Haberleşme Kapasitesi ve Hedef Tespiti arasında Denge Kuran Entegre Algılama ve Haberleşme Sistemleri için Simülasyon Tabanlı Güç Tahsisi

Shuyuan Zhao; Hu Sheng

Araştırma makalesi

Haberleşme Kapasitesi ve Hedef Tespiti arasında Denge Kuran Entegre Algılama ve Haberleşme Sistemleri için Simülasyon Tabanlı Güç Tahsisi

28 görüntülenme

⸱

11 Eylül 2026

Shuyuan Zhao¹ , Hu Sheng²

¹School of Traffic and Electrical Engineering, Dalian University of Science and Technology, ²School of Railway Intelligent Engineering, Dalian Jiaotong University

Bu makalede

Özet

Bu protokol, farklı çalışma koşulları altında iletişim kapasitesi ve hedef tespit performansı arasındaki dengeyi sağlamak için çok amaçlı bir optimizasyon modeli ve geliştirilmiş bir Kelebek Optimizasyon Algoritması kullanarak, entegre algılama ve iletişim sistemlerinde güç tahsisini optimize etmeye yönelik simülasyon tabanlı bir yöntemi tanımlamaktadır.

Özet

Entegre Algılama ve İletişim (ISAC) sistemleri, sınırlı spektrum ve güç kaynakları altında çalışırken iletişim kalitesi ile algılama performansı arasında denge kurmak için verimli bir güç tahsisi gerektirir. Geleneksel eşit güç tahsisi yöntemleri, iletişimin ve algılamanın farklı hedeflerini yeterince dikkate almadıkları için iletişim kanal kapasitesi ile hedef tespit olasılığı (PDP) arasında genellikle etkili bir ödünleşim sağlayamazlar. Bu çalışma, normalize edilmiş bir çok amaçlı optimizasyon çerçevesi kullanarak, Ortogonal Frekans Bölmeli Çoğullama (OFDM) tabanlı bir ISAC sistemi için simülasyon tabanlı bir güç tahsisi stratejisi önermektedir. Küresel arama yeteneğini, yakınsama hızını ve çözüm çeşitliliğini artırmak amacıyla Dinamik Geçiş Olasılığı ve Dinamik Varyanslı Gauss Mutasyonu stratejilerini içeren geliştirilmiş bir Kelebek Optimizasyon Algoritması (BOA) kullanılmıştır. Önerilen yaklaşımı değerlendirmek için farklı iletişim ağırlık faktörleri, anten konfigürasyonları, alt taşıyıcı sayıları ve sinyal-gürültü oranları altında sayısal simülasyonlar gerçekleştirilmiştir. Optimize edilen strateji, birden fazla simülasyon senaryosunda iletişim kanal kapasitesi ile PDP arasında dengeli bir uzlaşma sağlarken geliştirilmiş bir yakınsama davranışı sergilemiştir. Bu bulgular, önerilen optimizasyon çerçevesinin, farklı çalışma koşulları altında iletişim-algılama ödünleşimlerini değerlendirmek için tekrarlanabilir bir metodoloji sunarken, OFDM tabanlı ISAC sistemleri için simülasyon tabanlı kaynak tahsisini etkili bir şekilde destekleyebileceğini göstermektedir.

Giriş

Kablosuz iletişim hizmetlerinin hızla genişlemesi ve yüksek performanslı radar algılamaya olan talebin artmasıyla birlikte, sınırlı spektrum kaynakları ile büyüyen hizmet gereksinimleri arasındaki çatışma giderek daha belirgin hale gelmiştir. Bu sırada, elektronik cihazların minyatürleşmesi ve entegrasyonu, Entegre Algılama ve Haberleşme (ISAC) sistemlerini daha da ilerletmiştir. Sonuç olarak ISAC, elektronik bilgi sistemlerinde önemli bir araştırma yönü olarak ortaya çıkmıştır¹^,²^,³. ISAC, spektrum ve donanım kaynaklarını paylaşarak kablosuz iletişim verilerinin ve radar algılama sinyallerinin eş zamanlı iletimini sağlar; böylece geleneksel bağımsız sistemlerin spektrum verimliliği sınırlamalarının üstesinden gelir ve karmaşık senaryolarda kaynak kullanımını iyileştirir⁴. Dikgen Frekans Bölmeli Çoğullama (OFDM), spektrum kullanımını artıran ve çok yollu etkileşime karşı güçlü bir dayanıklılık sağlayan, yaygın olarak benimsenmiş bir çok taşıyıcılı modülasyon tekniğidir. Bu avantajları nedeniyle OFDM, ISAC sistemleri için tercih edilen dalga formu haline gelmiştir. Ortaya çıkan OFDM-ISAC mimarisi, haberleşme ve algılama fonksiyonlarının koordineli uygulaması için güvenilir bir dalga formu temeli sağlar⁵^,⁶. Buna bağlı olarak, bu konuya odaklanan önemli araştırmalar yapılmıştır.

İletişim verimliliğini ve algılama performansını artırmak için Wen ve ark.⁷, boşlukta optik OFDM tabanlı ISAC sistemleri için bir güç tahsisi yöntemi (PAM) önermiştir. Elde ettikleri sonuçlar yöntemin etkinliğini kanıtlamış ve iletişim ile algılama performansı arasındaki ödünleşimi vurgulamıştır. Wang ve ark.⁸, iletişim sembol hata oranını ve ortak gecikme ile Doppler tahmini için Cramér–Rao alt sınırını minimize etmek amacıyla OFDM-ISAC sistemleri için derin öğrenme tabanlı bir güç tahsisi optimizasyon yöntemi geliştirerek iletişim performansının iyileştiğini göstermiştir. İletişim ve algılama performansını dengelemek için AlKhansa ve ark.⁹, OFDM-ISAC sistemlerinde varış zamanı tahmini için dinamik bir PAM tasarlamış ve sayısal sonuçlar birden fazla algılama kısıtının dahil edilmesinin önemini doğrulamıştır. He ve ark.¹⁰, çok taşıyıcılı OFDM-ISAC sistemleri için bir max–min optimizasyon problemi formüle etmiş ve ortaya çıkan konveks olmayan problemi çözmek için ardışık konveks yaklaşım tabanlı iteratif bir optimizasyon algoritması geliştirerek iletişim performansını artırmıştır. Liao ve ark.¹¹, doğrusal bir ön kodlayıcı ile önceden tanımlanmış bir dizi ışın şekillendiricinin ağırlıklı kombinasyonuna dayalı, hesaplama açısından verimli bir ISAC iletim ışın şekillendiricisi önermiştir ve bunun uygun hesaplama verimliliği ile genel performans sergilediğini kanıtlamıştır.

Bu ilerlemelere rağmen, çoğu OFDM-ISAC sistemi hâlâ eşit güç tahsisine dayanmaktadır ve bu durum, haberleşme ve algılama fonksiyonları eş zamanlı çalıştığında genel sistem performansını kısıtlamaktadır. Haberleşme kanalı kapasitesini maksimize eden bir güç tahsis stratejisi, hedef tespit performansını düşürebilirken; yalnızca hedef tespit olasılığı (PDP) için optimize edilmiş bir strateji, haberleşme kalitesi pahasına algılamaya aşırı güç tahsis edebilir. Ayrıca, haberleşme kanalı kapasitesi ve PDP farklı fiziksel boyutlara sahip olduğundan, geleneksel ağırlıklı toplam optimizasyon yöntemleri bunların göreceli katkılarını yeterince dengeleyemez ve bu da OFDM-ISAC sistemlerinin genel performansını sınırlar. Bu çalışma, söz konusu boyutsal farklılıklara rağmen haberleşme kanalı kapasitesini ve PDP'yi ortaklaşa optimize etmek için OFDM-ISAC sistemlerinde iletim gücü tahsisini incelemektedir. Önerilen OFDM-ISAC-P modeli, her iki amaç fonksiyonunu normalleştirir ve optimizasyon karşılaştırılabilirliğini artırmak için ayarlanabilir ağırlık faktörleri uygular. Sabit parametreler, yavaş yakınsama ve yerel optimumlara karşı duyarlılık gibi geleneksel Kelebek Optimizasyon Algoritması'nın (BOA) kısıtlamalarının üstesinden gelmek için, arama adaptasyonunu geliştirmek amacıyla Dinamik Anahtarlama Olasılığı (DSP) ve Dinamik Varyans Gaussian Mutasyon (DVGM) stratejileri entegre edilmiştir. Çalışma, normalleştirilmiş çok amaçlı optimizasyonun geliştirilmiş BOA ile birleştirilmesinin, geleneksel eşit güç tahsisine ve standart BOA'ya göre daha kararlı bir Pareto-denge güç tahsisi ürettiği hipotezini kurmaktadır. Bu çalışmanın temel katkıları arasında; normalleştirilmiş bir çok amaçlı güç tahsis modelinin geliştirilmesi, geliştirilmiş BOA tabanlı bir optimizasyon çerçevesi ve çok antenli, çok taşıyıcılı ve akıllı ulaşım senaryoları kullanılarak yapılan simülasyon tabanlı doğrulama yer almaktadır.

Protokol

Bu çalışma, bir OFDM-ISAC sistemi için yalnızca matematiksel modelleme, algoritma geliştirme ve sayısal simülasyonları içermektedir. İnsan katılımcılar, hayvanlar, biyolojik örnekler veya kişisel olarak tanımlanabilir veriler kullanılmamıştır. Bu nedenle, Kurumsal Gözden Geçirme Kurulu (IRB) veya Kurumsal Hayvan Bakımı ve Kullanımı Komitesi (IACUC) onayı da dahil olmak üzere kurumsal etik onayı gerekmemiştir.

Frekans Bölmeli Çoğullamaya Dayalı Entegre Sensör ve İletişim Sistemi için Güç Atama Modelinin Tasarımı

ISAC sistemlerinde, geleneksel eşit PAM'ler genellikle iletim gücüne ilişkin farklı performans gereksinimlerini göz önünde bulundurmadan, aynı anda iletişim ve algılama sırasında her bir kanala ve antene güç dağıtır. Bu durum, verimsiz iletim bağlantılarına aşırı güç tahsisi yapabilir ve iletişim ile algılama hizmetlerinin heterojen gereksinimlerini karşılayamayabilir; bu da genel güç kullanım verimliliğini düşürür¹²^,¹³^,¹⁴. Bu nedenle, bu çalışma sistemin çift işlevli hedeflerini dikkate alarak iletişim kanal kapasitesi ile PDP'yi birlikte optimize etmeyi amaçlamaktadır. OFDM tabanlı ISAC sistemi için, OFDM-ISAC-P modeli olarak adlandırılan bir güç dağıtım stratejisi geliştirmek üzere çok amaçlı bir optimizasyon çerçevesi oluşturulmuştur. OFDM, bir gönderici ve bir alıcıdan oluşan etkili bir çoklu taşıyıcılı modülasyon tekniğidir. OFDM süreci Şekil 1'de gösterilmiştir.

Kablosuz iletişim akış şeması, kodlama, IFFT, RF kanalı, FFT, kod çözme sürecini içerir.
Şekil 1. Entegre Sensör ve İletişim (ISAC) sisteminde kullanılan Dikgen Frekans Bölüşümlü Çoklama (OFDM) dalgasının sinyal işleme iş akışı. İş akışı, veri kodlamayı, araya yerleştirmeyi, sembol eşlemeyi, seri-paralel dönüşümü, hızlı Fourier dönüşümünün tersini (IFFT), döngüsel önek (CP) ekleme, radyo frekansı (RF) iletimi, kablosuz kanal yayılımı, RF alımını, CP kaldırma, hızlı Fourier dönüşümü (FFT), kanal dengelemeyi, eşlemeyi kaldırma, araya yerleştirmeyi kaldırma, kod çözme ve veri kurtarmayı içerir. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.

