Diseño de 6G con ISAC utilizando MATLAB - MATLAB & Simulink

White paper

Diseño de 6G con ISAC utilizando MATLAB

Introducción

La tecnología 6G impulsa las telecomunicaciones, ya que ofrece experiencias de uso altamente personalizadas a través de la integración de sistemas de radar precisos para lograr una localización exacta. Esta capacidad permite fusionar perfectamente servicios basados en ubicación con redes de comunicaciones, lo que optimiza la prestación de servicios y eficiencia de la red. Este enfoque, conocido como detección y comunicación integradas (ISAC), aprovecha la sinergia entre las tecnologías de radar y comunicaciones para optimizar la conectividad.

Es fundamental comprender ISAC para entender cómo 6G puede optimizar el rendimiento de la red y la experiencia de usuarios a través de soluciones de comunicaciones personalizadas. Aplicaciones emergentes, como vehículos autónomos, ciudades inteligentes y sistemas de atención médica avanzados, también requerirán que la transmisión de datos a alta velocidad y la detección del entorno precisa se integren perfectamente. Estas aplicaciones, entre otras, subrayan la necesidad de desarrollar la tecnología de ISAC para satisfacer las demandas de un futuro altamente interconectado e inteligente.

Diagrama que muestra un escenario inalámbrico con una torre de telefonía móvil, un automóvil y una persona que se comunican entre sí.

ISAC es una de las principales tecnologías habilitadoras de 6G.

La integración de radar y comunicaciones se ha estudiado desde diversas perspectivas, como Wi-Fi®, radar multifunción militar y aplicaciones de automoción. Además, el nivel de integración entre ambos puede variar y abarcar conceptos como diseño en el dominio de la forma de onda y el dominio del espacio. Se deben tener en cuenta otras opciones de diseño, como arquitectura de RF, beamforming, modelos de canal adecuados y algoritmos de IA basados en datos, para lograr una detección precisa y de alta resolución. Un entorno integrado para investigar conjuntamente estos elementos resulta esencial.

En este contexto, MATLAB® surge como una herramienta indispensable para la investigación de ISAC, ya que ofrece flujos de trabajo completos y un conjunto de productos dirigidos a explorar y desarrollar tecnologías de detección y comunicación integradas. MATLAB es una plataforma intuitiva para simular escenarios, diseñar y probar algoritmos, y analizar datos. Ayuda a los equipos de investigación a acelerar el desarrollo, validar diseños de manera eficiente, y avanzar en los objetivos de 6G.

Este artículo examina paradigmas, iniciativas de investigación y aplicaciones de ISAC. En primer lugar, se definen algunos términos técnicos clave.

La coexistencia de radar y comunicaciones exige utilizar percepción del espectro para gestionar la superposición de frecuencias de sistemas de radar y comunicaciones. El codiseño de radar y comunicaciones integra las tareas de detección y comunicación, ya sea a través de espacio físico compartido con hardware independiente, o con hardware y formas de onda compartidos.

El aprovechamiento pasivo de señales de comunicación recurre a estimaciones de canal de las señales de comunicación existentes para detectar e inferir el movimiento y posición de objetos sin hardware de detección dedicado.

partición

Paradigmas de ISAC: radar y comunicaciones

Las iniciativas de investigación de ISAC se orientan en tres direcciones principales, según el nivel de integración de las funcionalidades de comunicación y detección: coexistencia, codiseño y aprovechamiento pasivo de señales.

Coexistencia de radar y comunicaciones

A medida que los sistemas 5G NR y los futuros sistemas 6G se expanden hacia rangos de frecuencia más altos que los utilizados en LTE, la gestión del espectro se vuelve cada vez más compleja. Tradicionalmente, estos rangos de frecuencia más altos se han reservado para los sistemas de radar. Por consiguiente, es posible que el espectro utilizado por sistemas de radar y telecomunicaciones se superponga, y resulte necesario compartir el espectro. Esta situación requiere que los futuros sistemas de radar y telecomunicaciones incorporen percepción del espectro para detectar frecuencias ocupadas y evitar conflictos. Además, la expansión de la cobertura de 5G se ve motivada por las ventajas de menores latencias y mayores tasas de transmisión de datos. Esta expansión requiere nuevas torres de 5G, que a su vez implica comprender el impacto de estas señales en sistemas existentes que operan en bandas de frecuencia adyacentes, como sistemas de radar de control de tráfico aéreo.

