Reto ABET · SO7 · 2026-II

ISAC: El futuro de las
redes inteligentes

Cuando las comunicaciones aprenden a ver — El paradigma 6G que fusiona radar y datos

Reto ABET Comunicaciones II (27145)  |  Grupo 3
Universidad Industrial de Santander  |  2026-II
Profesor: Ronald Zamora Musa

"La presente Divulgación Pública de la Ciencia, a través del siguiente Desarrollo Web, tiene una ruta de circulación nacional sin enfoque diferencial y está dirigido a la comunidad o público objetivo conformado por jóvenes, adultos, empresarios y/o empresa en género literario informativo de tipo Blog, con componente digital a través de soporte web".
Explorar el proyecto
205Términos analizados
6GTecnología objetivo
5Integrantes
SO7Criterio ABET
Divulgación

¿Qué es Sensing & Communications (ISAC)?

Una introducción accesible al paradigma que redefine las telecomunicaciones modernas

Imagina una red celular que no solo transmite datos, sino que también "ve" su entorno: detecta vehículos, mide distancias, identifica obstáculos y adapta su comportamiento en tiempo real. Eso es Integrated Sensing and Communications (ISAC), un paradigma donde las antenas de tu celular funcionan simultáneamente como radar y como enlace de datos.

En lugar de tener sistemas separados —un radar para detectar objetos y una red 5G para comunicación— ISAC fusiona ambas funciones en la misma infraestructura, compartiendo el espectro radioeléctrico y los mismos dispositivos. Esta convergencia no solo ahorra costos, sino que abre la puerta a aplicaciones revolucionarias: desde vehículos autónomos V2X que se comunican y perciben el tráfico al mismo tiempo, hasta ciudades inteligentes capaces de monitorear la salud estructural de puentes.

ISAC es considerado uno de los pilares de las redes 6G, la próxima generación de comunicaciones móviles, actualmente en fase de investigación y estandarización por 3GPP e IEEE.

"ISAC represents a paradigm shift where sensing and communication are no longer competing but mutually beneficial functions sharing the same spectrum and hardware." — Liu et al., IEEE JSAC 2022 [1]
Aplicaciones principales
Vehículos autónomos
V2X, detección de obstáculos
Ciudades inteligentes
Monitoreo ambiental y estructural
Industria 4.0/5.0
Control industrial, robótica
Salud y rescate
Localización de alta precisión
Seguridad y vigilancia
Radar integrado en red celular

Redes tradicionales vs. ISAC

Redes tradicionales (5G) ISAC (6G)
Comunicación únicamente Comunicación + Sensado simultáneo
Radar y celular como sistemas separados Mismo hardware para ambas funciones
Uso espectral fragmentado y poco eficiente Espectro compartido eficientemente
Aplicaciones de comunicación estándar V2X, ciudades inteligentes, salud, industria
CAPEX y OPEX doble (dos infraestructuras) Reducción de costos por infraestructura unificada
Sin localización nativa de alta precisión Localización sub-centimétrica integrada

Conceptos técnicos clave

Forma de onda dual

Una sola señal OFDM transmite datos y realiza sensado simultáneamente, compartiendo recursos de tiempo y frecuencia.

Massive MIMO

Massive MIMO permite utilizar beamforming tanto para enfocar la señal de comunicación hacia usuarios como para iluminar blancos de sensado.

Tradeoff C-S

Existe una tensión fundamental entre maximizar la tasa de comunicación (bits/s/Hz) y la precisión de sensado. El diseño ISAC busca el punto óptimo en esta frontera de Pareto.

Investigación

Metodología del análisis bibliométrico

Proceso sistemático de búsqueda, recuperación y depuración de literatura científica sobre ISAC

La cadena de búsqueda fue ejecutada en Scopus sin filtros restrictivos, con el objetivo de capturar la totalidad de la evolución histórica del campo ISAC sin sesgos iniciales:

Cadena de búsqueda (Scopus):
("integrated sensing and communications"
OR ISAC
OR "joint sensing and communications")

Estrategia: Sin filtros de año, tipo de documento ni área temática.
Justificación: Evitar sesgos de selección y garantizar una visión
panorámica antes de la depuración bibliométrica.