Şekil 1'de, OFDM sinyalleri yüksek spektrum kullanım oranları ve çok yollu girişime karşı güçlü dirençleri nedeniyle iletişim ve algılama için ortak dalga formu olarak kullanılır ve böylece her iki işlev için de birleşik dalga formu iletimini mümkün kılar¹⁵^,¹⁶^,¹⁷. Pencere fonksiyonunun spektral şekillendirme etkisi göz ardı edilerek, iletilen OFDM dalga formu, taşıyıcı frekansı, alt taşıyıcı sayısı, güç dağılımı için alt taşıyıcı kompleks ağırlıkları, iletişim sinyali kodlaması ve alt taşıyıcı aralığı kullanılarak oluşturulur. Sistem bant genişliği, alt taşıyıcı aralığı ve alt taşıyıcı sayısı ile belirlenir¹⁸. İletişim sinyali üretme süreci şu şekilde tanımlanır. İkili bilgi bitleri, iletim güvenilirliğini artırmak amacıyla öncelikle düşük yoğunluklu eşlik denetimi (LDPC) kodlama şeması kullanılarak kodlanır ve ardından dörtlenme faz kaydırmalı anahtarlama (QPSK) modülasyonu kullanılarak karmaşık değerli sembollere eşlenir. Modüle edilmiş semboller, optimize edilmiş güç dağılımı stratejisine göre OFDM alt taşıyıcılarına atanır. Ters hızlı Fourier dönüşümü (IFFT) işleminden ve döngüsel önek (CP) eklemeden sonra, zaman domenindeki OFDM iletişim dalgası oluşturulur ve algılama sinyaliyle birlikte iletilir. Tüm simülasyonlar boyunca aynı modülasyon ve kodlama yapılandırması korunur. Bu çalışmada kullanılan ISAC sistemi yapılandırması Şekil 2'de gösterilmiştir.

Kablosuz sinyal yolları, doğrudan, yer ve gökyüzü yansımasını gösteren şema, engellere ve Alıcı (Rx) dizisine.
Şekil 2. Frekans Bölmeli Çoklama (OFDM) tabanlı Entegre Sensör ve İletişim (ISAC) sisteminin sistem yapısı. Şema, gönderici (Tx) dizisini, alıcı (Rx) dizisini, doğrudan görüş hattı (LoS) iletişim yolunu, hedef-eko algılama yolunu, yer yansıma yolunu, gökyüzü yansıma yolunu ve simüle edilen yayılım ortamındaki temsili engelleri göstermektedir. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.

Sistem, bir verici anten dizisinden ve bir alıcı anten dizisinden oluşur. Sinyal iletimi iki ana yoldan gerçekleşir. İlki, sinyalin verici dizi ile alıcı dizi arasında doğrudan iletildiği Görüş Hattı (LoS) yoludur. İkincisi, sinyalin bir kısmının yeryüzünden yansıması ve alıcı diziye ulaşması, diğer bir kısmının ise alıcı diziye ulaşmadan önce gökyüzünden yansıyan bir yol izlemesiyle gerçekleşen yansıma yoludur¹⁹^,²⁰^,²¹. Bu sistem, haberleşme ve algılama alıcılarının farklı anten yapılandırmalarını benimseyebileceği LoS baskın çoklu antenli bir OFDM-ISAC sistemidir. Şekil 2, doğrudan LoS yolu ve yansımayla ilgili yolları içeren olası yayılım bileşenlerini gösterse de, matematiksel model ve simülasyonlar yalnızca baskın LoS haberleşme bağlantısını ve hedef ekosu algılama bağlantısını dikkate alır. Yer ve gökyüzü yansımaları, ayrı ayrı optimize edilmiş olmayan-LoS (NLoS) kanallar olarak değil, arka plan yayılım etkileri olarak ele alınır. Kanal tepkisi matrisi, çoklu yol etkileri sönümleme, Doppler kayması ve gürültü terimleriyle temsil edilerek LoS baskın varsayımı altında tanımlanır. Bu kanal tepkisi matrisi, iletilen sinyal ve kanal gürültü modeliyle birlikte değerlendirildiğinde, alınan haberleşme sinyali Denklem 1'de ifade edilir.

Statik denge denklemi, y_cm = H_cm * S_m + n_cm, formül, eğitim amaçlı

n_c,m Gauss gürültüsünü, S_m iletilen sinyali ve H_c,m iletişim kanalı yanıt matrisini temsil eder.

ISAC sisteminin algılama işlevinde, sinyal iletim yolu iki aşamadan oluşur. İlk aşama, vericiden hedefe olan iletimdir ve ikinci aşama, yansıyan sinyalin hedeften algılama kanalı aracılığıyla alıcıya geri yayıldığı yankı yoludur²²^,²³^,²⁴. m-inci alt taşıyıcı için, algılama kanalı cevap matrisi sinyal yayılımını karakterize eder ve Denklem 2 şeklinde ifade edilir:

$Statik denge denklemi $ H_{sm} = b_s e^{j2\pi f_{sm} \theta} e^{-j2\pi m f \tau_s} $.$

Burada, b_s algılama ek yolunun sönümleme katsayısını, f_s,m yansıyan Doppler frekans kaymasını ve τ_s yansıma yolunun yayılım gecikmesini temsil eder. Algılama kanalı cevap matrisine dayanarak alınan algılama sinyali Denklem 3 olarak ifade edilir:

Veri analizi araştırmasında kullanılan sinyal işleme formülünü gösteren denklem: y_sm = H_sm S_m + n_sm.

Burada, n_s,m algılama kanalındaki Gauss beyaz gürültüsünü temsil eder.

Kablosuz haberleşme sistemlerinde, genel sistem performansını artırmak için etkili spektrum planlaması ve kaynak tahsisi esastır²⁵. Buna göre, bu çalışma kanal kapasitesini birincil tasarım kriteri olarak kullanır. Toplam iletim gücünün, önerilen kaynak tahsis stratejisine göre OFDM alt taşıyıcılarına dağıtılmasıyla kanal kapasitesini en üst düzeye çıkarmak için bir optimizasyon modeli oluşturulmuştur ve bu Denklem 4'te ifade edilmiştir.

İletişim optimizasyon problemi şu şekilde formüle edilir (Denklem 4):

Optimizasyon formülü, toplam denklem diyagramı, sinyal işleme analizi, kanal kapasitesinin maksimize edilmesi.

tabi

Statik denge denklemi Σam=1; formül diyagramı; matematiksel analiz aracı.

σ_c², iletişim Gauss kanalının gürültü varyansını; P, toplam iletişim iletim gücünü; P_c, optimal iletişim gücü atama vektörünü; a_m, m-inci alt taşıyıcıya atanan ağırlığı; ve N_c, alt taşıyıcıların sayısını temsil eder.

WA kullanılarak elde edilen optimal çözüm, Denklem 5 olarak ifade edilir:

$Matematiksel analizdeki koşullar için denklem, formül: $ \hat{p}_{c,m} = \left\{ \right. $$

Burada, statik denge ΣFx=0 diyagram fiziği mekaniği analiz en uygun güç tahsisi anlamına gelir m-inci iletişim altkanalı, g_m kanal-gürültü kazanç oranını temsil eder m-iletişim alt kanalı ve μ_c WA'nın su seviyesini gösterir.

WA'nın gösterildiği gibi Şekil 3Daha yüksek kanal kazançlarına sahip alt kanallar, daha küçük ters kanal kazançlarına karşılık gelir ve seçilen su seviyesi altında daha büyük iletim gücü alır. Bu, sistemin toplam güç kısıtını karşılarken elverişli kanal koşullarından yararlanmasına ve genel iletişim kapasitesini artırmasına olanak tanır. Sonuç olarak, daha iyi kanal koşullarına sahip alt kanallar daha fazla güç alırken, daha kötü kanal koşullarına sahip olanlar daha az güç alır. Bu uyarlamalı güç dağıtımı stratejisi sayesinde, WA kanal kaynaklarını etkili bir şekilde kullanarak iletişim performansını artırır.

Su enjeksiyonu altkanal süreci; güç seviyeleri, μc çizgisi, 1/gi oranları; analiz.
Şekil 3. İletişim gücü tahsisi için kullanılan Su Doldurma Algoritması'nın (WA) prensibi. Yatay eksen OFDM altkanallarını, dikey eksen ise ters kanal kazancını ve tahsis edilen iletim gücünü temsil eder. Su seviyesi, toplam iletim gücü kısıtlaması altında her bir altkanala atanacak iletim gücünü belirler. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.

Algılama amacı için, yanlış alarm olasılığı sabitlendiğinde uygun bir güç tahsisi stratejisi esastır. Optimize edilmiş bir güç tahsisi stratejisi, hedef tespit doğruluğunu artırarak algılama performansını geliştirir. Algılama süreci, hedefin var olduğu hipotezi (H₁) ve hedefin olmadığı hipotezi (H₀) altında hipotez testi gerektirir. Bu hipotezler altında, k-inci darbe sırasında her bir alt taşıyıcı için alınan sinyal Denklem 6 ile ifade edilir:

Hipotez testi denklemi, matematiksel formül, istatistiksel analiz, H0 ve H1 gösterimi.

Burada, y algılama gözlem vektörünü, A diyagonal matrisi diag(a₀, a₁, …, a_{N_c−1}) ifade eder, D(v) hedefin Doppler frekans kaymasını içeren diyagonal matrisi, β hedef yansıma katsayısı vektörünü ve n_s algılama kanalındaki Gauss beyaz gürültüyü gösterir.

H₀ ve H₁ varsayımları altında olasılık yoğunluk fonksiyonları değerlendirilir. Belirlenmiş bir yanlış alarm olasılığı için, PDP bu iki hipoteze dayanarak hesaplanır. Olabilirlik oranı tespit teorisine göre, PDP'yi en üst düzeye çıkarmak için genelleştirilmiş bir maksimum olabilirlik oranı dedektörü türetilir.

Genelleştirilmiş maksimum olabilirlik oran detektörü, Denklem 7 olarak ifade edilir:

İstatistiksel analiz için logaritmik denklem; lnL_G, σ^2, y^H, y_0 içeren formül şeması.

Burada, l_G ve L_G sırasıyla genelleştirilmiş olabilirlik oranı tespit istatistiğini ve olabilirlik oranı fonksiyonunu ifade eder, y^H, y'nin Hermitian transpozunu temsil eder ve γ₀ tespit eşiğini belirtir. Tespit süreci sırasında, eşik değeri, hedefin var olduğu hipotezinin (H₁) mi yoksa hedefin olmadığı hipotezinin (H₀) mi kabul edileceğine karar vermek için kullanılır. Algılama tespit eşiği ile hedef tespit olasılığı arasındaki ilişki Şekil 4'te gösterilmiştir.

Gürültüye karşı sinyal+sinyal grafiği, tespit eşiğiyle birlikte.
Şekil 4. Algılama tespit eşiği ile hedef tespit olasılığı arasındaki ilişki. Hedefin yokluk hipotezi ve hedefin varlık hipotezi altında olasılık yoğunluk fonksiyonları, hipotez testi için kullanılan tespit eşiğiyle birlikte gösterilmiştir. Gölgeli bölgeler, yanlış alarm olasılığı ve hedef tespit olasılığıyla ilişkili karar bölgelerine karşılık gelir. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.

Şekil 4'te gösterildiği gibi, PDP doğrudan merkezi olmayan karmaşık ki-kare dağılımıyla ilişkilidir. Sabit bir yanlış alarm olasılığı (yani, izin verilen maksimum yanlış tespit olasılığı) altında, merkezi olmayan parametre, PDP ile pozitif korelasyonludur. Sonuç olarak, merkezi olmayan parametrenin artırılması, hedef sinyalin doğru şekilde tespit edilme olasılığını iyileştirir. Bu ilişkiye dayanarak, toplam algılama iletim gücü güç kısıtı olarak kabul edilirken, merkezi olmayan parametrenin maksimize edilmesi optimizasyon amacı olarak seçilir. Elde edilen kısıtlı optimizasyon problemi, optimal algılama gücü tahsisi stratejisinin çıkarılmasında kullanılır ve Denklem 8 şeklinde ifade edilir:

Algoritmik analiz için argmax formülüne sahip optimizasyon denklemi şeması.

nerede α güç kısıtlaması altında elde edilen optimal algılama gönderim ağırlık vektörünü ve aynı zamanda algılama alt taşıyıcısı gönderim ağırlık vektörünü gösterir, B(v, β) algılama bilgisi vektörünü gösterir ve P toplam algılama iletim gücü temsil eder.

Optimizasyon, optimal algılama gücü atama stratejisinin gücü birden fazla alt kanala dağıtmadığını gösterir. Bunun yerine, tüm kullanılabilir algılama iletim gücü, kanal değerlendirmesiyle en yüksek algılama performansını sağladığı belirlenen alt kanala atanır ve böylece tek kanallı hedef tespit performansı en üst düzeye çıkarılır.

