基于6G网络的通信感知一体化
目录
0 引言
图1
1 通信感知一体化的关键挑战与使能技术
1.1 ISAC联合波形与信号设计
图2
1.2 ISAC网络与系统设计
图3
2 通信网络感知高精度环境重构
图4
2.1 非监督聚类算法
2.2 双置信度传播的散射体环境重构
图5
3 试验内容
3.1 环境重构样机及信道测量
图6
图7
3.2 环境及信道重构
图8
图9
4 结束语
摘要
构建智能化的6G系统需要感知技术依赖于环境进行信息采集与数据处理。借助感知技术获取信道重建信息后，则有助于提高通信效率，并且6G有望在系统中实现通信与感知的集成。然而，在实际应用中整合通信与感知面临诸多关键挑战：例如空闲口设计、联合波形优化方案以及硬件失真问题等都需要得到妥善解决。针对无线网络环境下多节点协同感知场景中的环境重建问题，在本研究中我们提出了基于散射群组假设的一种多站多态感知架构，并引入了散射群跟踪方案来重构通信信道的参数及状态参数等关键指标。最后通过对实验数据进行分析验证表明：该方法能够有效提升分米级空间分辨率以及百兆级信道重构精度
关键词： 通信感知一体化; 多节点感知; 感知辅助通信; 6G
0 引言
展望2030年及未来的几十年里,人类社会将迎来智能化转型；数字与物理世界的界限愈发模糊；借助增强现实(VR)、虚拟现实(AR)以及混合现实(MR)等沉浸式媒介应用的蓬勃发展以及窄带物联网(nB-IoT)、行业物联网(IoT)和技术标准化工作的推进,V2X技术正在重塑全球通信格局；在此过程中,'人'的重要性逐渐被'物'所取代；展望6G时代,'智能'将成为核心驱动力；随着可持续发展理念的发展推动下,移动通信技术将继续从5G向6G演进；在应对人类社会发展诸多挑战的同时,6G时代正开启万物感知新纪元；一个全新的万物互联智能时代即将到来[1].
无线感知（涵盖定位、运动检测以及成像等方面）作为一项重要的技术基础与移动系统的同步开发已经持续多年。例如图1所示的典型应用场景中,传统的有源定位设备主要依赖于能够发射电磁波的终端设备,如手机、车辆以及物联网设备等。在6G网络环境下,集成感知与通信（Integrated Sensing and Communication, ISAC）服务不仅具备精确物理环境探测能力,还不仅包括无源物体如建筑物、城市设施（广告牌、桥梁等）以及交通状况（车辆、自行车、人等）等多个层次的目标检测能力。该服务通过接收并解析电磁波信号（受空间环境影响）来推断物理环境组成,并通过虚拟环境中对象与设备探测与重构过程获取周围物理信息,从而构建虚拟数字世界以辅助通信能力研究及提升用户体验[2-4]。
图 1
图1无线感知的典型应用
预期未来6G网络将通过先进感知技术实现智能互联。同时，在获取环境中由感知所得的信息基础上，在提升现有基础之上进一步探索如何帮助提升通信系统的频谱效率以及构建更具弹性和恢复能力的网络架构模式上开展相关研究工作。进一步探索如何发挥通信网络在提升感知业务效能方面的作用，并提出了一种新型多节点、多态融合式的感受器架构方案，并着重探讨了整合通信与感受器协同优化的技术难题及其解决方案。最后部分则深入阐述了所提出的ISAC框架的具体应用场景，并通过实验数据展示了其有效性
1 通信感知一体化的关键挑战与使能技术
基于计算复杂度较低且易于标准化的特点,随机信道建模方法主导了无线通信领域的评估工作[5]。该方法广泛应用于3GPP-SCM、WINNER I/II、COST 2100以及MESTIS等多个项目和标准中[5]。其核心作用在于评估通信性能。然而，在通信感知一体化的背景下,通信业务与感知业务均需考虑信道模型[6]。鉴于感知应用场景的多样性,统计信道模型无法满足不同应用的多样化需求[7]特别是在确定性场景下进行评估时,传统的信道建模方法需要重新思考并进行创新[8]。而在ISAC系统的设计过程中,基带与射频硬件共享被视为研究的重点方向[9]。硬件一体化方案能够有效降低系统间的整体功耗水平以及尺寸大小[10]同时减少信息交换过程中的延迟问题;而从时间频域空间码域等维度综合考虑的角度出发,软件一体化方案则能显著降低系统的资源消耗成本;此外通过实现硬件与软件之间的有机融合,一体化策略不仅有助于提升系统的效率还能够实现感知与通信功能在失真校准与补偿过程中的协同优化效果[11][12][13][14][15][16][17][18][19][20][21][22][23]本文重点探讨其中涉及的关键技术包括ISAC联合波形与信号设计网络与系统设计等内容