Exportación: Archivo CSV con metadatos completos → VOSviewer
7.527
Documentos recuperados en Scopus
4
Clústeres identificados en VOSviewer
~500
Términos umbral final VOSviewer

VOSviewer es una herramienta desarrollada por la Universidad de Leiden (Países Bajos) para construir y visualizar redes bibliométricas. En este proyecto se analizó la co-ocurrencia de palabras clave (Author keywords) de los 7.527 documentos exportados de Scopus, identificando:

  • 4 Clústeres temáticos diferenciados por color dentro del campo ISAC
  • Nodos centrales (ej. isac system, optimization problem, ris, noma) con mayor fuerza de asociación total
  • 200 análisis de co-ocurrencia según el Teorema ZamoraCluster (5 palabras × 10 enlaces × 4 clústeres)
  • Tendencias: RIS y UAV emergen como hardware habilitador prioritario en 6G

Proceso de depuración — tres etapas:

  1. Estado inicial — Alta densidad terminológica: variaciones ortográficas, acrónimos redundantes y términos genéricos
  2. Semiautomático — Fusión de variantes (ej. Reconfigurable Intelligent Surfaces → RIS)
  3. Manual — Eliminación de 205 términos irrelevantes al análisis ISAC (ver tabla abajo)

Umbral de co-ocurrencia: Se ajustó iterativamente hasta obtener ≈500 términos, garantizando significancia estadística conforme al numeral 3.2.6 del documento del Reto.

Mapa VOSviewer de co-ocurrencia ISAC con 4 clústeres

Mapa de co-ocurrencia de palabras clave exportado desde VOSviewer · 4 clústeres identificados

Términos eliminados del mapa VOSviewer por ser genéricos, ruidosos, redundantes o irrelevantes al dominio ISAC. Usa la búsqueda y filtros para explorar la lista.

# Término eliminado Criterio de eliminación
Bibliometría

Mapa general de clústeres

Red de co-ocurrencia de palabras clave — 7.527 documentos Scopus analizados con VOSviewer

Mapa bibliométrico VOSviewer ISAC — 4 clústeres

Figura: Mapa de co-ocurrencia de palabras clave exportado desde VOSviewer. Los colores representan los 4 clústeres temáticos identificados.

4 clústeres identificados
Clúster 1 — Rojo

Optimization Problem · Algoritmos matemáticos, SINR, SDR, SCA — enfoques para equilibrar radar y comunicación.

Clúster 2 — Verde

ISAC System · Núcleo tecnológico: OFDM, OTFS, waveform design — capa física del paradigma ISAC.

Clúster 3 — Azul

Reconfigurable Intelligent Surface · Hardware habilitador: RIS, UAV, asignación de recursos.

Clúster 4 — Amarillo

NOMA · Técnicas de acceso: full duplex, SIC, probabilidad de detección, eficiencia espectral.

Se realizaron 20 análisis individuales (5 palabras × 10 co-ocurrencias × 4 clústeres = 200 enlaces evaluados) siguiendo el Teorema ZamoraCluster.
⬤ Clúster 1 · Rojo

Clúster 1: Optimization Problem

Enfoques matemáticos, métricas de desempeño y algoritmos de asignación de recursos

Análisis topológico

El Clúster Rojo ocupa una extensa zona del mapa, caracterizándose por una altísima densidad de nodos muy interconectados. Concentra los enfoques matemáticos y métricas de desempeño (como optimization problem, noise ratio y sinr). Sus múltiples y tensos enlaces hacia el clúster azul reafirman que la optimización convexa y la relajación matemática están indisolublemente ligadas a las limitaciones físicas del canal.