OFDM-ISAC sisteminde güç dağıtımı, temel optimizasyon görevidir ve optimal strateji, hem iletişim hem de algılama tasarım gereksinimlerini karşılamalıdır. Özellikle, optimizasyon, bit hata oranı ve kanal kapasitesi gibi iletişim performans metriklerini, PDP ve parametre kestirim doğruluğu gibi algılama performans metrikleriyle birlikte eşzamanlı olarak dikkate alır. Genel sistem performansı, koordine edilmiş kaynak dağılımı ile artırılır. Ancak, geleneksel ağırlıklı toplam optimizasyonunu kullanarak optimal iletişim ve algılama güç dağılımı stratejilerini doğrudan birleştirmenin önemli sınırlamaları vardır. İki performans metriğinin farklı fiziksel boyutları ve göreli katkıları yeterince dikkate alınmadığından, elde edilen optimizasyon entegre iletişim-algılama sistemlerinin gereksinimlerini doğru bir şekilde yansıtmayabilir²⁶^,²⁷.

Bu nedenle, bu çalışma, normalize edilmiş ağırlıklandırmaya dayalı entegre bir tasarım çerçevesi önermektedir. İlk olarak, boyutsal tutarsızlığın etkilerini ortadan kaldırmak için iletişim ve algılama performans ölçümleri normalize edilir. Daha sonra, uygulama senaryosuna göre ağırlıklandırma katsayıları ayarlanarak daha dengeli bir güç dağıtımı elde edilir. Normalize edilmiş OFDM-ISAC-P modelinin matematiksel formülasyonu Denklem 9'da verilmiştir:

Optimizasyon denklem formülü diyagramı; toplam üzerinde argmax, kısıtlamalara tabi, araştırma kullanımı.

Burada, w iletişim ağırlıklandırma faktörünü, F_c iletişim optimizasyon probleminden elde edilen optimal amaç değerini, p_m m-inci OFDM alt taşıyıcısına tahsis edilen gücü, g_m m-inci iletişim alt taşıyıcısının eşdeğer kanal-gürültü kazancını, P toplam iletim gücünü, F_s algılama optimizasyon probleminden elde edilen optimal amaç değerini ve b_m B(v, β) algılama vektörünün m-inci elemanını gösterir.

İletişim ağırlıklandırma faktörü w, tamamlayıcı algılama ağırlıklandırma faktörü (1 − w) ile birlikte, farklı uygulama senaryolarında iletişim kanalı kapasitesinin ve PDP'nin göreli önemini yansıtan ayarlanabilir bir tasarım parametresi olarak işlev görür²⁸^,²⁹. Bu çalışmada, w, zamanla değişen bir kontrol değişkeni değil, senaryo düzeyinde bir yapılandırma parametresi olarak ele alınmıştır. Buna göre, her bir simülasyon senaryosu için w sabitlenmiştir (örneğin, dengeli iletişim ve algılama performansı için w = 0,5 ve iletişim öncelikli çalışma için w = 0,8). Daha sonra, geliştirilmiş BOA ilgili güç dağıtımını optimize etmek için kullanılır. Bu nedenle, "dinamik ağırlıklandırma faktörü" terimi, algoritma yürütülürken gerçek zamanlı otomatik adaptasyon uygulamak yerine, farklı çalışma senaryoları için farklı ağırlıklandırma faktörlerinin seçilmesini ifade eder.

İyileştirilmiş Kelebek Optimizasyon Algoritması Kullanarak Dikgen Frekans Bölmeli Çoğullama Tabanlı Entegre Sensör ve İletişim Sistemi için Güç Optimizasyon Modelinin Çözümü

OFDM-ISAC-P modeli oluşturulduktan sonra, geliştirilmiş BOA optimizasyon problemi çözmek için kullanılır. BOA basit bir yapıya sahiptir, uygulanması kolaydır ve güçlü bir küresel arama yeteneğine sahiptir. Algoritma, kelebeklerin yiyecek arama davranışını taklit eder ve arama alanını verimli bir şekilde keşfetmek için Lévy uçuşu mekanizmasını kullanır. Algoritmanın nispeten az sayıda parametre ayarı gerektirmesi, onu çeşitli optimizasyon problemleri için uygun hale getirir. Ancak geleneksel BOA, yerel optimal çözümlere erken yakınsayabilir, parametre ayarlarına duyarlı olabilir ve yüksek boyutlu optimizasyon problemlerini çözerken sıklıkla çok sayıda yineleme gerektirebilir³⁰. Bu nedenle bu çalışmada mutasyon stratejisi ve optimizasyon süreci geliştirilmiştir.

Erken optimizasyon aşamasında küresel keşfi iyileştirmek için bir DSP stratejisi sunulmuştur. Başlangıç yinelemeleri sırasında, nispeten küçük bir geçiş olasılığı, arama uzayının keşfini artırır. Yineleme sayısı arttıkça, geçiş olasılığı kademeli olarak yerel sömürüyü güçlendirmek ve yakınsamayı iyileştirmek üzere ayarlanır. DSP, Denklem 10’da tanımlanmıştır:

α, β ve Maxiter değişkenlerini karmaşık bir ilişkide kullanan p(t)'yi gösteren dinamik süreç denklemi.

α, DSP'nin başlangıç değerini; t, mevcut yineleme sayısını; ve β, kontrol katsayısını gösterir. Bu uyarlanabilir strateji, erken optimizasyon aşamasında popülasyon çeşitliliğini artırır, arama alanını genişletir ve yerel optimal noktalara erken yakınsama olasılığını azaltır. Optimizasyon ilerledikçe arama, kademeli olarak genel keşiften yerel sömürüye kayar.

Optimizasyon performansını daha da artırmak için DVGM algoritmaya dahil edilir. Arama aralığını genişletmek ve küresel keşfi iyileştirmek amacıyla erken yinelemeler sırasında nispeten büyük bir mutasyon varyansı uygulanır. Optimizasyon ilerledikçe, yerel arama doğruluğunu artırmak ve yakınsamayı kolaylaştırmak için mutasyon varyansı kademeli olarak azaltılır. Maksimum varyans σ_max ve minimum varyans σ_min, Denklem 11'de tanımlanmıştır:

Zamana bağlı gerilme değişimini gösteren gerilme-şekil değiştirme ilişkisi denklemi, σ(t).

Geliştirilmiş küresel ve yerel arama stratejileri, Denklem 12’de özetlenmiştir:

Dinamik güncelleme denklemi; formül; stokastik süreç analizi; matematiksel modelleme.

Burada normrnd(0, σ(t)), ortalama değeri 0 ve varyansı σ(t) olan bir Gauss rasgele sayısı; f_i ise kelebek arama davranışını kontrol eden koku parametresini temsil eder. DSP ve DVGM stratejileri entegre edildikten sonra, Şekil 5'te gösterildiği gibi geliştirilmiş BOA elde edilir.

Dinamik varyans mutasyonu ve Gauss stratejisini gösteren Kelebek Optimizasyon Algoritması akış şeması.
Şekil 5. İyileştirilmiş Kelebek Optimizasyon Algoritması'nın (BOA) iş akışı. Optimizasyon işlemi, başlatma, popülasyon üretimi, uygunluk değerlendirmesi, Dinamik Geçiş Olasılığı (DSP), genel ve yerel aramalar, Dinamik Varyans Gauss Mutasyonu (DVGM), çözüm güncelleme, yakınsama değerlendirmesi ve optimal çözüm çıktısı adımlarını içerir. Lütfen bu şeklin daha büyük halini görüntülemek için buraya tıklayınız.

Şekil 5, BOA'ya entegre edilen iki iyileştirme stratejisini göstermektedir: DSP ve DVGM. DSP stratejisi, küresel ve yerel arama arasında geçiş sıklığını uyarlamalı olarak ayarlar. Erken optimizasyon aşamasında, algoritma popülasyon çeşitliliğini artırmak ve umut verici çözüm bölgelerini belirleme olasılığını iyileştirmek için küresel keşfetmeye ağırlık verir. Optimizasyon ilerledikçe, arama kademeli olarak yerel sömürüye yönelerek yakınsamayı hızlandırır. DVGM stratejisi, mevcut en iyi bireyi bozarak yerel arama yeteneğini artırır, çözüm çeşitliliğini artırır ve yerel optimal çözümlere erken yakınsama olasılığını azaltır.

Geliştirilmiş BOA, OFDM-ISAC-P modelini çözmek için kullanıldığında, önce optimizasyon değişkenleri kodlanır, başlangıç popülasyonu oluşturulur ve aday güç atama stratejileri her bireye atanır. Tüm optimizasyon iş akışı Şekil 6'da gösterilmiştir.

OFDM-ISAC sistemi güç dağılımı süreci için kelebek optimizasyon algoritması akış şeması.
Şekil 6. Ortogonal Frekans Bölüşümlü Çoklama tabanlı Entegre Sensör ve İletişim (OFDM-ISAC) güç dağılımı modelinin çözümü için geliştirilmiş Kelebek Optimizasyon Algoritması (BOA)'nın iş akışı. İşlem, parametre başlatma, aday güç dağılımı vektörlerinin kodlanması, popülasyon üretimi, uygunluk değerlendirmesi, yinelemeli çözüm güncelleme, yakınsama değerlendirmesi ve optimal güç dağılımı stratejisinin çıktısını içerir. Lütfen bu şeklin daha büyük halini görüntülemek için buraya tıklayınız.

Şekil 6'da gösterildiği gibi, optimizasyon, ardışık optimizasyon gerçekleştirmek için DSP stratejisinin uygulanmasıyla başlar. İlk yinelemeler sırasında, OFDM-ISAC sistemi için çeşitli güç tahsisi kombinasyonlarını incelemek amacıyla küresel keşfetmeye ağırlık verilir. Daha sonraki yinelemelerde ise arama, toplam iletim gücü kısıtını sağlarken yüksek kaliteli aday çözümleri iyileştirmek için giderek yerel sömürüye kayar. DVGM stratejisi daha sonra yerel optimal noktalardan kaçınmak ve çözüm çeşitliliğini korumak amacıyla mevcut en iyi çözüme uygulanır. Optimizasyon süreci boyunca, iletişim ve algılama amaç fonksiyonları her bir aday çözümün uygunluk değerini belirlemek için kullanılır ve daha yüksek kaliteli bireyler bir sonraki yineleme için korunur. Optimizasyon, önceden tanımlanmış sonlandırma kriteri sağlanana kadar devam eder. Nihai optimal çözüm, iletişim performansı ile hedef tespiti performansı arasında en iyi dengeyi sağlayan güç tahsisi stratejisini temsil eder.

Yeniden üretilebilirlik ayarları

Tekrarlanabilirliği artırmak için simülasyon parametreleri, başlatma ayarları, kısıtlamalar ve sonlandırma kriterleri ayrıntılı olarak belirtildi. Tüm deneyler, Python 3.10, PyTorch 2.1, NumPy 1.26, CVXPY 1.4 ve MATLAB R2023b kullanılarak Ubuntu 22.04 LTS üzerinde gerçekleştirildi (bkz. Malzemeler Tablosu). Bu çalışmada kullanılan simülasyon parametreleri ve hesaplama ortamı Tablo 1'de özetlenmiştir, OFDM-ISAC simülasyon parametrelerinin ayrıntılı yapılandırması ise Ek Tablo 1'de verilmiştir. Simülasyonlarda −174 dBm/Hz gürültü güç spektral yoğunluğu, 64 alt taşıyıcı, 16 OFDM sembolü, 4 GHz taşıyıcı frekansı, 15 kHz alt taşıyıcı aralığı, sekiz adet gönderim anteni ve en fazla 10.000 yineleme kullanıldı. Güç dağıtım oranı, 0–1 aralığında 0,01 çözünürlükle başlatıldı ve toplam iletim gücü kısıtlamasını karşılamak üzere normalize edildi. İletişim ağırlığı, algılama ağırlığı ve çok katmanlı öncül doğruluk sırasıyla 0,2, 0,3 ve 0,5 olarak ayarlandı. Optimizasyon kısıtlamaları arasında negatif olmayan kullanıcı güç dağılımı, sınırlı toplam iletim gücü, sınırlı bant genişliği ve 10⁻³ mertebesinde bir yanlış alarm olasılığı yer aldı. Optimizasyon işlemi, maksimum yineleme sayısına ulaşıldığında ya da ardışık iki yineleme arasındaki amaç fonksiyonunun göreli değişimi 10⁻⁴'ün altına düştüğünde sonlandırıldı. Tüm rastgele başlatma ve kanal bozulması deneyleri sabit rastgele tohumlar kullanılarak bağımsız olarak 30 kez tekrarlandı.

