Joint Transmit Waveform and Passive Beamforming Design for RIS-Aided DFRC Systems阅读笔记

提示：本文主要是为了学习其中的一些语言风格的公式推导

---

前言

RIS辅助DFRC系统的联合发射波形和无源波束形成设计
dual-functional radar-communication (DFRC)、space-time adaptive processing (STAP).

---

一、摘要

 可重构智能曲面(RIS)技术是6G网络中一种极具发展前景的技术，它能够灵活地创造良好的传播环境，提高无线通信的容量和覆盖范围。 本文研究了双功能雷达通信(DFRC)系统在提高雷达传感和通信功能方面的潜力。 特别地，我们考虑了一种RIS辅助的DFRC系统，其中多天线基站(BS)使用相同的硬件平台同时执行多输入多输出(MIMO)雷达传感和多用户多输入单输出（MU-MISO）通信。 我们的目标是联合设计RIS的双功能发射波形和无源波束形成，以最大限度地利用空时自适应处理(STAP)实现雷达输出信干噪比(SINR),同时满足通信服务质量（QoS）要求，即发射波形的常数模约束和RIS反射系数的单位模约束。 针对复杂的非凸优化问题，提出了一种基于乘子交替方向法(ADMM)和最优-最小化(MM)的算法框架。 仿真结果验证了RIS-AssistedDRFC方案的先进性和基于ADMM-MM的联合发射波形和无源波束形成设计算法的有效性。

---

main contribution

1. 我们在一个DFRC系统中集成了一个RIS，通过利用RIS操纵无线电环境的能力来实现潜在的性能改进。 对于考虑的新型RIS辅助DFRC系统，我们给出了雷达和通信功能的综合信号模型，然后介绍了评估MU-MISO通信QoS的三个实用指标。
2. 为了使雷达输出信干噪比(SINR)最大，同时满足通信QoS的要求，我们设计了发射波形、接收滤波器和无源波束形成（即RIS反射系数）三个指标中的任意一个指标，即发射波形的常数模约束和RIS反射系数的单位模约束。为了解决这一复杂的非凸问题，采用了乘法器交替方向法(ADMM)和最优最小化(MM)方法，将其转化为几个子问题，并提出了相应的算法。
3. 仿真研究表明，部署OFRIS可以显著提高雷达性能，特别是对于基站和目标之间存在弱直接信道的DFRC系统。 此外，与纯雷达系统相比，所提出的设计算法可以以约0.5dB的雷达性能损失为代价，获得满意的通信QoS。

system model

我们考虑了ARIS辅助的同地窄带FRC系统，如图所示 1,其中一个BS配备有M个布置成均匀线性阵列的发射/接收天线。 BS在N元RIS的帮助下同时执行雷达和通信功能。 具体地说，RIS协助BS在Q杂波返回存在的情况下检测目标，并同时向K个单天线用户传送不同的符号。 利用先进的自干扰抑制技术[46]，我们假设基站的发射和接收天线同时工作，具有完美的自干扰抑制。 为了在大范围和角域的强信号相关杂波中获得满意的目标检测性能，基站利用STAP技术在空间和时间域中利用所有可用的DOF。 也就是说，BS利用STAP优化非线性空时发射波形和接收滤波器，以提供更好的目标检测性能。 读者可以参考[39]-[41]了解STAP技术的更多细节。 同时，不同的信息符号由相同的发射波形承载，以符号级的方式控制多用户干扰，提高通信QoS。

常用语言表述总结

In (X), the vectors 公式 and 公式 respectively denote the channels between the BS and the target and between the RIS and the target, which are generally line-of-sight (LoS) in the field of radar and are determined by the range-angle position.
The matrix 公式 Represents/denotes/is XXXXXXX(the channel between).
The RIS reflection matrix Is defined by 公式