Palabras seleccionadas: Las 5 con mayor Total Link Strength dentro del clúster — los pilares que articulan la mayor cantidad de conocimiento en la capa de optimización de ISAC.

optimization problem
Núcleo metodológico de la red

Su relación dominante con isac system (296) demuestra que la formulación de problemas de optimización es el paso indispensable para el diseño de sistemas integrados. Actúa como puente entre parámetros físicos y soluciones algorítmicas, conectando con hardware tipo RIS (135) y métricas como noise ratio (152).

Palabra asociadaFuerza
isac system296
noise ratio152
reconfigurable intelligent surface135
successive convex approximation121
ris108
sinr101
sdr95
sca95
uav94
optimization algorithm87
noise ratio
Principal métrica de degradación

Representa el mayor desafío físico a mitigar. Su conexión con sinr (304) y snr (251) es predecible, pero su fuerte enlace con isac system (289) subraya que la gestión del ruido es el reto central para la coexistencia radar-comunicaciones.

Palabra asociadaFuerza
sinr304
isac system289
snr251
optimization problem152
reconfigurable intelligent surface136
ris122
sensing signal120
sdr101
successive convex approximation80
semidefinite relaxation72
successive convex approximation
Algoritmo de resolución predilecto

Vital para resolver problemas no convexos por naturaleza. Su enlace con isac system (145) y optimization problem (121) demuestra que es la herramienta predilecta para aproximar soluciones viables en escenarios complejos donde el ruido y la interferencia impiden soluciones directas.

Palabra asociadaFuerza
sca241
isac system145
optimization problem121
reconfigurable intelligent surface85
noise ratio80
semidefinite relaxation77
sdr76
non convex problem73
uav71
ris67
sinr
Función objetivo principal en ISAC

La métrica SINR se erige como la función objetivo principal en la optimización de redes ISAC (163). Para maximizarla se requiere hardware avanzado (RIS, 77) y algoritmos de relajación matemática (SDR, 83), integrando todas las dimensiones del clúster rojo.

Palabra asociadaFuerza
noise ratio304
isac system163
optimization problem101
sdr83
reconfigurable intelligent surface77
ris68
sensing signal65
successive convex approximation56
semidefinite relaxation56
sca48
sdr (Semidefinite Relaxation)
Mecanismo algorítmico para problemas intratables

La técnica SDR transforma problemas intratables en modelos computacionalmente viables. Su conexión con crb (56) indica su uso para alcanzar límites teóricos de detección; su enlace con isac system (138) reafirma su vigencia en la literatura actual.

Palabra asociadaFuerza
semidefinite relaxation161
isac system138
noise ratio101
optimization problem95
sinr83
⬤ Clúster 2 · Verde

Clúster 2: ISAC System

Núcleo central tecnológico — diseño arquitectónico, formas de onda y capa física del paradigma ISAC

Análisis topológico

El Clúster Verde se posiciona estratégicamente en la región central del mapa, actuando como eje articulador de toda la literatura. El nodo isac system destaca por la densidad y grosor de sus conexiones que irradian hacia los demás grupos cromáticos. Esta disposición confirma que la capa física y el diseño de formas de onda sirven de puente natural entre el hardware avanzado (clúster azul) y los algoritmos de optimización (clúster rojo).

isac system
Núcleo terminológico de la red

Nodo central y altamente multidisciplinario. La relación más fuerte se da con reconfigurable intelligent surfaces (302), indicando que el hardware inteligente es la tendencia prioritaria. Los altos valores de optimization problem (296) y noise ratio (289) demuestran que el reto técnico principal es la optimización matemática.

Palabra asociadaFuerza
reconfigurable intelligent surface302
optimization problem296
noise ratio289
orthogonal frequency division167
ofdm165
uav155
successive convex approximation145
channel state information139
sdr138
snr127
ofdm
Técnica de modulación estándar

La forma de onda predominante. Su enlace con isac system (165) confirma que es el punto de partida indispensable. La conexión con waveform design (67) y papr (40) revela que el esfuerzo investigativo se centra en adaptar OFDM para los requerimientos simultáneos de radar y comunicación.

