《中移智庫：2023網絡協作通感一體化技術白皮書（32頁）.pdf》由會員分享，可在線閱讀，更多相關《中移智庫：2023網絡協作通感一體化技術白皮書（32頁）.pdf（32頁珍藏版）》請在三個皮匠報告上搜索。

1、網絡協作通感一體化技術網絡協作通感一體化技術白皮書白皮書（20232023 年）年）中國移動通信集團有限公司中國移動通信集團有限公司編制單位編制單位：中移智庫中移智庫、中國移動通信研究院中國移動通信研究院、華為技術有限華為技術有限公司公司、中興通訊股份有限公司中興通訊股份有限公司、中信科移動通信技術股份有中信科移動通信技術股份有限公司限公司、上海諾基亞貝爾上海諾基亞貝爾股份有限公司股份有限公司、維沃移動通信有限維沃移動通信有限公司、公司、OPPOOPPO廣東移動通信有限公司廣東移動通信有限公司中國移動網絡協作通感一體化技術白皮書（2023）前前言言面向 2030 年的 6G 網絡將是通信、感知

2、、計算、AI、安全、大數據一體融合的新一代移動信息網絡，多維能力的一體融合將成為6G 發展的重要趨勢。通信感知一體化作為 6G 關鍵技術之一，將賦能網絡從傳遞信息到感知世界擴展，推動社會走向虛擬與現實相結合的數字孿生世界，實現 6G 美好愿景。在未來，依托規模部署的移動通信網絡構建高性能通感網絡，可實現“一網兩用”，即利用移動通信網絡廣覆蓋、大連接的優勢，在提供通信服務的同時實現全域、低成本高精度的感知，助力 6G 孕育全新應用場景和生態環境。作為“一網兩用”的實現方式之一，通信感知一體化在低空經濟、智慧交通、智能制造等領域有廣泛應用前景，將帶來巨大的經濟效益和社會效益。網絡協作通感一體化是通

3、信感知一體化的重要技術方向，其技術理念是以“網”為根基，通過多節點智能協作，以網強感，構建全域、全天候、高性能通感算智融合網絡，為系統提供多維感知與連接能力，助力萬物智聯，支撐數字孿生、環境重構等新場景與新業務，推動垂直應用升級。本白皮書首先分析了通信感知一體化的驅動力與應用場景，其次給出了通感融合的工作模式，然后分析了網絡協作通感的挑戰與關鍵技術，給出了高低頻網絡協作通感原型驗證測試，最后對網絡協作通感的未來發展趨勢進行了展望。本白皮書版權受法律保護，任何單位和個人轉載、摘編、引用或其它方式使用本白皮書文字或者觀點的，應注明來源。中國移動網絡協作通感一體化技術白皮書（2023）目目錄錄1.驅

4、動力.12.應用場景.33.工作模式.44.技術挑戰.55.關鍵技術.85.1 通感一體化系統模型.85.1.1 資源分配模型.85.1.2 干擾控制模型.95.2 協作節點高精度同步.105.2.1 時間同步.105.2.2 頻率同步.115.2.3 相位噪聲.125.3 多節點協作機制.135.3.1 協作通感多源信息融合.145.3.2 協作通感信號序列設計.155.3.3 協作波束管理.165.4 高精度感知算法.175.4.1 經典感知算法.175.4.2 超分辨感知算法.185.4.3 NLOS 環境下的感知算法.185.5 組網干擾管理.195.5.1 干擾控制條件.205.5.

5、2 干擾特性分析.205.5.3 干擾控制方案.216.原型驗證.226.1 低頻網絡協作通感原型驗證.226.2 高頻網絡協作通感原型驗證.227.總結與展望.23縮略語列表.25參考文獻.27中國移動網絡協作通感一體化技術白皮書（2023）11.驅動力驅動力從 1G 到 5G，傳統移動通信網絡不斷發展，通信能力不斷增強。5G 已經能夠支持三大應用場景增強型移動寬帶（eMBB）、超大規模機器類通信（mMTC）以及低時延高可靠通信（URLLC）。6G 新場景、新業務如元宇宙、沉浸式擴展現實（XR）、全息通信、超能交通、工業物聯網（IIoT）等，驅動傳統通信網絡向新一代移動信息網絡加速轉型。國際

6、電聯（ITU）在 2023 年 6月發布了IMT 面向 2030 及未來發展的框架和總體目標建議書1（以下簡稱建議書），定義了 6G 的六大典型應用場景，分別為沉浸式通信、超大規模連接、極高可靠低時延、感知與通信融合、AI 與通信融合、泛在連接。其中，前三個場景為 5G 三大場景的增強，后三個場景為新場景拓展。為了滿足不同場景下，通信、感知等能力的極致需求，6G 移動信息網絡的性能指標體系將比 5G 更加全面。根據建議書，6G 的指標可以分為兩種，即九大原有指標的量級提升和六大新指標的多維拓展。其中，原有指標包括峰值速率、用戶體驗速率、頻譜效率、區域流量密度、連接數密度、移動性、時延、可靠性、