El éxito de la coexistencia depende de tener en cuenta dos aspectos importantes: percepción del espectro, para saber qué sistemas están presentes en el espectro y cuál es su ubicación, y análisis de interferencias, para evaluar cómo un sistema interactúa con otro cuando ambos comparten la misma banda de frecuencia.

MATLAB ofrece flujos de trabajo integrados para simular circunstancias complejas durante el modelado de 5G, radar, Deep Learning, arrays en fase y escenarios. Los escenarios de coexistencia clave incluyen percepción del espectro y análisis de interferencias. Por ejemplo, MATLAB facilita la percepción del espectro con flujos de trabajo que utilizan una red neuronal de segmentación semántica entrenada con señales de radar y telecomunicaciones sintetizadas. Esta red neuronal puede detectar señales de radar y telecomunicaciones dentro del mismo espectro recibido. Además, MATLAB permite modelar escenarios de sistema de radar de control de tráfico aéreo que opera cerca de una torre de 5G, lo que ayuda a analizar el impacto de las señales de 5G en la recepción de señales de radar.

Imagen de MATLAB con tres gráficas de MATLAB. La gráfica superior muestra el espectrograma de una señal inalámbrica recibida, y las gráficas inferiores muestran las etiquetas de decisión real y estimada.

Percepción del espectro con Deep Learning en MATLAB.

Codiseño de radar y comunicaciones

El codiseño se centra en crear sistemas que realizan tareas de detección y comunicación simultáneamente. La integración puede ser flexible, con funcionalidades que comparten espacio físico pero utilizan hardware y formas de onda independientes. La integración también puede ser más estrecha, compartiendo la mayor parte del hardware, y con una misma forma de onda para ambos fines. En los sistemas con una integración estrecha, que son el foco de esta sección, el diseño del sistema puede seguir un enfoque centrado en comunicación, es decir, utilizar señales de comunicación para radar. El diseño también puede adoptar un enfoque centrado en radar, esto es, incorporar datos de comunicación en las formas de onda de radar.

Codiseño de formas de onda

En un enfoque centrado en radar, las formas de onda de radar se utilizan con datos de comunicación incorporados, mientras que, en un enfoque centrado en comunicación, el eco de una señal de OFDM se utiliza con fines de detección. MATLAB facilita la exploración del codiseño de formas de onda con un flujo de trabajo de extremo a extremo que utiliza dos enfoques. El primer enfoque utiliza una forma de onda de radar típica, PMCW, mientras que el segundo se sirve de OFDM, una forma de onda de comunicación estándar para ambas funcionalidades.

Gráficas que muestran un radar modulado y una forma de onda transmitida en el tiempo por cada pulso.

MATLAB permite codiseñar formas de onda de radar y comunicaciones.

Más información

Sistema combinado de radar y comunicaciones con formas de onda PMCW y OFDM

Este ejemplo simula la transmisión, propagación y recepción de las formas de onda tanto por el receptor de radar como por el usuario de enlace descendente. El flujo de trabajo evalúa ambas formas de onda para ambas funcionalidades e investiga varias métricas de rendimiento comunes.

Codiseño en el dominio del espacio

Otros conceptos de ISAC exploran la dimensión del procesamiento espacial. Uno de los escenarios explorados comúnmente es una estación base multiantena con algunos haces para radar y otros para comunicaciones. Otra posibilidad es que las dos funcionalidades compartan el haz, de modo que el radar utilice el lóbulo principal y los datos de comunicación utilicen los lóbulos laterales.

MATLAB permite diseñar formas de onda innovadoras para sistemas MIMO de doble función en el dominio del espacio, como se muestra a continuación, donde se pueden formar diferentes haces para realizar diferentes funcionalidades.

Diagrama de un sistema de radar y comunicaciones que muestra haces de radar y canales de comunicación que operan en la misma zona geográfica.

Codiseño del espacio para ISAC.