1.1 ISAC 联合波形与信号设计
ISAC系统的空口设计应尽量考虑复用导频与序列设计以降低相关成本。其中,通信端的导频设计通常适用于较高信噪比场景。然而,受限于散射体尺寸限制,其反射信号的信噪比通常处于较低水平。为了在信噪比较低的情况下确保感知性能,感知模块需积累相干信号。这使得系统对采样抖动、频率偏移及相位噪声更加敏感;同时,这也对系统的同步性和稳定性提出了更高的要求。在选择ISAC波形、感知算法及损伤补偿方案时,需要权衡这些挑战的影响。
基于感知与通信联合设计的研究主要聚焦于联合波形设计这一领域[6-7]。CP-OFDM已被广泛认可为提升通信性能的有效手段，并已取得显著的研究成果[8-9]。许多研究人员探索将其应用于感知领域,然而该技术面临一个重要挑战即其峰值平均功率比(PAPR)较高这一特性可能限制其在实际应用中的表现[10-11]。特别是在双站感知场景下,同步失配相噪积累等因素可能导致OFDM信号在接收端出现性能下降的情况[12-13]。调频连续波(FMCW)作为一种经典的雷达信号生成方法,虽然在雷达系统中有广泛应用但仍存在无法满足现代高速数据传输需求的问题[14-15]因此部分学者建议对FMCW信号形态进行优化以使其更适合用于满足现代无线传输系统对速率稳定性和抗干扰能力等关键指标的要求[16-17]。基于此提出的通信感知一体化波形设计理念旨在实现两者的协同发展具体可从以下几个方面展开探讨。
PAPR值表示待发送信号幅度变化的程度，在单输入信道中是衡量通信系统性能的重要指标之一。
对于单输入信道系统而言，在固定参数配置下可以通过选择合适的调制编码速率来实现对PAPR值的有效控制；而对于MIMO系统而言，则需要考虑各天线间的协调工作以降低整体系统的PAPR值。
此外，在实际应用中还需要考虑信道估计误差以及信道状态信息反馈误差对MIMO系统性能的影响。
该系统必须有效管理其带外泄漏程度,以防止对其它信道造成干扰并减少能量消耗等负面效应。相关技术研究已就这一问题展开深入探讨,其中基于正交频分多址(OFDM)的技术框架已成为5G网络的重要组成部分之一,特别是其新型变体全频段非均匀采样率NR(F-OFDM)方案具有显著优势。ISAC技术可继承现有通信技术的设计思路。
在6G通信系统中，降低能耗被视为关键的技术指标。在通感一体化的波形设计中，需要综合考虑系统的复杂度与性能之间的平衡。根据不同应用场景的需求，在某些情况下可能会对系统的复杂度赋予更高的权重，在另一些情况下则可能更关注性能。
频率资源的灵活配置对于提升通信效率至关重要。多种应用场景下以及不同国家或机构对无线电频率的分配方式差异较大，这会导致产生不同的可用带宽范围。因此，在系统设计中需要充分考虑这一特性
多元协作一致性也是系统高效运行的重要保障。
而通感一体化波形设计方案必须同时具备支持MIMO技术和多元协作机制的能力。
其中,MIMO技术与多元协作机制结合能够有效提升频谱效率与感知精度。
通信为主的关键需求主要体现在频谱效率和其它指标上。
频谱效率指标
图 2
图2通信感知一体化在频分和时分机制下的频率分布
其他相关指标。其他与应用场景紧密相关的指标包括：例如，在超高可靠低时延通信场景中要求通信波形具有高度可靠性和极低延迟。
感知为主的关键需求主要体现在:
雷达分辨率反映了目标区分能力
然而，在实际雷达系统设计中
此外