Palabra asociadaFuerza
orthogonal frequency division316
isac system165
waveform design67
noise ratio49
doppler44
papr40
orthogonal time frequency space39
average power ratio39
ber39
channel estimation35
orthogonal time frequency space (otfs)
Modulación emergente para alta movilidad

OTFS destaca por su resiliencia al efecto Doppler (69). A diferencia de OFDM, es superior en escenarios de alta movilidad (V2X), posicionándose como alternativa para sistemas ISAC dinámicos. Requiere más investigación en estimación de canales (33).

Palabra asociadaFuerza
otf140
otfs132
doppler69
isac system67
parameter estimation45
ofdm39
channel estimation33
doppler shift33
orthogonal frequency division30
bit error rate25
waveform design
Eje de la convergencia radar-comunicaciones

Crítico para la convergencia. La fuerte conexión con ofdm (67) confirma su uso estándar; el enlace con papr (36) señala que la mitigación de picos de potencia es la barrera técnica principal.

Palabra asociadaFuerza
isac system91
ofdm67
orthogonal frequency division62
optimization problem50
average power ratio38
papr36
reconfigurable intelligent surface25
orthogonal time frequency space24
noise ratio24
ris22
⬤ Clúster 3 · Azul

Clúster 3: Reconfigurable Intelligent Surface

Sustrato físico habilitador — RIS, UAV, asignación de recursos para redes 6G

Análisis topológico

Ubicado en la zona inferior del mapa, el Clúster Azul representa el sustrato físico de la red. Se evidencia el predominio de los nodos reconfigurable intelligent surface y ris. Las aristas más gruesas se dirigen bidireccionalmente hacia los clústeres verde y rojo, demostrando que el hardware de vanguardia es inútil sin formas de onda conjuntas ni algoritmos matemáticos que configuren sus cambios de fase.

reconfigurable intelligent surface
Hardware habilitador clave para 6G

Excluyendo sus variaciones acrónimas (ris 502, riss 94), su conexión más robusta es con isac system (302). Las fuertes asociaciones con noise ratio (136) y phase shift (117) demuestran que el núcleo investigativo se centra en el cálculo de cambios de fase para mitigar interferencias.

Palabra asociadaFuerza
ris502
isac system302
noise ratio136
optimization problem135
phase shift117
riss94
successive convex approximation85
sinr77
semidefinite relaxation63
channel state information63
ris
Acrónimo estándar de hardware 6G

Ancla física masiva en la red. Sus fuertes conexiones inter-clúster hacia optimization problem (108) y noise ratio (122) reafirman que la viabilidad del hardware RIS depende de la capacidad de resolver matemáticamente las interferencias.

Palabra asociadaFuerza
reconfigurable intelligent surface513
isac system268
noise ratio122
phase shift111
optimization problem108
riss70
successive convex approximation67
snr60
sdr52
channel state information50
uav / unmanned aerial vehicle
Hardware móvil para redes no terrestres

Introduce la movilidad 3D en ISAC. Actúan como nodos voladores que facilitan tanto el sensado de objetivos como la retransmisión de comunicaciones. El desafío principal radica en planificar trayectorias de vuelo junto con la transmisión de señales.

Palabra asociadaFuerza
unmanned aerial vehicle415
uavs160
isac system155
optimization problem94
uav trajectory91
resource allocation75
successive convex approximation71
noise ratio53
deep reinforcement learning53
transmit power52
resource allocation
Puente entre hardware físico y algoritmos

En sistemas ISAC, el ancho de banda, potencia y tiempo son recursos estrictamente limitados. Distribuirlos equitativamente entre funciones de radar y telecomunicaciones es una de las tareas más críticas. Una asignación ineficiente crea cuellos de botella que ni el mejor hardware puede solventar.