Parametre	Değer	Açıklama
Taşıyıcı frekansı	4 GHz	OFDM taşıyıcı frekansı.
İletişim kodlama/modülasyon şeması	Düşük Yoğunluklu Parite Kontrolü (LDPC) kanal kodlamalı Dörtlü Faz Kaydırmalı Anahtarlama (QPSK) modülasyonu	İletilen OFDM dalgasının yeniden oluşturulmasında kullanılan iletişim sinyali üretim yöntemi.
İletişim ağırlığı	0,2	İletişim hedefine atanan ağırlık.
Yanlış alarm olasılığı	10⁻³	Algılama optimizasyonu kısıtı olarak kullanılan yanlış alarm olasılığı.
Donanım platformu	Intel Core i7-13700 CPU, NVIDIA RTX 4070 GPU, 32 GB RAM	Simülasyonlar için kullanılan hesaplama platformu.
ISAC simülasyon kıyaslama veri seti	Uygulanamaz. Tüm kıyaslama verileri sayısal simülasyonlar yoluyla oluşturulmuştur.	Performans değerlendirmesi için kullanılan kıyaslama veri seti.
Maksimum yineleme sayısı	10.000	Maksimum optimizasyon yineleme sayısı.
Çok katmanlı öncül doğruluk	0,5	Optimizasyon sırasında kullanılan önceden bilgi parametresi.
Gürültü güç spektral yoğunluğu	−174 dBm/Hz	İletişim kanalı gürültü spektral yoğunluğu.
OFDM sembollerinin sayısı	16	Çerçeve başına düşen OFDM sembollerinin sayısı.
OFDM alt taşıyıcı sayısı	64	OFDM alt taşıyıcı sayısı.
İşletim sistemi	Ubuntu 22.04 LTS	Hesaplama ortamı.
Optimizasyon yazılımı	CVXPY 1.4	Konveks optimizasyon paketi.
Güç tahsisi çözünürlüğü	0,01	Başlangıçta tanımlanan güç tahsis oranlarının çözünürlüğü.
Programlama dili	Python 3.10	Simülasyon uygulaması için kullanılan programlama dili.
Rastgele tohum	Sabit	Tüm simülasyonlar için sabitlenen rastgele tohum değeri.
Tekrarlanan çalıştırma sayısı	30	İstatistiksel analiz için gerçekleştirilen bağımsız simülasyon sayısı.
Bilimsel hesaplama kütüphanesi	NumPy 1.26	Sayısal hesaplamalar için kullanılan sayısal hesaplama kütüphanesi.
Algılama ağırlığı	0,3	Algılama hedefine atanan ağırlık.
Simülasyon platformu	MATLAB R2023b	Sayısal simülasyon ve görselleştirme için kullanılan platform.
Durma kriteri	Maksimum yineleme sayısı veya göreli amaç değişimi < 10⁻⁴	Optimizasyon sonlandırma kriteri.
Alt taşıyıcı aralığı	15 kHz	OFDM alt taşıyıcı aralığı.
Tensör hesaplama kütüphanesi	PyTorch 2.1	Matris ve tensör hesaplamaları için kullanılan tensör hesaplama çerçevesi.
Toplam gönderici anten sayısı	8	Gönderici anten sayısı.

Tablo 1: Ortogonal Frekans Bölüşümlü Çoğullama (OFDM) tabanlı Entegre Sensör ve İletişim (ISAC) simülasyonlarında kullanılan simülasyon parametreleri ve hesaplama ortamı. Bu tablo, çalışma boyunca kullanılan dalga formu parametrelerini, optimizasyon parametrelerini, simülasyon ayarlarını, hesaplama ortamını, yazılımı, veri kümelerini ve diğer simülasyon koşullarını özetlemektedir.

Aksi belirtilmedikçe, “%X artırılmıştır” şeklinde bildirilen yüzde iyileştirmeler, Denklem 13 kullanılarak göreli yüzde kazançlar olarak hesaplanır:

Önerilen ve temel değerlerin karşılaştırılmasına yönelik göreli iyileşme formülü; denklem şeması.

Olasılık veya oran temelli performans ölçümleri için, örneğin PDP gibi, mutlak değişimler açıkça yüzdelik puan (pp) artışları olarak rapor edilir. Örneğin, %46'dan %63'e bir artış, +17 pp olarak rapor edilirken, +37,0% ise %46'yı temel alarak hesaplanan ilgili göreli yüzde artışını ifade eder.

Sonuçlar

Geliştirilmiş Kelebek Optimizasyon Algoritmasının performans testi

OFDM-ISAC PAM'nin etkinliği değerlendirilmeden önce, geliştirilmiş BOA değerlendirilmiştir. Karşılaştırma algoritmaları olarak geleneksel BOA, Balina Optimizasyon Algoritması (WOA) ve Parçacık Sürü Optimizasyonu (PSO) seçilmiştir. Kıyaslama değerlendirmesinde performans metrikleri olarak ortalama değer ve standart sapma kullanılmış; iki tek modlu kıyaslama fonksiyonu ( ve ) ile iki çok modlu kıyaslama fonksiyonu ( ve ) kullanılmıştır. Optimizasyon algoritmaları için kullanılan kıyaslama ayarları aşağıda açıklanmıştır. Problem boyutu olarak sabitlenmiş, maksimum iterasyon sayısı 500 ve popülasyon büyüklüğü 30 olarak belirlenmiştir. Ortalama değer ve standart sapmayı hesaplamak için her algoritma bağımsız olarak 30 kez çalıştırılmıştır. Burada , . karar değişkenini temsil eder ve tüm kıyaslama fonksiyonlarının teorik küresel optimumu sıfırdır. Geliştirilmiş BOA'nın optimizasyon performansını değerlendirmek için dört standart kıyaslama fonksiyonu seçilmiştir. Spesifik olarak ve , optimizasyon algoritmalarının küresel yakınsama kabiliyetini değerlendirmek için yaygın olarak kullanılan Sphere ve Schwefel 2.2 fonksiyonlarına sırasıyla karşılık gelmektedir. Çok modlu kıyaslama fonksiyonları olan ve ise, küresel keşif kabiliyetini ve yerel optimumlardan kaçınma yeteneğini değerlendirmek için yaygın olarak kullanılan Rastrigin ve Ackley fonksiyonlarına sırasıyla karşılık gelmektedir. Bu kıyaslama fonksiyonlarının matematiksel tanımları Denklem 14'te verilmiş ve ilgili kıyaslama referansları sunulmuştur.

Matematiksel optimizasyon denklemleri; f₁(x), f₂(x), mf₁(x), mf₂(x); analizdeki formüller.

Normalize edilmiş ağırlıklandırma stratejisinin farklı iletişim ağırlıklandırma faktörleri altındaki performans dengeleme kabiliyetini değerlendirmek için, 15 dB'lik sabit bir sinyal-gürültü oranı (SNR) ve 4 × 4 verici/alıcı anten konfigürasyonu korunurken, iletişim ağırlıklandırma faktörü 0,2 ile 0,8 arasında değiştirilmiştir. İyileştirilmiş BOA'nın optimizasyon performansı, geleneksel BOA'nınki ile karşılaştırılmıştır. Farklı iletişim ağırlıklandırma faktörleri altında elde edilen iletişim ve algılama performansı Tablo 2'de özetlenmiştir.

İletişim ağırlık faktörü	Haberleşme kanalı kapasitesi (bps/Hz)	Hedef tespit olasılığı (%)	IBOA yakınsama yinelemeleri	BOA yakınsama iterasyonları	Toplam güç kullanımı (%)	Pareto-front mesafesi
0.2	12.4	93.7	110	243	98.6	0.033
0.4	15.7	88.5	103	229	99	0.027
0.5	17.3	82.1	97	216	99.4	0.02
0.6	18.8	75.4	90	202	99.7	0.016
0.7	20	68.6	82	194	99.9	0.011
0.8	21.6	61.5	76	183	100	0.009

Tablo 2: Farklı iletişim ağırlıklandırma faktörleri altında elde edilen iletişim ve algılama performansı. Tablo; iletişim ağırlıklandırma faktörünü, iletişim kanal kapasitesini (bps/Hz), hedef tespit olasılığını (%), Geliştirilmiş Kelebek Optimizasyon Algoritması'nın (IBOA) ve geleneksel Kelebek Optimizasyon Algoritması'nın (BOA) yakınsama iterasyonlarını, toplam güç kullanımını (%) ve Pareto-sınır mesafesini özetlemektedir.

Tablo 2'de gösterildiği gibi, iletişim ağırlıklandırma faktörünün 0.2'den 0.8'e çıkarılması, iletişim kanalı kapasitesini %74.2 artırırken PDP'yi %34.4 azaltmış; bu durum, ağırlıklandırma stratejisinin iletişim ve algılama performansı arasındaki ödünleşmeyi ayarlama yeteneğini kanıtlamıştır. İyileştirilmiş BOA, geleneksel BOA'dan daha hızlı yakınsamış ve ortalama 93 yakınsama iterasyonu ile geleneksel BOA'ya kıyasla yakınsama için gereken ortalama iterasyon sayısında %56.0'lık bir azalma sergilemiştir. Ayrıca, iletişim ağırlıklandırma faktörü arttıkça Pareto-frontier mesafesi azalmıştır. Örneğin, Pareto-frontier mesafesi 0.5 iletişim ağırlıklandırma faktöründe 0.020 iken 0.8'de 0.09'a düşmüştür; bu da iletişim ağırlıklandırma faktörü arttıkça optimize edilmiş çözümlerin karşılık gelen Pareto-optimal çalışma noktalarına yaklaştığını göstermektedir. Daha yüksek bir iletişim ağırlıklandırma faktöründe (örneğin 0.8) daha küçük bir Pareto-frontier mesafesi, iletişim kapasitesine daha fazla önem veren bir çözümü temsil ederken, ω = 0.5 normalleştirilmiş iletişim kapasitesi ile PDP arasında daha dengeli bir ödünleşmeyi temsil eder. Buna göre, ω = 0.5, Pareto-frontier mesafesinin tekil küresel minimumundan ziyade temsili bir dengeli çalışma noktası olarak kabul edilmiştir. Unimodal kıyaslama fonksiyonları altındaki yakınsama performansı Şekil 7'de sunulmuştur.

Optimizasyon algoritmaları karşılaştırma tablosu; IBOA, BOA, WOA ve PSO için uygunluk (fitness) ile iterasyon arasındaki ilişki.
Şekil 7Optimizasyon algoritmalarının tek tepeli (unimodal) kıyaslama fonksiyonları üzerindeki yakınsama performansı. (A) Fonksiyon f₁(B) Fonksiyon f₂Yatay eksen iterasyon sayısını, dikey eksen ise ortalama uygunluk değerini temsil etmektedir. Eğriler; geliştirilmiş Kelebek Optimizasyon Algoritmasını (IBOA), geleneksel Kelebek Optimizasyon Algoritmasını (BOA), Balina Optimizasyon Algoritmasını (WOA) ve Parçacık Sürü Optimizasyonunu (PSO) karşılaştırmaktadır. Lütfen bu şeklin daha büyük bir versiyonunu görüntülemek için buraya tıklayın.