感知精度是指在距离、速度与角度等维度上测得的目标状态量值与真实值之间的偏差程度。当系统设定带宽与观测时间等因素固定后，在这些条件下各维度上的感知分辨率也随之确定下来；例如，在特定带宽下，距离上的测量精度将受制于距离分辨率限制而无法突破这一界限。因此，在信噪比有限的情况下提升感知精度的本质就是在信号处理与算法设计上采取有效手段使得测得的目标状态量值能够尽可能接近真实值的最大理论水平。具体而言提升多维目标定位系统的定位精度可采用以下两种主要方法：一种是基于非线性迭代的最大似然估计(MLE)类算法（如MUSIC算法），其突出特点是在保证高定位精度的同时还能较好地抑制噪声干扰；另一种则是采用基于快速傅里叶变换(FFT)或相关分析(2D-correlation)类算法（如2D-FFT），这类算法的优势在于计算效率高且能在较短时间内完成目标状态量值的有效追踪。
1.2 ISAC 网络与系统设计
在通信感知一体化系统框架内,包含单基感知与双基感知两大类基础形态,其中图3展示了这些基本形态的分布情况
图 3
图3通感一体化系统中的两种基本形态
单基感知主要体现在发射机与接收机共用一台设备进行操作，并通过数据静荷的方式实现信号处理过程，在此过程中不消耗任何通信资源。此外，在工作原理上实现了收发器的共享，在避免了传统雷达中可能出现的同步失配等问题的基础上，保证了系统的良好运行效果；这种设计使得其在感知视角范围上具有显著的优势，并且这一范围主要取决于目标物体的材质和放置角度等因素；从回波信号的角度来看，在实际应用中其主要成分是直接反射波，在满足经典的雷达模型假设条件下，在求解过程中病态方程的影响较小从而保证了较高的计算精度水平
双工感知机制基于接收装置与发射装置处于非同位布置状态，并采用特定辅助信号或已知参考信号进行信号捕获。由于收发端源于不同来源，在实际应用中会存在同步失配及信道噪声等非理想因素的影响。这种情况下所建立的定位模型往往表现出较低的计算复杂度及估计精度，并需经过较为繁琐的校正过程才能获得较为准确的结果；自适应接收技术能够覆盖较大的环境角度范围，并且当终端移动时，覆盖范围显著扩大；此外该系统还具备丰富的回波响应成分以及较高的信噪比水平；在复杂的城市环境下尤其表现出明显的缺陷，在这种情况下会出现大量的多径干扰导致求解方程组出现病态现象进而影响定位结果的有效性。
表****1****通感一体化系统两种形态比较
| 需求**/**能力 | 双基感知 | 单基感知 |
|---|---|---|
| 时分系统 | 支持 | 支持 |
| 额外硬件 | 需要 | 不需要 |
| 额外导频开销 | 不需要 | 需要 |
| 大视场覆盖 | 满足 | 不满足 |
新窗口打开**|下载CSV**
移动通信网络也为合作感知提供了显著的机会与优势。各节点借助移动网络实现了信息共享，在这种协作模式下涵盖了多种类型的节点包括基站（Base Station, BS）、用户设备（User Equipment, UE）以及其他相关设备。这种不同形态（如单基站、双基站和多基站）能够共同构成一个完整的感知系统。通过信息融合技术的应用，在提高测量精度的同时扩大了覆盖范围，并显著提升了整体性能。
2 通信网络感知高精度环境重构
通信感知一体化已被公认为是6G发展的重要方向之一。本文重点探讨了如何利用6G通信感知一体化技术实现基于通信架构的高精度感知与环境精确重建，并在此基础上进一步提升通信性能。
研究者们发现，在这一过程中引入了环境信息能够显著改善信道重构效果。
具体而言，在这一过程中：
- 通过天线扫描等方式获取信号反馈；
- 基于这些反馈数据识别出关键反射点；
- 在复杂环境下通过滤波等手段去除噪声干扰；
- 结合先进的聚类算法提取深层特征；
- 最终完成对信道状态的整体重建。
整个系统流程如图5所示。
图 4
图4网络感知数据融合
2.1 非监督聚类算法