Palabra asociadaFuerza
isac system85
optimization problem70
unmanned aerial vehicle59
power allocation41
uavs37
qos31
ris30
drl30
successive convex approximation29
energy consumption29
⬤ Clúster 4 · Amarillo

Clúster 4: NOMA

Técnicas de acceso y protocolos de transmisión — acceso múltiple no ortogonal y eficiencia espectral

Análisis topológico

El Clúster Amarillo se agrupa en el extremo del mapa. Esta disposición sugiere que las técnicas de acceso múltiple y la cancelación de interferencias conforman un nicho de investigación especializado e interconectado. Aunque topológicamente periférico, mantiene una gruesa línea de conexión directa con el núcleo verde a través de isac system, subrayando que son extensiones necesarias para garantizar la eficiencia espectral.

noma / non orthogonal multiple access
Paradigma de acceso no ortogonal

Pilar del acceso múltiple moderno en ISAC. Su conexión con isac system (71) confirma investigación activa como esquema de acceso para la próxima generación. La relación con power allocation (28) y ris (37) sugiere que NOMA depende críticamente de la distribución de potencia y del hardware reflectante.

Palabra asociadaFuerza
non orthogonal multiple access150
isac system82
reconfigurable intelligent surface58
optimization problem55
ris51
successive convex approximation47
power allocation36
sic35
noise ratio33
uav27
full duplex
Límite superior de la eficiencia operativa

Permite transmitir y recibir simultáneamente. Su enlace con isac system (59) es natural, ya que ISAC busca precisamente esa simultaneidad. La relación con optimization problem (28) y noise ratio (18) revela el gran obstáculo: la auto-interferencia que debe optimizarse matemáticamente.

Palabra asociadaFuerza
isac system59
optimization problem28
uplink26
reconfigurable intelligent surface19
noise ratio18
sinr16
sic15
sca13
uav13
ris13
sic (Successive Interference Cancellation)
Decodificador del clúster

Algoritmo que permite separar las señales encimadas en NOMA. Sin SIC, el acceso no ortogonal no sería viable. Su relación con bit error rate (10) muestra que el objetivo final es mantener comunicación confiable en alta densidad espectral.

Palabra asociadaFuerza
noma35
isac system32
non orthogonal multiple access27
full duplex15
noise ratio15
optimization problem13
sdr13
sca12
successive convex approximation12
bit error rate10
detection probability
Métrica reina del sensado

Indica la capacidad de detectar objetos con ISAC. Su conexión con noise ratio (29) indica que esta capacidad está limitada por el ruido del sistema. El vínculo con ofdm (15) sugiere que los investigadores evalúan qué tan bien las señales de comunicación estándar pueden servir para detectar objetivos.

Palabra asociadaFuerza
isac system55
noise ratio29
optimization problem23
sinr17
orthogonal frequency division17
transmit power16
sdr15
ris15
ofdm15
reconfigurable intelligent surface14
Transferencia de conocimiento

Mini-caso técnico aplicado

Evidencia ID3 del SO7 — aplicación práctica de los conceptos aprendidos

7.1 Objetivo y método

Analizar el compromiso entre probabilidad de detección radar (Pd) y tasa de datos (Rb) en un sistema ISAC basado en OFDM, variando la distribución de potencia total entre ambas funciones mediante el factor α ∈ [0, 1].

Herramienta: Python 3.11 con NumPy/SciPy. Canal: AWGN como caso base, que permite aislar el efecto de α sin variabilidad del canal. Criterio de detección: Neyman-Pearson con Pfa = 10−4.

Hipótesis: Al aumentar α más potencia va al radar → Pd mejora pero Rb cae. El punto α = 0.5 corresponde a la frontera de Pareto entre ambas funciones — el mejor balance posible.
7.2 Parámetros del sistema
ParámetroValor
Frecuencia portadora fc5.8 GHz (banda ISM/V2X)
Ancho de banda B20 MHz
Subportadoras OFDM N64
Potencia total Ptotal30 dBm
Factor α → radar/comm.α·Ptotal radar; (1−α)·Ptotal comm.
Distancia objetivo dr50 m
Distancia enlace dc200 m
Figura de ruido F7 dB
Temperatura T0290 K
Criterio Pfa10−4 (Neyman-Pearson)
Sección transversal σ1 m² (supuesto)
Pd vs. α — Detección radar
Python / NumPy

El punto naranja (α = 0.5) marca el balance óptimo con Pd = 0.85.