Şekil 7A, f₁ tek modlu fonksiyonu için sonuçları sunarken, Şekil 7B f₂ tek modlu fonksiyonu için sonuçları sunmaktadır. Optimizasyon performansını değerlendirmek için standart sapmadaki azalma ile temsil edilen ortalama uygunluk yakınsaması kullanılmıştır. Geliştirilmiş BOA, geleneksel BOA, WOA ve PSO, özdeş kıyaslama koşulları altında değerlendirilmiştir. 30 bağımsız çalıştırmaya dayalı olarak yapılan tek yönlü varyans analizi ve ardından Holm-Bonferroni düzeltmeli Tukey post hoc testi, geliştirilmiş BOA'nın geleneksel BOA, WOA ve PSO'ya kıyasla anlamlı derecede daha düşük final yakınsama varyansına sahip olduğunu göstermiştir ve Holm-Bonferroni düzeltmesi sonrası istatistiksel olarak anlamlı farklar gözlemlenmiştir (düzeltilmiş p < 0.05). Tek modlu kıyaslama fonksiyonları altında, WOA ve PSO algoritmalarının yakınsama varyansı, BOA tabanlı yöntemlere göre daha yavaş azalmıştır. f₁ fonksiyonu için hem geliştirilmiş BOA hem de geleneksel BOA çok düşük final uygunluk değerleri elde etmiştir; ancak geliştirilmiş BOA bu seviyeye optimizasyon sürecinin daha erken aşamalarında ulaşmıştır. f₂ fonksiyonu için tüm algoritmalar daha yavaş yakınsamış olsa da, geliştirilmiş BOA 500 iterasyon sonunda en düşük final uygunluk değerini elde etmiştir. Çok modlu kıyaslama fonksiyonları için yakınsama sonuçları Şekil 8'de sunulmuştur.

Şekil 8Optimizasyon algoritmalarının çok modlu karşılaştırma fonksiyonları üzerindeki yakınsama performansı. (A) Fonksiyon mf₁. (B) Fonksiyon mf₂Yatay eksen iterasyon sayısını, dikey eksen ise ortalama uygunluk değerini temsil etmektedir. Eğriler; geliştirilmiş Kelebek Optimizasyon Algoritması (IBOA), geleneksel Kelebek Optimizasyon Algoritması (BOA), Balina Optimizasyon Algoritması (WOA) ve Parçacık Sürü Optimizasyonu'nu (PSO) karşılaştırmaktadır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 8A, mf₁ çok modlu fonksiyonu için sonuçları sunarken, Şekil 8B mf₂ çok modlu fonksiyonu için sonuçları sunmaktadır. Çok modlu kıyaslama fonksiyonları altında, geliştirilmiş BOA, karşılaştırma algoritmalarından daha iyi bir yakınsama kararlılığı sürdürmüştür. 30 bağımsız çalışma temel alındığında, Holm-Bonferroni düzeltmesi sonrası geliştirilmiş BOA ile karşılaştırma algoritmaları arasında istatistiksel olarak anlamlı farklar gözlemlenmiştir (düzeltilmiş p < 0.05). Önerilen DSP ve DVGM stratejileri, BOA'nın küresel arama kabiliyetini artırmıştır. Geleneksel BOA, çok modlu kıyaslama fonksiyonları altında, tek modlu kıyaslama fonksiyonlarına kıyasla geliştirilmiş BOA'nın performansına daha yakın bir performans sergileyerek çok modlu optimizasyon problemleri için gelişmiş bir uygunluk göstermiştir. Genel olarak, geliştirilmiş BOA, değerlendirilen kıyaslama fonksiyonlarının tamamında karşılaştırma algoritmalarından daha iyi performans göstermiş ve ardından OFDM-ISAC güç optimizasyon modelini çözmek için uygulanmıştır.

Tüm optimizasyon algoritmaları, her bir kıyaslama fonksiyonu için bağımsız olarak 30 kez çalıştırılmıştır. Nihai yakınsama değerleri ortalama ± standart sapma olarak rapor edilmiştir. Dört optimizasyon algoritmasını karşılaştırmak için tek yönlü varyans analizi kullanılmış, ardından ikili karşılaştırmalar için çoklu testlere yönelik Holm-Bonferroni düzeltmeli Tukey post hoc testi uygulanmıştır. Ayarlanmış p değerleri rapor edilmiş olup, p < 0.05 istatistiksel olarak anlamlı kabul edilmiştir.

Dikgen Frekans Bölmeli Çoklama Tabanlı Entegre Algılama ve Haberleşme Sisteminde Güç Tahsisinin Simülasyon Analizi

Optimizasyon algoritması değerlendirildikten sonra, OFDM-ISAC güç tahsisi stratejisinin etkinliği sayısal simülasyonlar kullanılarak daha detaylı bir şekilde analiz edilmiştir. Simülasyon deneylerinde sistemin verici anteni, haberleşme anteni ve algılama alıcı anten sayısı sırasıyla B, T ve R ile belirtilerek dörd olarak ayarlanmıştır. Farklı anten konfigürasyonları altında haberleşme kanalı kapasitesindeki ve PDP'deki değişimler Şekil 9'da gösterilmektedir. Aksi belirtilmedikçe, bu bölümdeki tüm simülasyonlarda Yöntemler bölümünde açıklanan aynı LoS-dominant OFDM-ISAC kanal modeli kullanılmıştır. Anten konfigürasyonları, yalnızca ölçeklenebilirliği ve karşılaştırmalı performansı değerlendirmek amacıyla değiştirilmiştir. Özellikle, tek giriş tek çıkış (SISO) konfigürasyonu referans kıyaslama noktası olarak, 2-verici 2-alıcı (2T2R) konfigürasyonu alt taşıyıcı hassasiyet doğrulaması için ve 4-verici 4-alıcı (4T4R) konfigürasyonu ise haberleşme-algılama performans değerlendirmesi için temel çoklu anten konfigürasyonu olarak kullanılmıştır.

Kanal kapasitesi ve tespit olasılığı grafikleri; sinyal-gürültü oranı analizi; iletişim çalışması.
Şekil 9Farklı sinyal-gürültü oranları (SNR'ler) altında anten konfigürasyonunun haberleşme ve algılama performansı üzerindeki etkileri. (A) SNR'nin bir fonksiyonu olarak iletişim kanalı kapasitesi (bps/Hz). (B) SNR'nin bir fonksiyonu olarak hedef tespit olasılığı. Eğriler, farklı verici ve alıcı anten yapılandırmaları kullanarak önerilen güç tahsis yöntemini ve eşit güç tahsisini karşılaştırmaktadır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 9A'da gösterildiği gibi, iletişim kanalı kapasitesi anten sayısıyla birlikte artmıştır. Verici ve alıcı anten sayısı ikiden dörde çıktığında, 20 dB SNR değerinde iletişim kanalı kapasitesi yaklaşık 20 bps/Hz'den yaklaşık 60 bps/Hz'e yükselmiş olup, bu durum çoklu anten yapılandırmasının sağladığı uzaysal çoğullama kazancını yansıtmaktadır. Şekil 9B, farklı verici ve alıcı anten yapılandırmaları altında, önerilen optimal PAM kullanılarak elde edilen PDP'nin, eşit güç tahsisi kullanılarak elde edilenden tutarlı bir şekilde daha yüksek olduğunu göstermektedir. SNR 10 dB ve verici anten sayısı dört olduğunda, önerilen yöntemin PDP'si 1 olan teorik optimum değere yaklaşırken, eşit PAM önemli ölçüde daha düşük kalmıştır. Geliştirilmiş BOA, iteratif optimizasyon yoluyla olabilirlik oranı fonksiyonunu maksimize eder, verici antenler arasındaki güç tahsis oranını dinamik olarak ayarlar ve daha güçlü tepkilere sahip antenlere daha fazla iletim gücü tahsis ederken zayıf tepkilere atanan gücü azaltır, böylece hedef tespit performansını artır.

Hem haberleşme hem de algılama verici ve alıcı antenleri 4T4R olarak yapılandırıldığında, OFDM-ISAC sistemi güç optimizasyon modeli değerlendirilmiştir. Farklı haberleşme ağırlıklandırma faktörleri altında elde edilen haberleşme kanalı kapasitesi ve PDP Şekil 10'da sunulmuştur.

Kanal kapasitesi ve tespit olasılığının sinyal-gürültü oranına göre değişimi, çizgi grafik analizi.
Şekil 10Haberleşme ağırlıklandırma faktörünün haberleşme ve algılama performansı üzerindeki etkileri. (A) Sinyal-gürültü oranının (SNR) bir fonksiyonu olarak iletişim kanalı kapasitesi. (B) SNR'nin bir fonksiyonu olarak hedef tespit olasılığı. Eğriler; önerilen yöntemi, eşit güç tahsisini ve 0,3 ile 0,8'lik iletişim ağırlıklandırma faktörlerini karşılaştırmaktadır. Lütfen bu şeklin daha büyük bir versiyonunu görüntülemek için buraya tıklayın.

Şekil 10A, hem haberleşme hem de algılama anten konfigürasyonları 4T4R olduğunda, haberleşme kanalı kapasitesinin farklı PAM'ler altında nasıl değiştiğini göstermektedir. Tüm değerlendirilen PAM'ler için haberleşme kanalı kapasitesi, artan SNR ile birlikte artmıştır. 20 dB'lik bir SNR değerinde kanal kapasiteleri; önerilen yöntem için yaklaşık 13 bps/Hz, eşit güç tahsisi için 40 bps/Hz, 0,3'lük bir haberleşme ağırlık faktöründe 42 bps/Hz ve 0,8'lik bir haberleşme ağırlık faktöründe 38 bps/Hz olarak gerçekleşmiştir. Şekil 10B, tüm değerlendirilen PAM'ler için PDP'nin artan SNR ile arttığını ve 20 dB'lik bir SNR değerinde 1'e yaklaştığını göstermektedir. Bu sonuçlar, haberleşme ağırlık faktörünün, haberleşme kanalı kapasitesi ile algılama performansı arasındaki ödünleşim üzerinde etkili olduğunu kanıtlamaktadır.

Ardından, önerilen yöntemin etkinliğini daha ayrıntılı şekilde değerlendirmek için karşılaştırmalı simülasyonlar gerçekleştirilmiştir. SISO mimarisi altındaki geleneksel OFDM PAM, referans kıyaslama noktası (bundan sonra karşılaştırma yöntemi olarak anılacaktır) olarak seçilmiş ve önerilen OFDM-ISAC-P modeli kullanılarak elde edilen güç tahsis stratejisi ile karşılaştırılmıştır. İletişim ağırlıklandırma faktörü 0.8 olduğunda, farklı anten konfigürasyonları altında SNR'nin bir fonksiyonu olarak elde edilen iletişim kanal kapasitesi ve PDP Şekil 1'de gösterilmiştir.

Karşılaştırmalı analizde, sinyal-gürültü oranına karşı kanal kapasitesi ve tespit olasılığı grafikleri.
Şekil 1Farklı anten konfigürasyonları kullanılarak elde edilen haberleşme ve algılama performansı. (A) Sinyal-gürültü oranının (SNR) bir fonksiyonu olarak iletişim kanalı kapasitesi. (B) SNR'nin bir fonksiyonu olarak hedef tespit olasılığı. Eğriler, bir, iki ve dört verici/alıcı anten konfigürasyonu kullanan önerilen yöntemi karşılaştırma yöntemiyle birlikte karşılaştırmaktadır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 1A, verici anten sayısının dört ve iletişim ağırlıklandırma faktörünün 0,8 olduğu durumda, iletişim kanal kapasitesinin 20 dB SNR'de yaklaşık 67 bps/Hz'e ulaştığını göstermektedir. 2T2R konfigürasyonu altında iletişim kanal kapasitesi yaklaşık 48 bps/Hz iken, SISO konfigürasyonu yaklaşık 37 bps/Hz'e ulaşmıştır. Dolayısıyla, anten sayısının artırılması iletişim kanal kapasitesini artırmıştır. Şekil 1B, 20 dB SNR'de PDP değerinin 4T4R konfigürasyonu altında 1,0'e yakın, 2T2R konfigürasyonu altında yaklaşık 0,98 ve SISO konfigürasyonu altında yaklaşık 0,98 olduğunu göstermektedir. Bu sonuçlar, çoklu anten konfigürasyonlarının SISO referans kıyasına göre iyileştirilmiş iletişim ve algılama performansı sergilediğini kanıtlamaktadır. Şekil 1'deki SISO konfigürasyonu yalnızca referans kıyas olarak eklenmiştir. Önerilen OFDM-ISAC-P modeli çoklu anten sistemleri için formüle edilmiş olup, 2T2R ve 4T4R konfigürasyonları aynı LoS-dominant kanal varsayımı altında anten ölçeklendirmesi yoluyla elde edilen performans kazanımlarını değerlendirmek için kullanılmıştır.