常见的分割方式主要包括有监督与无监督两类。在现有研究中,基于深度学习的数据分割方法已逐渐成熟,其中最具有代表性的算法包括PointNet、Graph-PointNet以及Point Cloud Transformer等技术框架。然而,就目前情况来看,电磁感应感知领域的标注数据极为有限;且由于其固有的不可解释性特征导致难以实现精确标注;同时,电磁感应信号固有的稀疏特性使得目标空间特征容易丢失,而这正是现有深度学习算法所必须面对的关键挑战;因此在现有条件下,基于传统有监督算法的数据分割方案并不具备良好的适用性。另一方面,作为一种概率聚类方法,GMM[10]通过对多维高斯分布的概率密度函数进行建模来实现对复杂数据分布形态的有效刻画;其独特的软聚类特性使得每个样本不仅能够被明确分配到一个特定的聚类组中,还可以通过概率值的形式进一步表征该样本对其他潜在聚类组的可能性归属;这种基于概率值的概率置信度机制能够显著提升环境重构的效果;因此GMM算法可被视为一种理想的解决方案用于实现电磁感应信号的空间特征提取与精确分类任务
根据数据特征选择合适的降维方法是实现有效数据降维的重要前提条件,而主成分分析法是一种能够有效地提取数据主要特征并实现降维的技术方法.
px=∑k=1KφkNx→μ→k,δk, Nx→μ→i,∑k)=exp(-12x→-μ→iT∑i-1(x→-μ→i))(2π)K|∑k|
(1)
其中每个变量 φₖ 表示第 k 个高斯分布的概率密度值（也被称为先验概率），并且必须满足两个条件：首先，在所有 K 个分量中 φₖ 都大于零；其次，在所有 K 个分量上的概率之和等于一。为了估计该高斯混合模型的具体参数，在数据存在缺失的情况下通常采用基于期望最大化的算法（Expectation Maximization, EM）来进行计算和推导。
2.2 双置信度传播的散射体环境重构
不同于激光雷达点云，在位置精度方面电磁感知数据受到波束宽度 θ 、距离 d 和与环境平面之间的入射角 α 等因素的影响[11]由此可见，在通信网络中进行多站感知数据融合时需考虑到各参与方感知数据的质量问题
在高斯混合模型中,每个第_i_个点都会被赋予一个量φ_i_k值,用来表示它属于第k类的概率;这种基于数据分布的概率则被视为第一置信度s。此外,由于电磁感知数据的位置精确度受物理传播特性的影响,第二置信度_t_,如公式(2)所示。
t= 11+edθsin(α-θ/2)
(2)
总置信度如公式(3)所示。
b=st
(3)
第 k 个聚类簇组成的散射体的中心定义如下:
ck=∑ibikpik∑ibik
(4)
其中,p ik 表示属于第 k 类的第 i 个点的坐标位置。
该算法基于先前的研究构建。环境中重建初始化的第一步则由高斯混合模型完成，在此之前，在高斯混合模型参数求解完成后，我们初始化了第一层信任度；随后，在初始构建的基础上以及其电磁传播特性，则能够推导出第二层信任度；随后，在综合考虑各层信任度后形成的总信任度过然能够显著提高对感知环境重建质量，并反向修正第二层的信任状态；从图5可以看出，在持续迭代更新变量 t 的过程中，则可以使整体重建质量得到进一步优化；双置信度传播算法循环迭代过程直至满足特定终止条件为止：
︿α︿n+1- ︿α︿n|<ε
(5)
公式(5)中,ε 为预先设置的门限。
图 5
图5双置信度传播算法流程
3 试验内容
3.1 环境重构样机及信道测量
本文采用两个10 GHz基站在户外环境中进行实验研究，在不依赖辅助设备的情况下实现了信号传播特性的动态获取。具体而言，在室内场景中采用自发自收技术利用波束扫描手段进行环境重建，并通过电磁感知数据构建高精度室内地图的方法进行了验证。随后，在不同位置部署了用户设备（UE），并通过对比实际测量值与基于电磁感知数据构建的人工智能室内地图评估了该方法的有效性。此外，在本研究中对基站参数进行了详细配置，并将结果展示于附图中
表****2****基站感知参数配置
| 基站 | 参数 |
|---|---|
| 波形 | OFDM |
| 频率(GHz) | 10~10.5 |
| 带宽(MHz) | 500 |
| 波束宽度(°) | 15 |