Rb vs. α — Tasa datos comm.
OFDM / AWGN

A medida que α sube, Rb decrece. El punto naranja (α = 0.5) da Rb = 35.8 Mbps.

7.3 Tabla de resultados — Métricas ISAC vs. α
α (fracción radar) SNR radar (dB) Pd SNR comm. (dB) Rb (Mbps)
0.103.20.4116.862.4
0.206.20.5813.854.1
0.308.00.7011.547.3
0.409.20.799.841.2
0.50 ★10.20.858.835.8
0.6011.00.897.830.1
0.7011.70.926.824.9
0.8012.20.945.819.3
0.9012.70.964.813.4

★ Punto recomendado: Pd = 0.85, Rb = 35.8 Mbps — balance óptimo para escenario vehicular urbano.

7.4 Discusión técnica

Para escenario urbano con peatones críticos: operar con α ∈ [0.5, 0.6] da Pd ≥ 0.85 y Rb > 30 Mbps — suficiente para V2X estándar.

En autopista (objetivo a >150 m) conviene subir α a 0.7–0.8, sacrificando algo de tasa. Esto confirma que α debe ser dinámico según el entorno, exactamente lo que proponen los artículos del Clúster 1 (optimización convexa adaptativa).

7.5 Limitaciones
  • Canal AWGN no representa entorno urbano (Rayleigh introduce más varianza).
  • Solo 1 usuario y 1 objetivo (interferencias cruzadas ignoradas).
  • No se modelan imperfecciones de hardware (saturación de amplificador, errores de sincronización).
  • RCS fija σ = 1 m² (en realidad varía con ángulo y frecuencia).

Próximos pasos: canal Rayleigh · beamforming multiusuario (Clúster 2) · RIS para mejorar Pd sin cambiar α (Clúster 3) · NOMA en lugar de acceso ortogonal (Clúster 4).

7.6 Conclusión del minicaso

El ejercicio demostró por qué power allocation es tan central en ISAC: con un solo parámetro α ya se ve el dilema fundamental del sistema. No hay solución perfecta, solo compromisos.

α = 0.5 es el punto óptimo para el escenario evaluado: Pd = 0.85 y Rb = 35.8 Mbps. Las limitaciones del modelo conectan directamente con los Clústeres 2, 3 y 4 — cada uno propone herramientas para superar lo que este minicaso dejó pendiente.

SO7 — Aprendizaje autónomo

Reflexión metacognitiva

Documentación del proceso de aprendizaje autónomo — núcleo del resultado de estudiante SO7

Bitácora de decisiones
Semana 1 — Búsqueda Scopus

Selección del Tema 7 (ISAC) y definición de la cadena de búsqueda sin filtros temporales. Resultado: 7.527 documentos exportados en CSV.

Decisión: búsqueda abierta para evitar sesgo de selección inicial.
Semana 2 — Ajuste umbral VOSviewer

Ajuste del umbral de co-ocurrencia hasta obtener ≈500 términos. Depuración manual: 200 términos eliminados por genéricos, redundantes o ruidosos.

Resultado: 4 clústeres temáticos bien definidos.
Semana 3 — Teorema ZamoraCluster

Distribución de 20 análisis entre 4 clústeres (5 × clúster). Total: 200 enlaces de co-ocurrencia evaluados. Cada integrante asignó un clúster.

Fórmula: W = ⌊20/4⌋ = 5 palabras por clúster × 10 enlaces.
Semana 4 — Minicaso Python

Definición del minicaso: compromiso Pd–Rb con OFDM bajo canal AWGN. Simulación con Python/NumPy. Punto óptimo: α = 0.5.

Elegido porque power allocation era el nodo más crítico del Clúster 1.
Síntesis y publicación del blog

Redacción colaborativa del informe en Overleaf y publicación del blog DPC. Integración de todos los análisis por clúster y el minicaso.