Son olarak, OFDM-ISAC-P modelinin etkinliği, alt taşıyıcı sayısı (64, 128 ve 256) değiştirilerek farklı sistem parametre konfigürasyonları altında değerlendirilmiştir. Toplam bant genişliği 20 MHz olarak sabit tutulurken, alt taşıyıcı aralığı alt taşıyıcı sayısına göre ters orantılı olarak ayarlanmıştır. Anten konfigürasyonu 2T2R olarak belirlenmiş ve LoS kanal modeli benimsenmiştir. Farklı SNR değerleri (0, 10 ve 20 dB) altında elde edilen iletişim kanalı kapasitesi ve PDP, önerilen yöntem ile eşit güç tahsisi arasında karşılaştırılmıştır. İlgili sonuçlar Tablo 3'te özetlenmiştir.

Yöntem	Alt taşıyıcı sayısı	Kanal kapasitesi (bps/Hz)			Tespit olasılığı
Yöntem	Alt taşıyıcı sayısı	SNR = 0 dB	SNR = 10 dB	SNR = 20 dB	SNR = 0 dB	SNR = 10 dB	SNR = 20 dB
Eşit güç tahsisi	64	0.98	2.35	4.71	0.37	0.72	0.89
	128	1.32	3.11	6.28	0.42	0.76	0.92
	256	1.75	4.02	8.15	0.46	0.8	0.94
Önerilen OFDM-ISAC-P stratejisi	64	1.53	3.89	7.62	0.52	0.8	0.98
	128	2.15	5.23	10.15	0.58	0.91	0.9
	256	2.87	6.71	13.28	0.63	0.94	0.9

Tablo 3: Farklı sinyal-gürültü oranları (SNR'ler) ve OFDM alt taşıyıcı sayıları altında eşit güç tahsisi ile önerilen güç tahsisi stratejisinin haberleşme kanalı kapasitesi ve hedef tespit olasılığı açısından karşılaştırılması. Haberleşme kanalı kapasitesi bps/Hz cinsinden, hedef tespit olasılığı ise olasılık (0–1) olarak bildirilmiştir.

Tablo 3'te gösterildiği üzere, alt taşıyıcı sayısının artırılması sistem performansı üzerinde önemli bir etki yaratmıştır. 256 alt taşıyıcılı konfigürasyon altında, önerilen yöntem 20 dB SNR değerinde 13,28 bps/Hz'lik bir iletişim kanalı kapasitesine ulaşmış olup, bu değer 64 alt taşıyıcılı konfigürasyona kıyasla %74,3'lük bir artışı temsil etmektedir; öte yandan PDP benzer kalmış olup, bu durum alt taşıyıcı sayısının artırılmasının algılama performansını önemli ölçüde düşürmeden iletişim performansını iyileştirdiğini göstermektedir. Aynı alt taşıyıcı sayısı altında, önerilen yöntem tutarlı bir şekilde eşit güç tahsisinden daha iyi performans göstermiştir. Örneğin, 128 alt taşıyıcı ve 10 dB SNR değerinde, iletişim kanalı kapasitesi eşit güç tahsisine kıyasla %68,2 oranında ve PDP %19,7 oranında artmış olup, bu durum önerilen güç tahsis stratejisinin farklı sistem parametre konfigürasyonları altındaki etkinliğini kanıtlamaktadır. 64 alt taşıyıcı ile 0 dB'lik düşük SNR koşulunda bile, iletişim kanalı kapasitesi eşit güç tahsisi kullanılarak elde edilenden %56,1 daha yüksek kalmış olup, bu durum önerilen modelin bir dizi spektrum tahsis gereksinimini desteklerken farklı alt taşıyıcı konfigürasyonları altında sistem performansını etkili bir şekilde artırdığını göstermektedir.

Akıllı ulaşım araç-yol iş birliği senaryosunun pratik analizi

Otoyol araç-yol iş birliğinde, Yol Kenarı Birimi (RSU) eş zamanlı olarak iki temel görevi yerine getirir. Birincisi; gerçek zamanlı yol koşulları, geçici hız sınırları ve acil frenleme uyarıları dahil olmak üzere, yüksek hızlarda (10–120 km/h) seyreden araçlara araçtan-her şeye (V2X) veri iletmektir. İkincisi ise radar algılama kullanarak 1–2 km menzil dahilindeki arızalı araçları, yol kalıntılarını ve diğer engelleri tespit etmektir. Bu koşullar altında, yüksek araç hızları haberleşme kanalında önemli Doppler frekans kaymalarına neden olur. Sonuç olarak, mevcut iletim gücü altında haberleşme kanalı kapasitesi ve PDP dengelenmelidir. Simülasyonda, Yöntemler bölümünde açıklanan varsayımlarla uyumlu olarak; 4T4R anten konfigürasyonu, 256 alt taşıyıcı, 20 MHz bant genişliği ve LoS-dominant kanal modeli benimsenmiştir. Bu senaryo, önerilen yöntemin yüksek hızlı araç hareketi altındaki girişim önleme kapasitesini ve uzun menzilli algılama performansını değerlendirmektedir. Haberleşme kanalı kapasitesi ve PDP, 0 dB ve 20 dB SNR değerlerinde değerlendirilmiştir. İlgili sonuçlar Şekil 12'de sunulmuştur.

Eşit güç tahsisi ile araştırma metodolojisini karşılaştıran sütun grafiği; 0dB ve 20dB'deki metrikler.
Şekil 12Farklı sinyal-gürültü oranları (SNR'ler) altında, eşit güç tahsisi ile önerilen yöntemin haberleşme ve algılama performansı arasındaki karşılaştırma. (A) 0 dB'de elde edilen sonuçlar. (B) 20 dB'de elde edilen sonuçlar. Çubuklar, iki güç tahsis yöntemi için iletişim kanalı kapasitesini ve hedef tespit olasılığını temsil etmektedir. Hata çubukları, tekrarlanan bağımsız simülasyonlardan hesaplanan standart sapmayı (SD) temsil etmektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 12A'da gösterildiği üzere, 0 dB'lik düşük-SNR koşulu altında (yağmur veya yoğun sis gibi olumsuz yayılım koşullarını temsil eder), önerilen yöntem 2,90 bps/Hz'lik bir haberleşme kanalı kapasitesine ulaşmış olup, bu durum eşit güç tahsisiyle (1,80 bps/Hz) karşılaştırıldığında %61,1'lik bir artışı temsil etmektedir. PDP, %46'dan %63'e yükselmiş olup, bu durum 17 yüzdelik puanlık bir mutlak iyileşmeye ve %46 payda olarak kullanıldığında %37,0'lık bir göreceli iyileşmeye karşılık gelmektedir. Şekil 12B, 20 dB'lik bir SNR değerinde, önerilen yöntemin 13,30 bps/Hz'lik bir haberleşme kanalı kapasitesine ulaştığını ve bunun eşit güç tahsisine (8,30 bps/Hz) kıyasla %60,2'lik bir artışı temsil ettiğini göstermektedir. PDP, %94'ten %98'e yükselmiş olup, bu durum 4 yüzdelik puanlık bir mutlak iyileşmeye ve %4,3'lük bir göreceli iyileşmeye karşılık gelmektedir. Bu simülasyon sonuçları, değerlendirilen otoyol senaryosu altında iyileştirilmiş haberleşme ve algılama performansını kanıtlamaktadır. Önerilen güç tahsis stratejisi, değerlendirilen çok antenli simülasyon koşulları altında kararlı haberleşme kanalı kapasitesini ve hedef tespit olasılığını korumuş olup, bu durum yöntemin OFDM tabanlı entegre algılama ve haberleşme sistemlerine potansiyel uygulanabilirliğini göstermektedir.

Şekil 12'de gösterilen otoyol senaryosundan farklı olarak, Tablo 4 bir kentsel kavşak araç-yol-insan iş birliği senaryosu için sonuçları sunmaktadır. Bu senaryo; bina engellerini, sık araç duruş ve kalkışlarını, yaya geçitlerini ve elektrikli araçları içeren karma trafiği dikkate almaktadır. Buna bağlı olarak, SNR değerleri 0 ve 20 dB yerine 5, 15 ve 25 dB olarak ayarlanmıştır. İlgili simülasyon sonuçları Tablo 4'te özetlenmiştir.

Sinyal-gürültü oranı (dB)	Yöntem	Kanal kapasitesi (bps/Hz)	Tespit olasılığı (%)	İletişim gecikmesi (ms)
5	Eşit güç tahsisi	1.32	42	3.8
5	Önerilen OFDM-ISAC-P stratejisi	2.15	58	2.5
15	Eşit güç tahsisi	3.1	76	2.5
15	Önerilen OFDM-ISAC-P stratejisi	5.23	91	1.8
25	Eşit güç tahsisi	6.28	92	1.9
25	Önerilen OFDM-ISAC-P stratejisi	10.15	9	1.2

Tablo 4: Farklı sinyal-gürültü oranları (SNR) altında, eşit güç tahsisi ile önerilen güç tahsisi stratejisinin haberleşme ve algılama performanslarının karşılaştırılması. Değerlendirilen performans metrikleri arasında haberleşme kanalı kapasitesi (bps/Hz), hedef tespit olasılığı (%) ve haberleşme gecikmesi (ms) yer almaktadır.

Tablo 4'te gösterildiği gibi, önerilen yöntem, simüle edilmiş kentsel kavşak senaryosu altında iyileştirilmiş haberleşme ve algılama performansı sağlamıştır. 15 dB'lik bir SNR değerinde, haberleşme kanalı kapasitesi 5,23 bps/Hz'e ulaşmış olup bu durum, eşit güç tahsisine (3,1 bps/Hz) kıyasla %68,2'lik bir artışı temsil etmektedir. İlgili haberleşme gecikmesi 1,8 ms olarak gerçekleşmiş olup bu değer, eşit güç tahsisine (2,5 ms) kıyasla %28,0'lik bir azalmayı temsil etmektedir. Hedef tespit olasılığı (PDP) %91'e ulaşmış olup bu, eşit güç tahsisine (%76) kıyasla %19,7'lik bir göreceli iyileşmeyi temsil etmektedir. 25 dB'lik bir SNR değerinde, önerilen yöntem 10,15 bps/Hz'lik bir haberleşme kanalı kapasitesi elde etmiş olup bu, eşit güç tahsisine (6,28 bps/Hz) kıyasla %61,6'lık bir artışı temsil etmektedir. Haberleşme gecikmesi 1,2 ms'ye düşmüş ve PDP %9'a ulaşmıştır. 5 dB'lik daha düşük SNR koşulu altında bile haberleşme kanalı kapasitesi 2,15 bps/Hz olarak kalmış olup bu, eşit güç tahsisine kıyasla %62,9'luk bir artışı temsil ederken, haberleşme gecikmesi 2,5 ms olarak kalmıştır. Bu simülasyon sonuçları, önerilen güç tahsisi stratejisinin değerlendirilen kentsel kavşak senaryosu altında verimli haberleşme-algılama kaynak tahsisi ve iyileştirilmiş hedef tespit performansı sağladığını kanıtlamakta ve araç-yol-yaya iş birlikli algılama sistemlerindeki potansiyel uygulamasını desteklemektedir.

Önerilen yöntemin hesaplama yükünü değerlendirmek için, farklı güç tahsis şemalarının ortalama optimizasyon süreleri aynı simülasyon ortamı altında karşılaştırılmıştır. Eşit güç tahsisi, iteratif optimizasyon gerektirmediği için en düşük hesaplama maliyetini göstermiştir. WA, iletişim odaklı hedef için hızlı optimizasyon sağlamış ancak PDP'yi doğrudan optimize etmemiştir. Geleneksel BOA ise daha fazla iterasyon ve daha uzun optimizasyon süresi gerektirmiştir. Tablo 5'te özetlenen hesaplama yükü karşılaştırmasında, DSP ve DVGM stratejilerinin dahil edilmesi, geliştirilmiş BOA'nın ortalama yakınsama iterasyonlarını 98'e düşürerek, iyileştirilmiş iletişim-algılama performansını korurken optimizasyon süresini azaltmıştır. İlgili sonuçlar Tablo 5'te sunulmuştur.