Más información

Diseño de formas de onda para un sistema RadCom MIMO de doble función

Este ejemplo muestra un flujo de trabajo que utiliza un array en fase para facilitar la comunicación MIMO y aprovecha la diversidad de formas de onda para lograr un adecuado rendimiento de radar.

Aprovechamiento pasivo de señales de comunicación

Este paradigma de ISAC aprovecha las estimaciones de canal del lado del receptor para detectar la presencia de objetos en movimiento en un entorno inalámbrico. El análisis de las variaciones de estado del canal en función de estos objetos en movimiento permite al sistema inferir su movimiento y posición sin necesidad de hardware de detección dedicado. Las estimaciones de canal extraídas se pueden utilizar para generar gráficas de rango Doppler, que son fundamentales para detectar movimiento. Este enfoque es intrínsecamente pasivo, ya que utiliza señales de comunicación e infraestructura existentes sin necesidad de emisiones activas para la detección.

Otro enfoque pasivo aplica inteligencia artificial para inferir movimiento o detectar presencia utilizando información del estado del canal (CSI). Por ejemplo, se puede combinar una red neuronal convolucional (CNN) con CSI para detectar la actividad de personas. Un ejemplo de Wi-Fi es capturar tramas de beacon de enrutadores y entrenar a una CNN con las capturas para detectar la presencia de personas. Este flujo de trabajo se puede aplicar a señales de 5G y 6G.

Diagrama que muestra un punto de acceso de detección de Wi-Fi que envía señales y un SDR que las captura con y sin presencia de personas.

Aprovechamiento de señales Wi-Fi para detectar presencia con la ayuda de Deep Learning en MATLAB.

MATLAB admite ambos enfoques, con herramientas sólidas para procesamiento de señales, Machine Learning y visualización de datos. Las extensas librerías y funciones integradas de MATLAB permiten una extracción y análisis eficiente de estimaciones de canal, lo que posibilita la creación de gráficas de rango Doppler. Además, MATLAB permite desarrollar y entrenar CNN, lo que facilita la integración de técnicas de IA para mejorar las prestaciones de detección.

partición

Aplicaciones de ISAC

ISAC promete aplicaciones transformadoras en diversos dominios integrando funcionalidades de radar y comunicaciones.

La coexistencia de radar y comunicaciones resulta particularmente clave en entornos donde la escasez de espectro supone un desafío importante. Por ejemplo, en movilidad aérea urbana, las estrategias de coexistencia permiten una operación segura de drones y taxis aéreos, ya que pueden compartir su espectro con redes 5G existentes para optimizar la gestión del tráfico aéreo.

El codiseño de radar y comunicaciones abre nuevas posibilidades en sistemas de automoción inteligentes. Los sistemas de radar y comunicaciones de doble función pueden mejorar las comunicaciones de vehículo a todo (V2X), y permitir intercambio de datos en tiempo real y detección del entorno precisa para conducción autónoma. Este enfoque de codiseño también tiene aplicaciones en fabricación inteligente, donde sistemas integrados pueden monitorizar el estado de maquinaria y comunicar datos de funcionamiento simultáneamente, lo que aumenta la eficiencia y permite realizar mantenimiento predictivo.

El codiseño pasivo (piggybacking) aprovecha señales inalámbricas existentes para realizar detección del entorno, lo que ofrece soluciones de vivienda inteligente y atención médica innovadoras. Por ejemplo, la detección de Wi-Fi pasiva puede detectar la presencia y actividad de personas, lo que permite una automatización avanzada de la vivienda y el cuidado de personas mayores monitorizando sus actividades diarias sin necesidad de sensores adicionales. Todos estos paradigmas destacan la versatilidad y potencial de la tecnología de ISAC en 6G, y abren camino a un futuro más conectado, inteligente y eficiente.

partición

Exploración del diseño de ISAC

Cuando se diseñan sistemas de ISAC, los equipos de investigación generalmente se centran en varios componentes fundamentales: formas de onda de radar y comunicaciones, modelos de canal, y hardware del receptor. Comprender y optimizar estos elementos es esencial para desarrollar soluciones de ISAC eficientes y precisas. Las formas de onda de radar y comunicaciones deben diseñarse cuidadosamente para garantizar que puedan admitir simultáneamente las funcionalidades de detección y comunicación. Los modelos de canal precisos son fundamentales para predecir cómo se propagan las señales a través de diversos entornos, mientras que se necesita hardware de receptor avanzado para procesar las señales recibidas. Esta sección explora estos aspectos, y ofrece información y orientación para equipos de investigación que deseen innovar en el campo de ISAC.