Entrega: Grupo 3 — Comunicaciones II 2026-II.
8.1 Estrategias que funcionaron

El equipo dividió el trabajo en tres fases: (1) autoestudio individual con manuales de VOSviewer; (2) exportación sincrónica desde Scopus para estandarizar criterios; (3) reparto de clústeres por integrante. Esto permitió que cada quien llegara a las sesiones con algo concreto que aportar.

El criterio de depuración fue doble: cuantitativo (fuerza de asociación en VOSviewer) y cualitativo (pertinencia técnica en comunicaciones digitales). El debate sobre cada término fue el que más aprendizaje generó.

8.2 Desafíos y sesgos identificados

Sesgo de idioma: la búsqueda en inglés excluyó automáticamente literatura en español/portugués, posiblemente subestimando contribuciones latinoamericanas.

Sesgo de familiaridad: términos conocidos (OFDM, NOMA) se conservaron sin debate, mientras que términos menos familiares fueron cuestionados con más rigor independientemente de su fuerza de asociación. Con 7.527 registros, la depuración tomó más tiempo del esperado.

8.3 Lecciones para la práctica profesional

En ingeniería moderna no es viable esperar a «dominar» un tema antes de trabajar con él. La capacidad de aprender sobre la marcha, validar fuentes rápidamente y tomar decisiones de diseño con información parcial es una competencia directamente entrenada en este reto.

Usar herramientas bibliométricas como VOSviewer antes de diseñar cualquier sistema es un hábito que evita invertir esfuerzo en caminos que la comunidad científica ya descartó. El grupo lo mantendrá en proyectos futuros.

Grupo 3

Equipo de trabajo

Universidad Industrial de Santander — Escuela E3T — Comunicaciones II 2026-II

MG
Mayra Juliana García Barreto

Cód. 2215735

SC
Sergio Andrés Carreño Martínez

Cód. 2205555

RM
Ricardo Mancipe Flórez

Cód. 2225073

MG2
Michelle Garzón Campos

Cód. 2202785

MA
Matías Álvarez López

Cód. 2220426

Docente: Ronald Zamora Musa  |  Facultad de Ingenierías Físico-Mecánicas — E3T  |  Asignatura: Comunicaciones II (27145)

