicazione.
Per saperne di più
Sistema JRC (Joint Radar-Communication) con forme d’onda PMCW e OFDM
Questo esempio simula la trasmissione, la propagazione e la ricezione di forme d’onda tramite il ricevitore radar e l’utente downlink. Il workflow valuta entrambe le forme d’onda per entrambe le funzionalità e analizza svariate metriche prestazionali comuni.
Co-progettazione nel dominio dello spazio
Altri concetti del modello ISAC esplorano la dimensione di elaborazione spaziale. Tra gli scenari più studiati compare quello in cui abbiamo una stazione base multi-antenna con alcuni fasci che rispondono alle esigenze radar e altri che rispondono a quelle di comunicazione. Un’altra possibilità è quella in cui le due funzionalità condividono il fascio e i dati radar usano il lobo principale mentre quelli di comunicazione i lobi secondari.
MATLAB consente di progettare forme d’onda nuove per un sistema MIMO a doppia funzione nel dominio spaziale come mostrato di seguito, dove si possono formare fasci diversi per realizzare funzionalità diverse.
Co-progettazione spaziale per ISAC.
Per saperne di più
Progettazione di forme d’onda per un sistema RadCom MIMO a doppia funzione
Questo esempio dimostra un workflow che usa un phased array per facilitare la comunicazione MIMO, traendo vantaggio dalla diversità delle forme d’onda per ottenere buone prestazioni radar.
Sfruttamento passivo dei segnali di comunicazione
Questo paradigma ISAC sfrutta le stime dei canali lato ricevitore per rilevare la presenza di oggetti in movimento in un ambiente wireless. Analizzando le variazioni nello stato dei canali in base a questi oggetti in movimento, il sistema può inferire il loro movimento e la loro posizione senza hardware di rilevamento dedicati. Le stime estratte dei canali possono essere utilizzate per produrre grafici portata-Doppler, strumentali al rilevamento del movimento. Questo approccio è intrinsecamente passivo, poiché usa l’infrastruttura e i segnali di comunicazione esistenti senza aver bisogno di emissioni attive per il rilevamento.
Un altro approccio passivo prevede l’uso dell’intelligenza artificiale per inferire il movimento o rilevare la presenza usando le informazioni sullo stato dei canali (CSI). Ad esempio, è possibile combinare una rete neurale convoluzionale (CNN) con le CSI per rilevare l’attività umana. Un esempio in campo Wi-Fi include l’acquisizione di frame beacon provenienti da router e l’addestramento di una CNN su questi dati acquisiti per rilevare la presenza di persone. Questo workflow può essere esteso anche ai segnali 5G e 6G.
Sfruttamento dei segnali Wi-Fi per rilevare la presenza con l’aiuto del Deep Learning in MATLAB.
MATLAB supporta entrambi gli approcci con strumenti robusti per l’elaborazione dei segnali, il Machine Learning e la visualizzazione dei dati. Le vaste librerie e le funzioni integrate in MATLAB consentono di estrarre e analizzare in modo efficace le stime dei canali, in modo tale da creare dei grafici portata-Doppler. Per di più, MATLAB supporta lo sviluppo e l’addestramento delle CNN, agevolando l’integrazione delle tecniche di IA per ottimizzare le funzionalità di rilevamento.
Scopri di più con questi esempi
Il sistema ISAC promette applicazioni trasformative tra vari domini mediante l’integrazione di funzionalità radar e di comunicazione.
La coesistenza dei sistemi radar e di comunicazione è particolarmente importante negli ambienti in cui le limitazioni dello spettro rappresentano una problematica non sottovalutabile. Per esempio, nel contesto della mobilità aerea urbana, le strategie di coesistenza consentono di usare in tutta sicurezza droni e aerotaxi permettendo loro di condividere lo spettro con le reti 5G esistenti, con una conseguente ottimizzazione della gestione del traffico aereo.
La co-progettazione di sistemi radar e di comunicazione apre nuovi orizzonti per i sistemi automotive smart. I sistemi di comunicazione-radar a doppia funzione possono ottimizzare le comunicazioni V2X (Vehicle-to-Everything), consentendo uno scambio di dati in tempo reale e un rilevamento ambientale preciso per la guida autonoma. Questo approccio di co-progettazione trova applicazioni anche nel settore della produzione intelligente, dove i sistemi integrati possono monitorare le condizioni delle macchine e comunicare contemporaneamente i dati operativi, con un conseguente aumento dell’efficienza e la possibilità di implementare la manutenzione predittiva.