Diagrama que muestra flujo de trabajo y bloques de función de un sistema de procesamiento combinado de radar y comunicaciones.

Áreas de exploración de ISAC.

Exploración de formas de onda existentes

Explorar formas de onda existentes en radar y comunicaciones es esencial para un diseño eficaz de formas de onda en sistemas de ISAC. Aprovechando formas de onda bien establecidas de ambos dominios, los equipos de investigación pueden identificar posibles sinergias y tradeoffs que faciliten la doble funcionalidad de ISAC. Comprender las fortalezas y limitaciones de estas formas de onda permite tomar decisiones bien fundadas sobre cómo adaptarlas o combinarlas para cumplir con los requisitos específicos de detección y comunicación.

Formas de onda de radar

Los sistemas de radar se pueden clasificar en dos categorías:

  1. Radar pulsado
  2. Radar de onda continua (CW)

El radar pulsado emite series de pulsos de alta potencia y determina el rango utilizando el retardo de tiempo entre el pulso enviado y el eco recibido, mientras que la velocidad se calcula a partir de los cambios en la distancia del eco. MATLAB ofrece recursos para obtener más información sobre radar pulsado, y para generar, analizar y evaluar fácilmente señales de radar pulsado:

Por su parte, el radar de onda continua (CW) emite señales continuamente, de modo que es rentable y adecuado para aplicaciones de telecomunicaciones en interiores y automoción. No obstante, requiere modulación para determinar la ubicación del objetivo, y entre sus clases principales se incluyen formas de onda continuas moduladas en frecuencia (FMCW) y formas de onda continuas moduladas en fase (PMCW).

MATLAB ayuda a generar y analizar señales de radar CW con potentes flujos de trabajo y funciones para:

Formas de onda de comunicación

Los productos de MATLAB permiten crear un amplio espectro de formas de onda inalámbricas que cumplen con los estándares de LTE, 5G, WLAN, Bluetooth® y SatCom. La generación de formas de onda de MATLAB permite generar señales basadas en estándares y señales 5G/LTE personalizadas que no están en los estándares, además de modulaciones genéricas como OFDM, QAM y PSK, y diversas señales de radar como FMCW y FM lineal. Esto posibilita realizar simulación y pruebas precisas en diferentes protocolos de comunicación y condiciones de prueba. Dado que pueden generar formas de onda personalizadas y basadas en estándares de la industria, los generadores de formas de onda de MATLAB constituyen un recurso fundamental para quienes se dedican al desarrollo y análisis de sistemas de ISAC. Un excelente punto de partida es la app Wireless Waveform Generator, que permite generar formas de onda basadas en estándares con unos pocos clics.

App Wireless Waveform Generator que genera señales de QAM con desequilibrio IQ añadido a la forma de onda.

Generación de formas de onda de comunicación en MATLAB con la app Wireless Waveform Generator.

Canales

Los modelos de canal precisos son sistemas ISAC cruciales, ya que garantizan rendimiento y eficiencia fiables en funcionalidades de comunicación y detección. Estos modelos permiten una caracterización precisa del entorno de propagación, ya que tienen en cuenta factores como atenuación, efectos de múltiples trayectorias y reflexiones de señal. Dado que proporcionan una representación realista del canal, los modelos precisos facilitan la optimización de los algoritmos de procesamiento de señales, aumentan la solidez del sistema, y mejoran la integración general de las prestaciones de detección y comunicación.

Trazado de rayos

Los modelos de trazado de rayos han demostrado un rendimiento predictivo sólido del comportamiento de las señales a 60 GHz e incluso a frecuencias más altas, y se pueden utilizar como modelos potentes para crear simulaciones de ISAC. MATLAB dispone de funcionalidad incorporada para trazado de rayos que se puede combinar con modelos para pérdidas debidas a lluvia, difracción del terreno, refracción a través de la atmósfera, dispersión troposférica y absorción atmosférica. Además, las prestaciones de trazado de rayos de MATLAB permiten modelar la atenuación de las señales cuando rebotan en un material específico.

