基于智能反射面的混合近场与远场目标定位
信号处理
2025-02-05 v1 信息论
math.IT
摘要
本文考虑了一种用于第六代 (6G) 通感一体化 (ISAC) 网络的智能反射面 (IRS) 辅助双基地定位架构。该系统由一个发射用户、一个接收基站 (BS)、一个 IRS 以及位于 IRS 远场或近场区域的多个目标组成。特别地，我们关注目标与 BS 之间视距 (LOS) 路径被阻挡的挑战性场景，使得用户发射的正交频分复用 (OFDM) 信号仅通过用户-目标-IRS-BS 路径到达 BS。基于 BS 接收到的信号，我们的目标是通过估计目标相对于 IRS 的相对位置而非相对于 BS 的位置来定位目标。我们表明，基于子空间的方法，例如多重信号分类 (MUSIC) 算法，可以应用于 BS 的接收信号，以估计目标到 IRS 的相对状态。为此，我们通过结合不同时隙上的用户-目标-IRS-BS 信道创建了一个虚拟信号。通过对该虚拟信号应用 MUSIC 算法，我们能够检测远场目标和近场目标，并估计目标到 IRS 的到达角 (AOA) 和/或距离。此外，我们在理论上验证了在具有无限相干块数的理想情况下，所提出的方法能够完美估计目标到 IRS 的相对状态。数值结果验证了我们提出的 IRS 辅助定位方案的有效性。我们的论文展示了采用被动锚点（即 IRS）来提升主动锚点（即 BS）感知覆盖范围的潜力。
引用
@article{arxiv.2502.02295,
title = {Intelligent Reflecting Surface Based Localization of Mixed Near-Field and Far-Field Targets},
author = {Weifeng Zhu and Qipeng Wang and Shuowen Zhang and Boya Di and Liang Liu and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2502.02295},
year = {2025}
}