La co-progettazione passiva (piggybacking) sfrutta i segnali wireless esistenti per il rilevamento ambientale, offrendo soluzioni innovative per il settore sanitario e quello delle case intelligenti. Per esempio, il rilevamento Wi-Fi passivo è in grado di rilevare la presenza e l’attività umana, il che consente di sviluppare soluzioni domotiche avanzate e di assistenza agli anziani grazie al monitoraggio delle attività quotidiane senza necessità di sensori aggiuntivi. L’insieme di questi paradigmi mette in evidenza la versatilità e il potenziale della tecnologia ISAC per il 6G, aprendo la strada a un futuro più connesso, intelligente ed efficiente.
Nella progettazione dei sistemi ISAC, i ricercatori in genere si concentrano sui componenti essenziali: le forme d’onda radar e di comunicazione, i modelli di canali e l’hardware di ricezione. Comprendere e ottimizzare questi elementi è fondamentale per sviluppare soluzioni ISAC efficienti e accurate. Le forme d’onda radar e di comunicazione devono essere progettate con la massima attenzione assicurandosi che supportino contemporaneamente le funzionalità di comunicazione e quelle di rilevamento. L’accuratezza dei modelli di canale è cruciale per prevedere la modalità di propagazione dei segnali nei vari ambienti mentre, per elaborare i segnali ricevuti, sono necessari sistemi hardware di ricezione avanzati. In questa sezione esploreremo tali aspetti, offrendo informazioni e linee guida ai ricercatori che vogliono innovarsi nel campo della tecnologia ISAC.
Aree di analisi ISAC.
Scoperta delle forme d’onda esistenti
Esplorare le forme d’onda esistenti in ambito radar e comunicazione è fondamentale per progettare efficacemente le forme d’onda nei sistemi ISAC. Sfruttando le forme d’onda consolidate di entrambi i domini, i ricercatori possono individuare potenziali sinergie e tradeoff che favoriscono la doppia funzionalità della tecnologia ISAC. Comprendere i punti di forza e i limiti di queste forme d’onda consente di prendere decisioni informate su come adattare o combinare le due per soddisfare i requisiti specifici della comunicazione e del rilevamento.
Forme d’onda radar
I sistemi radar possono essere classificati in due categorie:
- Radar a impulsi
- Radar a onda continua (CW)
Il radar a impulsi emette impulsi ad alta potenza in serie e determina la portata usando il ritardo temporale tra l’impulso inviato e l’eco ricevuto, mentre la velocità viene calcolata in base alle modifiche nella distanza dell’eco. MATLAB offre risorse per saperne di più sul radar a impulsi e per generare, analizzare e valutare con facilità i segnali dei radar a impulsi:
- Stima del Doppler
- Simulazione di segnali di test per ricevitori radar
- Stima di portata e Doppler
- Analisi delle prestazioni di forme d’onda a impulsi, modulate in frequenza e a codifica di fase
D’altra parte, il radar a onda continua (CW) emette segnali in continuo, per cui è economicamente vantaggioso e adatto ad applicazioni quali l’automotive e la comunicazione wireless indoor. Tuttavia, necessita della modulazione per la determinazione della posizione del target, con classi principali che includono forme d’onda modulate in frequenza (FMCW) e modulate in fase (PMCW).
MATLAB ti aiuta a generare e analizzare i segnali radar CW con potenti funzioni e workflow per:
- Analisi della forma d’onda utilizzando la funzione di ambiguità
- Confronto tra funzioni di ambiguità per diversi schemi di modulazione delle onde
- Modelli radar di base con la forma d’onda a codifica di fase
Forme d’onda di comunicazione
I prodotti MATLAB consentono di creare un ampio spettro di forme d’onda wireless, conformi a standard come LTE, 5G, WLAN, Bluetooth® e Satcom. La funzionalità di generazione di forme d’onda in MATLAB consente di generare segnali basati su standard e 5G/LTE e personalizzati non contemplati dallo standard, oltre a modulazioni generiche come OFDM, QAM, PSK e a vari segnali radar come FMCW e FM lineare. Ciò consente di effettuare simulazioni precise e test in condizioni di prova diverse e rispetto a svariati protocolli di comunicazione. Supportando la generazione di forme d’onda basate su standard di settore ma anche personalizzate, i generatori di forme d’onda MATLAB rappresentano una risorsa fondamentale per chi si occupa di sviluppo e analisi di sistemi ISAC. Un ottimo punto di partenza è l’app Wireless Waveform Generator, che permette di generare forme d’onda basate su standard in pochi clic.
Per saperne di più
Generazione di forme d’onda di comunicazione in MATLAB con l’app Wireless Waveform Generator.
Canali
Fondamentali per i sistemi ISAC sono i modelli di canali accurati, poiché essi garantiscono efficienza e prestazioni affidabili sia per le funzionalità di comunicazione che per quelle di rilevamento. Questi modelli consentono una caratterizzazione precisa dell’ambiente di propagazione, tenendo conto di fattori quali l’attenuazione, gli effetti multipath e le riflessioni del segnale. Offrendo una rappresentazione realistica del canale, i modelli accurati favoriscono l’ottimizzazione degli algoritmi di elaborazione dei segnali, potenziano la robustezza del sistema e migliorano l’integrazione generale delle funzionalità di comunicazione e rilevamento.