Gráfica de trazado de rayos generada en MATLAB con la app SiteViewer que muestra múltiples rutas de señal entre un transmisor y un receptor.

Trazado de rayos con MATLAB.

MIMO de dispersión

Diagrama que muestra una señal de un transmisor que interactúa con dos vehículos en movimiento, y se convierte en una señal recibida en el receptor.

Los canales de MIMO de dispersión de MATLAB ayudan a modelar un entorno inalámbrico con elementos móviles en el entorno circundante.

El modelo de canal de MIMO de dispersión de MATLAB es adecuado para los canales de ISAC. Este modelo simula escenarios donde las señales emitidas desde un array de transmisión se reflejan en múltiples dispersadores antes de llegar a un array de recepción. Es importante mencionar que el modelo incorpora el impacto de los dispersadores móviles, considerados como objetivos, en la señal recibida, por lo que es ideal para aplicaciones de detección. El canal tiene en cuenta diversos efectos de propagación, como retardo de tiempo dependiente del rango, ganancia, efecto Doppler, cambio de fase y pérdidas atmosféricas debidas a gases, lluvia, niebla y nubes. Estos modelos de atenuación son válidos para frecuencias entre 1 y 1000 GHz, lo que garantiza una representación precisa de la degradación de la señal en un amplio espectro.

Más información

Canal de MIMO de dispersión

Función de MATLAB para configurar canales de MIMO de dispersión.

Limitaciones de hardware

A medida que se pasa de estudios conceptuales basados en simulaciones a prototipos de hardware, es fundamental considerar los desafíos y limitaciones debidos al hardware. Las altas tasas de transmisión de datos requeridas en un sistema de ISAC probablemente exigirán que partes del diseño se implementen en una FPGA, lo que conlleva sus propios desafíos.

En primer lugar, desarrollar algoritmos de procesamiento de señales en una FPGA suele ser más complejo que crear diseños equivalentes en software. Disponer de bloques de PI preparados para FPGA para tareas de filtrado, interpolación y diezmado de señales, y transformaciones matemáticas facilitará significativamente este proceso, en comparación con crear todo a partir de elementos básicos.

En segundo lugar, para lograr las altas tasas de transmisión de datos necesarias en ISAC, es posible que estos bloques de PI tengan que gestionar múltiples muestras por ciclo de reloj. DSP HDL Toolbox™ ofrece bloques de PI de procesamiento de señales estandarizados que pueden procesar múltiples muestras por ciclo de reloj, lo que permite tasas de transmisión de gigamuestras por segundo.

La selección de la plataforma de hardware adecuada dependerá de varios factores. Para localización y seguimiento, un elemento importante es la resolución de rango requerida. Por ejemplo, lograr una resolución de rango muy por debajo de 1 metro requerirá una tasa de muestreo del orden de cientos de MHz, lo que exige demandas extremas a la plataforma de hardware. Una plataforma que cumple con especificaciones tan estrictas es la plataforma RFSoC de AMD, que MATLAB admite de manera nativa. Esto significa que en esta plataforma se puede desplegar y ejecutar un modelo de Simulink® que utilice bloques de PI preparados para FPGA.

MATLAB también ofrece flujos de trabajo para modelado de deficiencias de hardware:

partición

Conclusión

MATLAB desempeña un papel fundamental en la evolución de ISAC. Dado que permite simular escenarios, diseñar algoritmos y analizar datos, MATLAB acelera el desarrollo de sistemas de radar y comunicaciones integrados. La plataforma MATLAB ayuda a los equipos de investigación a validar diseños de manera eficiente y optimizar la conectividad, esencial para aplicaciones de vehículos autónomos y ciudades inteligentes. A medida que ISAC se vuelve esencial en las redes del futuro, las prestaciones de MATLAB garantizan que los equipos de investigación puedan innovar rápidamente y satisfacer las demandas de un mundo altamente interconectado, e impulsar la materialización de todo el potencial de 6G.