Güç tahsis şeması	Temel optimizasyon hedefi	Hesaplama karmaşıklığı	Ortalama yakınsama iterasyonları	Ortalama optimizasyon süresi	Gerçek zamanlı uygulanabilirlik
Eşit güç tahsisi	Sistemde herhangi bir kaynak metin bulunmamaktadır. Lütfen çevrilmesini istediğiniz metni sağlayın.	O(N)	Uygulanamaz	0,03 ms	Yüksek, ancak zayıf performans dengesi.
WA	İletişim kapasitesi	O(N log N)	Uygulanamaz	0,18 ms	Yüksek, ancak algılama performansı ortaklaşa optimize edilmemiştir.
Geleneksel BOA	Ortak haberleşme-algılama hedefi	O(PID)	235	12,6 ms	Orta düzeyde.
Geliştirilmiş BOA	Normalize edilmiş ortak haberleşme-algılama hedefi	O(PID)	98	5,4 ms	Yavaş zaman ölçekli veya kare düzeyindeki güç güncellemeleri için uygundur.

Tablo 5: Farklı güç tahsis şemalarının hesaplama özelliklerinin karşılaştırılması. Tablo; eşit güç tahsisi, Su Doldurma Tahsisi (WA), geleneksel Kelebek Optimizasyon Algoritması (BOA) ve Geliştirilmiş Kelebek Optimizasyon Algoritması'nı (IBOA) optimizasyon hedefi, hesaplama karmaşıklığı, ortalama yakınsama yinelemeleri, ortalama optimizasyon süresi ve gerçek zamanlı uygulanabilirlik açısından karşılaştırmaktadır. Burada N, OFDM alt taşıyıcılarının sayısını belirtir. BOA tabanlı yöntemlerin hesaplama karmaşıklığı O(PID) olarak ifade edilmiştir; burada P popülasyon boyutunu, I maksimum yineleme sayısını ve D optimizasyon problemi boyutunu temsil eder.

Tablo 5'te gösterildiği gibi, eşit güç tahsisi ve WA en düşük hesaplama maliyetini sergilemiş ancak yalnızca sınırlı performans hedeflerini optimize etmiştir. Eşit güç tahsisi kanal varyasyonlarını dikkate almamış, WA ise temel olarak PDP'yi ortaklaşa optimize etmeden iletişim kanalı kapasitesini optimize etmiştir. Geliştirilmiş BOA, güç tahsisi vektörünü iteratif olarak optimize ettiği için daha fazla hesaplama çabası gerektirmiştir. Bununla birlikte, geleneksel BOA ile karşılaştırıldığında, ortalama yakınsama iterasyon sayısı 235'ten 98'e, ortalama optimizasyon süresi ise 12,6 ms'den 5,4 ms'ye düşmüştür. Bu sonuçlar, önerilen iyileştirmelerin, optimize edilmiş performans düzeyini korurken BOA'nın hesaplama yükünü azalttığını göstermektedir. Gerçek zamanlı altıncı nesil (6G) iletişim uygulamaları için önerilen yöntem; sembol düzeyindeki anlık adaptasyondan ziyade çerçeve düzeyi, slot-grubu düzeyi veya senaryo düzeyi güç tahsisi için daha uygundur. Sıcak başlatma (warm-start) başlatması veya arama tablosu destekli uygulama, gelecekteki uygulamalarda karar gecikmesini daha da azaltabilir.

Veri Kullanılabilirliği:

Bu çalışmanın bulgularını destekleyen veriler, makaleyle birlikte ek materyaller olarak sunulmuştur. OFDM-ISAC simülasyon parametre yapılandırması Ek Tablo 1'de, Şekil 7–12'nin temelini oluşturan sayısal kaynak verileri ise Ek Veri Dosyası 1'de verilmiştir.

Ek Tablo 1. OFDM tabanlı Entegre Algılama ve İletişim (OFDM-ISAC) simülasyon parametre konfigürasyonu. Bu tablo; dalga formu parametreleri, kanal özellikleri, kullanıcı ve hedef ayarları, anten konfigürasyonu ve sayısal simülasyonlar boyunca kullanılan optimizasyon parametreleri dahil olmak üzere, OFDM-ISAC sistemini konfigüre etmek için kullanılan simülasyon parametrelerini özetlemektedir.Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Veri Dosyası 1. Şekil 7–12'nin temelini oluşturan sayısal kaynak veriler. Çalışma kitabı, Şekil 7 ve 8'deki optimizasyon algoritmaları için yakınsama ve nihai uygunluk değerleri, Şekil 9–12 için iletişim kanalı kapasitesi ve hedef tespit olasılığı verileri ile nihai şekilleri oluşturmak için kullanılan ilgili sinyal-gürültü oranı, anten konfigürasyonu ve iletişim ağırlıklandırma koşullarını içeren, Şekil 7–12'ye karşılık gelen sayısal verileri sağlayan ayrı çalışma sayfaları içermektedir.Lütfen bu dosyayı indirmek için buraya tıklayın.

Tartışma

Önerilen OFDM-ISAC-P modeli, ortak bir iletim gücü kısıtlaması altında iletişim kanalı kapasitesi ve PDP arasındaki denge kurma ihtiyacını ele almaktadır. Mevcut OFDM tabanlı ISAC çalışmaları; ortak alt taşıyıcı ve güç tahsisi, ortak dalga formu tasarımı, dinamik güç tahsisi ve iletişim-algılama ödünleşimlerini incelemiştir¹^,²^,⁷^,⁸^,⁹^,¹⁰^,¹¹^,²⁸^,²⁹^,³⁰. Mevcut çalışmada, boyut farklarının etkisini azaltmak için iletişim ve algılama hedefleri normalize edilmiş ve farklı iletişim-algılama önceliklerini temsil etmek için ayarlanabilir ağırlıklandırma faktörleri kullanılmıştır. Ardından, ortaya çıkan konveks olmayan güç tahsisi problemini çözmek için DSP ve DVGM içeren geliştirilmiş BOA uygulanmıştır. Mevcut değerlendirme, hem DSP hem de DVGM'yi içeren birleştirilmiş geliştirilmiş BOA'yı analiz etmektedir; bu iki mekanizmanın bireysel katkıları bir ablasyon analizi yoluyla ayrı ayrı değerlendirilmemiştir ve gelecekteki çalışmalarda araştırılmalıdır. Simülasyon sonuçları, bu çerçevenin değerlendirilen koşullar altında, eşit güç tahsisine ve iletişim odaklı WA tahsisine kıyasla daha dengeli bir iletişim-algılama çalışma noktası sağladığını göstermektedir.

Bu yaklaşım; haberleşme kapasitesi, PDP, anten ölçeklendirmesi, alt taşıyıcı konfigürasyonu, ağırlıklandırma faktörü seçimi ve hesaplama yükünü değerlendirmek için birleştirilmiş bir simülasyon çerçevesi sunarak OFDM tabanlı ISAC araştırmalarını ileriye taşıyabilir. İlgili araştırmalar, ISAC sistemlerinde adaptif kaynak tahsisinin, dalga formu optimizasyonunun ve güç tahsisinin önemini göstermiştir³^,⁴^,⁵^,⁶^,⁷^,⁸^,⁹^,¹⁰^,¹¹^,²⁸^,²⁹^,³⁰. Mevcut sonuçlar, normalize edilmiş çok amaçlı optimizasyonu gelişmiş popülasyon tabanlı bir çözücü ile birleştirerek bu yönü genişletmektedir. Değerlendirilen ağırlıklandırma faktörleri, haberleşme ağırlığının artırılmasının haberleşme kapasitesini artırırken PDP'yi azalttığı, haberleşme ağırlığının azaltılmasının ise tersi etkiyi yarattığı bir Pareto ödünlemesini yaklaşık olarak tanımlamaktadır. Bu çerçeve, dolayısıyla akıllı ulaşım ve araç ağı senaryoları da dahil olmak üzere farklı sistem öncelikleri altında haberleşme-algılama ödünlemlerini incelemek için metodolojik bir temel sağlamaktadır¹⁶^,¹⁷^,²⁶^,²⁸.

Bazı kısıtlamalar devam etmektedir. İlk olarak, doğrulama tamamen önceden tanımlanmış kanal parametreleri, anten konfigürasyonları, Doppler kaymaları, sinyal-gürültü oranları ve gürültü seviyeleri ile yapılan matematiksel modellemeye ve sayısal simülasyonlara dayanmaktadır. Bu nedenle, bildirilen kazançlar, saha konuşlandırma performansının doğrudan kanıtlarından ziyade simülasyon düzeyindeki iyileştirmeler olarak yorumlanmalıdır. İkinci olarak, LoS baskın kanal varsayımı, değerlendirilen otoyol araç-yol iş birliği senaryosu için uygundur ancak NLoS yayılımının, çok yollu yansımanın, engellemenin ve hızlı kanal değişiminin daha belirgin olduğu yoğun kentsel kavşaklar için idealize edilmiş olabilir¹⁹^,²⁰^,²¹^,²⁶. Bu yayılım etkileri, iletişim kanalı kazancında ve algılama eko gücünde daha güçlü dalgalanmalara neden olarak optimize edilmiş güç tahsisinin stabilitesini azaltabilir. Bu nedenle, gelecek çalışmalar çerçeveyi; çok yollu kümeleri, rastgele engellemeyi, zamanla değişen kanal durum bilgilerini ve kusurlu kanal kestirimini içeren hibrit LoS/NLoS kanallarına genişletmelidir.

Mevcut model ayrıca çok kullanıcılı girişimi, araçlar arası girişimi, birden fazla alıcı arasında ortak zamanlama planlamasını veya birden fazla hedefin eş zamanlı algılanmasını açıkça hesaba katmamaktadır. Pratik altıncı nesil ISAC ağlarında, optimizasyon hedefinin tek bağlantılı iletişim kapasitesi ve tek PDP'den; hakkaniyet, girişim, hüzmeleme ve zamanlama kısıtlarını içeren çok kullanıcılı ve çok hedefli formülasyonlara genişletilmesi gerekebilir¹¹^,²⁰^,²²^,²³^,²⁴^,³⁰. Algılama için, iletim gücünü en iyi alt kanalda yoğunlaştırmak tek bir nokta hedefi tespit etmek için uygun olabilir, ancak gücün hedefe duyarlı alt taşıyıcılara, hüzmelere veya uzamsal yönlere dağıtılması gerekebilecek radar görüntüleme, elektromanyetik özellik algılama veya çoklu hedef takibi durumlarında yetersiz kalabilir²²^,²³^,²⁴^,²⁵. Bu nedenle, alternatif formülasyonlar ağırlıklı tespit olasılığını, minimum PDP'yi, kestirim doğruluğunu veya ortak tespit ve takip performansını optimize edebilir. Konveks yaklaşım, hüzmeleme optimizasyonu, kooperatif ağ yöntemleri ve öğrenme tabanlı kaynak tahsisi, aynı hipotezi araştırmak için diğer olası yaklaşımları temsil etmektedir²^,⁸^,¹¹^,¹⁶^,¹⁷^,²³^,²⁴^,³⁰.

Çalışma; donanım prototipleme, ölçülmüş araç üzeri kanal verileri, saha deneyleri veya gerçek zamanlı gömülü uygulamaları içermemektedir. Geliştirilmiş BOA, geleneksel BOA'ya kıyasla ortalama yakınsama iterasyonlarını ve optimizasyon süresini azaltsa da, eşit güç tahsisi ve WA'dan daha yüksek hesaplama maliyetine sahip olmaya devam etmiştir. Bu nedenle önerilen yöntem, mevcut uygulama altında, sembol düzeyinde anlık ayarlamadan ziyade senaryo düzeyi, çerçeve düzeyi veya yuva grubu düzeyi güç tahsisi için daha uygundur. Gelecek çalışmalar, karar gecikmesini azaltmak için sıcak başlatma (warm-start) başlatması, arama tablosu desteği, paralel hesaplama ve hafif öğrenme tabanlı yaklaşımları değerlendirmelidir. Gözlemlenen simülasyon düzeyi iyileştirmelerin, pratik kanal belirsizliği ve hesaplama kısıtlamaları altında kararlı kalıp kalmadığını belirlemek için donanım döngüde (hardware-in-the-loop) testleri, ölçülmüş LoS/NLoS araç-yol kanalları ve gerçek zamanlı uygulama da gerekecektir. Buna göre, akıllı ulaşım örnekleri, doğrulanmış mühendislik uygulamalarından ziyade simülasyon tabanlı fizibilite analizleri olarak yorumlanmalıdır.