Rigor académico

Referencias y fuentes consultadas

Formato IEEE — Todas las referencias con DOI activo cuando está disponible

[1] F. Liu, Y. Cui, C. Masouros, J. Xu, T. X. Han, Y. C. Eldar y S. Buzzi, "Integrated Sensing and Communications: Toward Dual-Functional Wireless Networks for 6G and Beyond," IEEE J. Sel. Areas Commun., vol. 40, no. 6, pp. 1728–1767, jun. 2022. DOI: 10.1109/JSAC.2022.3156632
[2] J. A. Zhang, Md. L. Rahman, K. Wu, X. Huang, Y. J. Guo, S. Chen y J. Yuan, "Enabling Joint Communication and Radar Sensing in Mobile Networks — A Survey," IEEE Commun. Surveys Tuts., vol. 24, no. 1, pp. 306–345, 1er trim. 2022. DOI: 10.1109/COMST.2021.3122519
[3] K. Wu, J. A. Zhang, X. Huang y Y. J. Guo, "Integrating Sensing and Communications for Dual-Functional System: Waveform Design and SINR Optimization," IEEE Trans. Wireless Commun., vol. 20, no. 11, pp. 7227–7240, nov. 2021. DOI: 10.1109/TWC.2021.3082514
[4] Z.-Q. Luo, W.-K. Ma, A. M.-C. So, Y. Ye y S. Zhang, "Semidefinite Relaxation of Quadratic Optimization Problems," IEEE Signal Process. Mag., vol. 27, no. 3, pp. 20–34, may. 2010. DOI: 10.1109/MSP.2010.936019
[5] C. Sturm y W. Wiesbeck, "Waveform Design and Signal Processing Aspects for Fusion of Wireless Communications and Radar Sensing," Proc. IEEE, vol. 99, no. 7, pp. 1236–1259, jul. 2011. DOI: 10.1109/JPROC.2011.2131110
[6] X. Hu, C. Masouros y F. Liu, "MIMO-OFDM Dual-Functional Radar-Communication Systems: Low-PAPR Waveform Design," IEEE Trans. Commun., vol. 71, no. 2, pp. 1023–1038, feb. 2023. DOI: 10.1109/TCOMM.2022.3225120
[7] L. Gaudio, M. Kobayashi, G. Caire y G. Colavolpe, "On the Effectiveness of OTFS for Joint Radar Parameter Estimation and Communication," IEEE Trans. Wireless Commun., vol. 19, no. 9, pp. 5951–5965, sep. 2020. DOI: 10.1109/TWC.2020.3004673
[8] Z. Xing, R. Wang y X. Yuan, "Joint Active and Passive Beamforming Design for RIS-Enabled Integrated Sensing and Communication," IEEE Trans. Wireless Commun., vol. 22, no. 6, pp. 3919–3933, jun. 2023. DOI: 10.1109/TWC.2022.3227247
[9] K. Meng, Q. Wu, S. Ma, W. Chen y T. Q. S. Quek, "UAV Trajectory and Beamforming Optimization for Integrated Periodic Sensing and Communication," IEEE Wireless Commun. Lett., vol. 11, no. 6, pp. 1211–1215, jun. 2022. DOI: 10.1109/LWC.2022.3161338
[10] X. Mu, Y. Liu, L. Guo, J. Lin y R. Schober, "NOMA for Integrating Sensing and Communications Towards 6G: A Multiple Access Perspective," IEEE Wireless Commun., vol. 30, no. 6, pp. 118–125, dic. 2023. DOI: 10.1109/MWC.016.2200269
[11] C. Ouyang, Y. Liu y H. Yang, "Revealing the Impact of SIC in NOMA-ISAC," IEEE Wireless Commun. Lett., vol. 12, no. 8, pp. 1488–1492, ago. 2023. DOI: 10.1109/LWC.2023.3274591
[12] C. B. Barneto, S. D. Liyanaarachchi, M. Heino, T. Riihonen y M. Valkama, "Full Duplex Radio/Radar Technology: The Enabler for Advanced Joint Communication and Sensing," IEEE Wireless Commun., vol. 28, no. 1, pp. 82–88, feb. 2021. DOI: 10.1109/MWC.001.2000220

[13] 3GPP, "Study on Integrated Sensing and Communication," Technical Report 3GPP TR 22.837 v18.0.0, Release 18, dic. 2022. [Online]. Disponible: 3GPP TR 22.837
[14] 3GPP, "Study on NR Vehicle-to-Everything (V2X) Application Layer Services (Release 16)," Tech. Rep. TR 22.886 V16.2.0, dic. 2019. [Online]. Disponible: 3GPP TR 22.886
[15] ITU-R, "IMT Traffic Estimates for the Years 2020 to 2030," Report ITU-R M.2370-0, Ginebra, Suiza, jul. 2015.

[16] N. J. van Eck y L. Waltman, "Software survey: VOSviewer, a computer program for bibliometric mapping," Scientometrics, vol. 84, no. 2, pp. 523–538, 2010. DOI: 10.1007/s11192-009-0146-3
[17] M. A. Richards, J. A. Scheer y W. A. Holm, Principles of Modern Radar: Basic Principles. Raleigh, NC: SciTech Publishing, 2010. ISBN: 978-1-891121-52-4.
[18] J. G. Proakis y M. Salehi, Digital Communications, 5th ed. Nueva York: McGraw-Hill, 2008. ISBN: 978-0-07-295716-7.
[19] Elsevier, "Scopus — Abstract and citation database," [Online]. Disponible: scopus.com [Consultado: 2026].
19 referencias en formato IEEE — Artículos de revista, estándares 3GPP/ITU-R y libros de texto utilizados en el análisis bibliométrico y el minicaso.
Interacción

Retroalimentación y contacto

Tus comentarios nos ayudan a mejorar este blog y el proyecto. ¡Gracias por participar!

Envíanos un mensaje
¿Qué te pareció este proyecto?

Califica tu experiencia y déjanos un comentario breve.

Comentarios