Raydar: A Ray-Tracing-Driven Framework Enabling Pattern-Based Recognition in ISAC Radar
2026 IEEE International Conference on Pervasive Computing and Communications Workshops and other Affiliated Events (PerCom Workshops), PerRad 2026, pp. 328–333
Abstract
This paper investigates the challenges of long-range ISAC radar sensing under angle-of-arrival (AoA) mismatch and introduces Raydar, a lightweight RT-driven simulation and recognition framework. Raydar reproduces the full ISAC sensing chain through six modular components, enabling realistic waveform and range–Doppler (RD) map generation without base-station hardware. Using RT-generated reflections, we show that vehicle targets exhibit strong geometry-driven RCS variations and that AoA mismatch further suppresses matched-filter (MF) responses, making amplitude-based discrimination unreliable beyond 100 m. Nevertheless, the underlying RD-map spatial patterns remain class-distinct. Exploiting this property, we design a lightweight CNN recognizer operating on CFAR-extracted RD patches. Simulations confirm that pattern-based learning substantially outperforms threshold methods, especially for weak-RCS vehicle targets, underscoring its value for practical ISAC sensing where AoA and RCS distortions are unavoidable.
Integrated Sensing and Communication（ISAC）は、通信波形をセンシングにも共用するBeyond 5G/6Gの中核技術として注目されていますが、実運用を想定した長距離センシングでは、到来角（AoA）のミスマッチと車両形状に依存するRCS変動が認識性能に大きく影響します。実測データの収集は規制やプライバシの制約があり、既存のシンプルな解析モデルではこれらの歪みを忠実に再現できません。
本研究では、レイトレーシング（RT）駆動のシミュレーション・認識フレームワーク Raydar を提案します。Raydar は環境生成・送信波形生成・チャネル構築・受信信号合成・Range-Doppler（RD）マップ形成・ターゲット認識の6モジュールで構成され、基地局ハードウェアを用いずに現実的な波形とRDマップを生成できます。RTを使うことで、幾何形状や材質に依存した反射をそのままシミュレーションに取り込めるのが特徴です。
評価実験では、車両ターゲットのRCSが強い幾何依存性を示し、AoAミスマッチによってマッチドフィルタ応答がさらに減衰することで、100m以上では振幅ベースの判別が不安定になることを示しました。一方で、RDマップ上の空間パターンはクラスごとに保存されており、CFAR抽出パッチに対して軽量CNNを適用する手法が、閾値ベース手法を大きく上回る認識性能を達成しました。