Sonuç olarak, kablosuz iletişim ve radar algılamaya yönelik artan talep, sınırlı spektrum kaynakları ile genişleyen hizmet gereksinimleri arasındaki çatışmayı derinleştirmiş ve bu durum ISAC'ı kaynak kullanımını iyileştirmek için önemli bir yaklaşım haline getirmiştir¹²^,¹³^,¹⁴^,¹⁵^,¹⁹^,²⁶. Bu çalışmada OFDM-ISAC-P modeli oluşturulmuş, WA ve genelleştirilmiş maksimum olabilirlik oran kestirimi aracılığıyla iletişim ve algılama odaklı referans çözümler elde edilmiş ve iki hedef arasındaki boyutsal tutarsızlıkları azaltmak için normalize edilmiş ağırlıklandırma yöntemine yer verilmiştir. Ardından, ortaya çıkan güç tahsis modelini çözmek ve iletişim ile algılama performansını dengelemek için geliştirilmiş BOA kullanılmıştır. Tablo 5'te özetlenen hesaplama yükü karşılaştırmasında, geliştirilmiş BOA'nın ortalama yakınsama iterasyonları, geleneksel BOA'ya kıyasla %58,3 oranında azalmıştır. 20 dB'deki değerlendirilen 4T4R konfigürasyonu altında, OFDM-ISAC-P modeli yaklaşık 60 bps/Hz'lik bir iletişim kanalı kapasitesi ve 1'e yakın bir PDP elde etmiştir. Değerlendirilen LoS baskın çok antenli senaryolarda, önerilen yöntem iletişim kanalı kapasitesini ve hedef tespit olasılığını etkili bir şekilde artırarak iletişim ve algılama performansı arasında dengeli bir ödünleşim sağlamıştır. Bununla birlikte, çalışma LoS baskın simülasyon senaryolarıyla sınırlı kalmış olup; çok kullanıcılı girişimi, NLoS kanal modellemesini veya hızla değişen kanallar altında gerçek zamanlı güç ayarlasını içermemektedir. Gelecekteki araştırmalar; modeli çok kullanıcılı OFDM-ISAC sistemlerine genişletmeli, NLoS ve ölçülmüş kanal modellerini dahil etmeli, çok hedefli algılama yankılarını işlemeli ve dinamik ortamlarda tepki süresini iyileştirmek ve ISAC teknolojisinin daha ileri pratik değerlendirmelerini desteklemek için derin öğrenme ve diğer düşük karmaşıklıklı yöntemleri kullanarak adaptif güç tahsisini incelemelidir¹⁶^,¹⁷^,²¹^,²⁶^,²⁸.

Açıklamalar

Çıkar Çatışması:

Yazarlar herhangi bir çıkar çatışması olmadığını beyan ederler.

Teşekkürler

Yazarlar; Çin'deki Liaoning Eyalet Eğitim Bakanlığı Doğal Bilimler Araştırma Projesi (Hibe No. JYTMS20230009), Çin'deki Dalian Teknoloji Araştırma ve Geliştirme Projesi (Hibe No. 2024JB11GX001) ve Dalian Bilim ve Teknoloji Üniversitesi Disiplinlerarası Ekip Geliştirme Projesi'nin (Hibe No. KYXK2025001) sağladığı finansal destekten dolayı minnettarlıklarını bildirirler.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
Ad	Şirket	Katalog numarası	Yorumlar
CVXPY	CVXPY Developers	Version 1.4	Güç tahsis modelinin doğrulanmasını desteklemek için kullanılan konveks optimizasyon paketi.
Geliştirilmiş BOA optimizasyon programı	Yazarlar	Uygulanamaz	Dinamik anahtarlama olasılığı ve dinamik varyanslı Gauss mutasyonu kullanarak OFDM-ISAC-P güç tahsis modelini çözmek için kullanılan Geliştirilmiş Kelebek Optimizasyon Algoritması'nın (IBOA) özel uygulaması.
ISAC simülasyon kıyaslama veri seti	Yazarlar	Uygulanamaz	Yazarlar tarafından oluşturulan ve önerilen güç tahsis yöntemini farklı sinyal-gürültü oranları, anten konfigürasyonları ve alt taşıyıcı sayıları altında değerlendirmek için kullanılan simülasyon kıyaslama veri seti.
MATLAB	The MathWorks, Inc.	R2023b	Sayısal simülasyon ve sonuçların görselleştirilmesi için kullanılan platform.
NumPy	NumPy Developers	Version 1.26	Dizi işlemleri, rastgele başlatma ve istatistiksel analizler için kullanılan sayısal hesaplama kütüphanesi.
OFDM-ISAC simülasyon programı	Yazarlar	Uygulanamaz	OFDM-ISAC kanal modelini oluşturmak, iletişim kanalı kapasitesini hesaplamak ve hedef tespit olasılığını değerlendirmek için kullanılan özel simülasyon kodu.
PyTorch	PyTorch Foundation	Version 2.1	Sayısal modelleme ve matris işlemleri için kullanılan tensor hesaplama çerçevesi.
Python programlama ortamı	Python Software Foundation	Python 3.10	Algoritma uygulamaları ve sayısal hesaplamalar için kullanılan programlama dili.
Ubuntu işletim sistemi	Canonical Ltd.	Ubuntu 22.04 LTS	OFDM-ISAC güç tahsis simülasyonlarını uygulamak için kullanılan işletim sistemi.

Kaynaklar

Li Y, Wei Z, Feng Z. Joint subcarrier and power allocation for uplink integrated sensing and communication system. IEEE Sens J. 2023;23(24):31072-31081. doi:10.1109/JSEN.2023.3330936.
Cao X, Tang L, Shen F. Robust OFDM shared waveform design and resource allocation for the integrated sensing and communication system. In: 2023 IEEE Wireless Communications and Networking Conference (WCNC). IEEE; 2023:13-24. doi:10.1109/WCNC55385.2023.10118730.
Wen Y, Yang F, Song J. Adaptive resource allocation in ADO-OFDM for optical wireless integrated sensing and communication. In: GLOBECOM 2024 IEEE Global Communications Conference. IEEE; 2024:28-39. doi:10.1109/GLOBECOM52923.2024.10901628.
Sümer AS, Memişoğlu E, Arslan H. A novel pilot allocation technique for uplink OFDMA in ISAC systems. IEEE Wirel Commun Lett. 2025;14(8):2561-2565. doi:10.1109/LWC.2025.3575711.
Hawkins H, Xu C, Yang LL. IM-OFDM ISAC outperforms OFDM ISAC by combining multiple sensing observations. IEEE Open J Veh Technol. 2024;5(1):312-329. doi:10.1109/OJVT.2024.3366772.
Zhu W, Han Y, Wang L. Pilot optimization for OFDM-based ISAC signal in emergency IoT networks. IEEE Internet Things J. 2023;11(18):29600-29614. doi:10.1109/JIOT.2023.3314057.
Wen Y, Yang F, Song J. Power allocation for OFDM-based free space optical integrated sensing and communication. In: ICC 2024 IEEE International Conference on Communications. IEEE; 2024:2408-2413. doi:10.1109/ICC51166.2024.10622583.
Wang X, Han S. Optimization of power allocation for OFDM-based ISAC systems. In: GLOBECOM 2024 IEEE Global Communications Conference. IEEE; 2024:5387-5392. doi:10.1109/GLOBECOM52923.2024.10901655.
Al Khansa A, Madhusudan G, Larue G. Dynamic power allocation in OFDM ISAC for time of arrival estimation. In: 2024 IEEE Conference on Standards for Communications and Networking (CSCN). IEEE; 2024:249-254. doi:10.1109/CSCN63874.2024.10849719.
He X. Power allocation scheme for OFDM-ISAC system. In: 2025 5th International Conference on Sensors and Information Technology. IEEE; 2025:136-140. doi:10.1109/ICSI64877.2025.11009420.
Liao B, Ngo HQ, Matthaiou M. Power allocation for massive MIMO-ISAC systems. IEEE Trans Wirel Commun. 2024;23(10):14232-14248. doi:10.1109/TWC.2024.3410385.
Chen Y, et al. Integrated sensing, communication, and powering: Toward multi-functional 6G wireless networks. IEEE Commun Mag. 2025;63(8):146-153. doi:10.1109/MCOM.006.2400013.
Singh S, Samal U. Integrated sensing and communication in next-generation wireless networks: Insights and trends. Int J Commun Syst. 2025;38(5):70014-70018. doi:10.1002/dac.70014.
Liu J, et al. OFDM-structure based waveform designs for integrated sensing and communication. Sci China Inf Sci. 2025;68(5):150306-150309. doi:10.1007/s11432-024-4373-7.
Ni Y, et al. An integrated sensing and communications system based on affine frequency division multiplexing. IEEE Trans Wirel Commun. 2025;24(5):3763-3779. doi:10.1109/TWC.2025.3532993.
Li C, et al. Improved TD3-based resource allocation optimization for latency-sensitive tasks in ISAC-aided VEC. ACM Trans Sens Netw. 2025;21(6):1-27. doi:10.1145/3767332.
Li C, Long K, Yang M. D3QN-TD3-based user association and resource allocation in ISAC-aided vehicular edge computing. ACM Trans Sens Netw. 2025;21(4):1-31. doi:10.1145/3744711.
Ahmed MF, Rahman A. OFDM-based optical integrated sensing and communication framework using embedded pilot subcarriers. Opt Contin. 2026;5(6):1706-1720. doi:10.1364/OPTCON.595843.
Luo HL, et al. Integrated sensing and communications framework for 6G networks. IEEE Wirel Commun. 2025;32(6):102-109. doi:10.1109/MWC.2025.3599658.
Nabil Y, ElSawy H, Hassanein HS. System-level analysis of dual-mode networked sensing: ISAC integration and coordination gains. IEEE Trans Wirel Commun. 2025;25(4):7970-7987. doi:10.1109/TWC.2025.3634682.
Feng XX, Wu W, Ling M, Zheng H. Off-grid parameter estimation for OFDM-based ISAC systems with incomplete data and demodulation errors. China Commun. 2026;23(3):199-216. doi:10.23919/JCC.fa.2025-0172.202603.
Jiang YH, Gao F, Shi J, Tie JC. Electromagnetic property sensing in ISAC with multiple base stations: Algorithm, pilot design, and performance analysis. IEEE Trans Wirel Commun. 2025;24(4):3400-3416. doi:10.1109/TWC.2025.3530946.
Zhang Y, et al. Backscatter device-aided integrated sensing and communication: A Pareto optimization framework. IEEE Trans Wirel Commun. 2026;25(2):17958-17974. doi:10.1109/TWC.2026.3698666.
Zhang X, Huang B, Alouini MS. Design of 3-D beamforming and deployment strategies for ISAC-based HAPS systems. IEEE Trans Wirel Commun. 2026;25(2):13228-13242. doi:10.1109/TWC.2026.3670213.
Uluocak S, Kartal M. A low-complexity target Swerling type estimation method for next-generation OFDM-based ISAC systems. IEEE Access. 2025;13(5):192542-192554. doi:10.1109/ACCESS.2025.3630105.
Du Z, et al. Toward ISAC-empowered vehicular networks: Framework, advances, and opportunities. IEEE Wirel Commun. 2025;32(2):222-229. doi:10.1109/MWC.002.2300496.
Hasanvand M, Nooshyar M, Moharamkhani E, Selyari A. Machine learning methodology for identifying vehicles using image processing. AIA. 2023;1(3):170-178. doi:10.47852/bonviewAIA3202833.
Yang H, Wang L, Feng Z. Dynamic power allocation for integrated sensing and communication-enabled vehicular networks. IEEE Trans Wirel Commun. 2024;23(9):12313-12330. doi:10.1109/TWC.2024.3391354.
Wen Y, Yang F, Song J. Free space optical integrated sensing and communication based on DCO-OFDM: Performance metrics and resource allocation. IEEE Internet Things J. 2024;12(2):2158-2173. doi:10.1109/JIOT.2024.3469279.
Liu M, Yang M, Li H. Performance analysis and power allocation for cooperative ISAC networks. IEEE Internet Things J. 2022;10(7):6336-6351. doi:10.1109/JIOT.2022.3225281.

Yeniden basım ve izinler

Etiketler

OFDM Sistemleri ok Ama l Optimizasyon Kelebek Optimizasyon Algoritmas Dinamik Ge i Olas l Kanal Kapasitesi Kaynak Tahsisi