Ray tracing
I modelli di ray tracing hanno dimostrato di avere ottime capacità predittive, relativamente al comportamento dei segnali a 60 GHz e a frequenze ancora più elevate, e possono essere impiegati efficacemente come modelli per costruire simulazioni ISAC. MATLAB dispone di una funzionalità integrata per il ray tracing che può essere combinata ai modelli per le perdite dovute a pioggia, diffrazione terrestre, rifrazione attraverso l’atmosfera, dispersione troposferica e assorbimento atmosferico. Inoltre, le funzionalità di ray tracing in MATLAB consentono di modellare l’attenuazione dei segnali quando questi rimbalzano su materiali specifici.
Per saperne di più
Ray tracing con MATLAB.
MIMO a dispersione
I canali MIMO a dispersione in MATLAB aiutano a modellare un ambiente wireless con elementi in movimento nell’ambiente circostante.
Il modello di canale MIMO a dispersione in MATLAB è particolarmente adatto ai canali ISAC. Il modello simula scenari in cui i segnali emessi da un array di trasmissione si riflettono su diversi elementi di dispersione prima di raggiungere l’array di ricezione. È importante notare che il modello integra l’impatto degli elementi di dispersione mobili, considerati come target, sul segnale ricevuto, il che lo rende perfetto per le applicazioni di rilevamento. Il canale tiene conto dei vari effetti di propagazione compreso il ritardo temporale in base alla portata, il guadagno, lo spostamento Doppler, il cambiamento di fase e la perdita atmosferica dovuta a gas, pioggia, nebbia e nuvole. Questi modelli di attenuazione sono validi per frequenze comprese tra 1 e 1.000 GHz e garantiscono una rappresentazione accurata del peggioramento del segnale su uno spettro ampio.
Per saperne di più
Funzione MATLAB per configurare i canali MIMO a dispersione.
Limiti dell’hardware
Nel passaggio da studi concettuali basati su simulazioni alla realizzazione di prototipi hardware, è fondamentale prendere in considerazione le problematiche e le limitazioni associate all’hardware. L’elevata velocità di trasferimento dei dati richiesta da un sistema ISAC probabilmente richiederà l’implementazione di parti del progetto su un FPGA, il che pone una serie di difficoltà.
Prima di tutto, sviluppare degli algoritmi di elaborazione di segnali su un FPGA è in generale più complesso che creare dei progetti equivalenti su software. La disponibilità di blocchi IP conformi a FPGA per attività quali il filtraggio, l’interpolazione e decimazione dei segnali e le trasformate matematiche semplifica notevolmente il processo rispetto al dover costruire tutto a partire da elementi di base.
In secondo luogo, per raggiungere la velocità di trasmissione dati elevata richiesta dai sistemi ISAC, questi blocchi IP potrebbero dover gestire più sample per ciclo di clock. DSP HDL Toolbox™ mette a disposizione dei blocchi IP per l’elaborazione dei segnali standardizzati in grado di elaborare più sample per ciclo di clock, raggiungendo velocità nell’ordine di gigasample al secondo.
La scelta della piattaforma hardware più adatta dipende da vari fattori. Per quanto riguarda localizzazione e tracciamento, un aspetto importante da prendere in considerazione è la risoluzione in distanza richiesta. Ad esempio, per ottenere una risoluzione in distanza inferiore a un metro occorrerà un tasso di campionamento nell’ordine delle centinaia di MHz, il che impone un carico di lavoro estremo sulla piattaforma hardware. Una piattaforma in grado di soddisfare specifiche così stringenti è la piattaforma AMD RFSoC, che MATLAB supporta in modo nativo. Ciò significa che un modello Simulink® che usa blocchi IP conformi a FPGA può essere distribuito ed eseguito su questa piattaforma.
In più, MATLAB mette a disposizione dei workflow per la modellazione dei disturbi hardware:
MATLAB svolge un ruolo cruciale nello sviluppo della tecnologia ISAC. Permettendo agli utenti di simulare scenari, progettare algoritmi e analizzare dati, MATLAB accelera lo sviluppo di sistemi integrati radar e di comunicazione. La piattaforma MATLAB aiuta i ricercatori a validare i progetti e a ottimizzare la connettività in modo efficiente, il che è fondamentale per applicazioni quali i veicoli autonomi e le Smart City. In un contesto in cui la tecnologia ISAC sta diventando parte integrante delle reti del futuro, le funzionalità di MATLAB permettono ai ricercatori di innovarsi con agilità e di soddisfare le richieste di un mondo altamente interconnesso, in modo tale da realizzare il pieno potenziale del 6G.