| 水平扫描角度范围(°) | 0~355 |
| 水平扫描角度间隔(°) | 5 |
| 俯仰扫描角度范围(°) | -30~30 |
| 俯仰扫描角度间隔(°) | 5 |
| 基站高度(m) | 3 |
新窗口打开**|下载CSV**
基站实物图如图6所示,通过分离设置发射天线和接收天线,以及应用机械扫描机制来感知周围环境的情况
图 6
图6基站实物
通过图7所示的示意图，可以观察到室内外场景及基站（BS）与用户设备（UE）的位置关系。典型的城市街道环境中部署了两个基站，并利用自发自收敛技术实现了网络化的室内环境感知，在此基础上能够显著提升室内场景感知范围和精度。此外，在另一条城市街道上设置了两个用户设备（UE），完成了信道数据采集工作，并以此为基础验证基于环境感知的技术方案的有效性。
图 7
图7感知室外场景及BS、UE摆放位置
3.2 环境及信道重构
在单站及多站环境下进行的环境重构实验结果如图8所示,该算法在实现典型街道场景重建方面表现出了较高的精度
图 8
图8感知数据环境重构结果
由于绿植的实际位置不易准确判定,基于此,环境重构精确度的评估基准是将重构环境下的建筑物U10、U11及U12各楼层外墙的位置及其法线方向与实际环境中对应外墙的位置及其法线方向进行比较,并计算其差异值。根据表3的数据可以看出,该评估指标的具体数值表现形式
表****3****环境重构精确度
| 方法 | 距离误差**(cm)** | 法线方向误差**(°)** |
|---|---|---|
| 高斯混合模型算法(单站) | 20.34 | 4.19 |
| 双置信度传播算法(单站) | 12.12 | 3.23 |
| 双置信度传播算法(多站) | 8.30 | 2.10 |
新窗口打开**|下载CSV**
UE设备的通信信道重构结果显示于图9中；其中使用"×"符号标识测得的信道状态,"三角形"则代表重建的通道模型；所有重建通道均基于一次反射路径。在重建通道参数中所测定的方向角（AoD）及其延迟与实际测得值高度一致。
图 9
图9测量信道与重构信道对比
对此进行了统计分析，并参考了表4中的数据进行对比研究。在该研究中采用以下方法：首先计算并比较了基于BS和UE真实位置所估计出的理想化通信链路与实际测量链路之间的误差；其次分别针对视距（Line of Sight, LOS）和非视距（Non Line of Sight, NLOS）场景下的通信链路特性展开分析讨论；最后从实验结果可以看出，在基于重构环境下的一次反射路径信号传播时间延迟误差能够较好地吻合实际测量结果，并且其相对误差低于视距场景下的误差水平，在某种程度上实现了较为精确的有效通信链路建模
表****4****信道重构误差
| 信道重构 | LOS | NLOS | ||
|---|---|---|---|---|
| 角度误差**(°)** | 时延误差**(ns)** | 角度误差**(°)** | 时延误差**(ns)** | |
| UE1 | 0.13 | 1.19 | 4.16 | 1.63 |
| UE2 | 0.01 | 1.21 | 2.76 | 0.20 |
| 平均值 | 0.07 | 1.2 | 3.46 | 0.92 |
新窗口打开**|下载CSV**
4 结束语
ISAC被视为6G的核心技术趋势之一。本文对ISAC典型案例进行了系统梳理，并全面总结了其在典型应用场景中的应用情况。详细阐述了针对信道评估方法、空口设计、硬件联合设计以及网络与系统等方面的技术难点。深入探讨了基于联合波形与信号设计的关键技术需求，在此基础上进一步分析了网络与系统设计中的通信感知一体化的系统形态。基于以上研究结论，在实践层面将通信感知一体化技术进行了具体应用，在具体实施过程中利用通信设备进行感知并完成环境重构，在环境重构的基础上辅助实现通信功能，在具体应用中验证并证明在毫米波段实现分米级环境感知具有可行性的同时也取得了度级信道重构的结果。