7、安全隱私彈性；新指標包括覆蓋、感知相關指標、AI 相關指標、可持續性、互操作性、定位精度。這些指標不是對單點技術的要求，而是對網絡端到端的系統要求，并且可以總結為三類，即網絡能力、網絡效率和網絡質量。這三類指標相互制約、相互聯系，尋求三角均衡的最優解是實現 6G 網絡整體最優性能的關鍵。(a)6G 六大典型用例(b)6G 十五大性能指標圖 1 IMT-2030 6G 框架中國移動網絡協作通感一體化技術白皮書（2023）2在 6G 新場景和新指標體系中，通信和感知融合被認為是 6G 移動信息網絡的重要技術特征，是實現信息服務全過程的重要環節。從業務需求來看，新場景、新業務例如低空經濟、智慧交通、

8、智慧工廠等要求網絡提供泛在的高精度感知能力。從技術驅動來看，隨著更高頻段、更大帶寬、超大規模天線技術的發展，通信與感知的可用頻帶重合、天線結構相似、數字信號處理模塊相似，為通感融合提供技術可行性。4G、5G 時代已有感知的初步嘗試，例如面向在網終端的定位功能。面向 6G，通感融合將進一步拓寬感知范圍、業務范疇以及感知精度，實現從面向在網終端到非在網終端，從傳統定位到識別、成像等新業務，從米級感知精度到亞米級感知精度的躍遷。為滿足全時空、全場景通信能力、感知能力的一體服務，通信感知一體化呈現出三大核心特征，即多要素共享、多頻段協同、多節點協作2。（1）多要素共享通信和感知可以共享無線射頻資源、數

9、字處理資源和信號處理過程。通過共享頻譜、天線等射頻資源，通信和感知能力能夠集成于同一套無線設備。通過共享通用 CPU、加速器、GPU，以及未來存算一體芯片等異構計算資源，能夠在一個計算資源池中加載不同軟件，來實現通信服務、感知服務。通過共享空口協議、信號處理等，通感可以互相支持，共同提升性能。（2）多頻段協同為實現全場景的通信和感知服務，6G 將是一個低、中、高多頻段協同的全頻譜系統。低頻段深度覆蓋，滿足 Mbps 級基本通信需要，同時未來可以利用廣域無源物聯技術來實現對有標簽設備的感知；中頻段（Sub-10GHz 頻段）主要用于連續覆蓋、中高速通信（Gbps），以及粗顆粒度（米級）、廣域范圍

10、的信息探測；高頻（毫米波、太赫茲、可見光等頻段）按需開啟，進一步提升通信速率和感知分辨率（亞米級）。將多頻段有機協同起來，可滿足不同的通信和感知需求，支撐個性化業務。（3）多節點協作依托網絡的優勢，采用多節點智能協作即網絡協作通感技術，可以在提升邊緣用戶體驗的同時，實現探測目標的高精度感知。在利用多節點進行感知信號的接收和發送過程中，避免了單節點感知中的自干擾問題，降低對硬件自干擾刪除中國移動網絡協作通感一體化技術白皮書（2023）3能力的要求，節約成本。此外，多節點感知信息可以聯合處理，達到提升感知精度、擴大感知范圍、增強感知連續性的效果，滿足目標捕獲和跟蹤需求。2.應用場景應用場景移動通信

11、從傳統通信功能到感知功能的拓展，是支撐千行百業數字化轉型、實現 6G 新業務蓬勃發展的重要環節。通過“一網兩用”，可充分利用移動通信網絡規模和性能優勢，低成本賦能網絡泛在感知能力，提供更多優質服務以滿足不同場景的需求3-5。如圖 2 所示。在智享生活方面，通感一體化可以服務智能家居（如家居控制、安防監控、行為監測等）、醫療健康（如呼吸及心率監測、太赫茲成像、光譜檢查等）以及文化娛樂（如 XR 等）。在智賦生產方面，通感一體化可以推動智慧工廠、無人機以及車聯網等產業的升級。在智煥社會方面，通感一體化可以助力環境監測（如降雨量/大氣濕度測量、污染氣體檢測、空氣質量監測等）、公共安全（如安檢、電子圍

12、欄等）以及城市管理等。圖 2 網絡協作通感應用場景典型應用場景的特點如下：（1）低空經濟：低空經濟前景廣闊、快速發展，無人機已逐步進入大眾生活，可以被應用于物流配送、農業灌溉、應急救災等。低空飛行亟需泛在的高精度感知能力破解安全監管難題。目前，深圳已經開放部分空域用于無人機飛行，提供快遞外賣等服務。無人機市場需求大，但產業鏈和政策法規仍處于持續完善階段，利用網絡協作通感一體化系統可以對未經允許飛入空域的無人機進行檢測中國移動網絡協作通感一體化技術白皮書（2023）4或對無人機的飛行路徑進行管制，助力無人機低空經濟的規模發展。（2）智慧交通：通感一體化在車聯網、自動駕駛、車流量監測等多方面發揮著

13、重要作用。對于自動駕駛而言，由于其他車輛遮擋導致車載雷達存在盲區，通過協作通感節點獲得“上帝視角”，為車輛提供更大的感知范圍。交通路口的車流量同樣可以通過網絡中的節點進行感知監測，并對路口的交通指揮進行實時自適應動態調整。同時，利用感知信息，車聯網系統可以更快速便捷地對車輛進行調度。在該場景下，通感一體化系統需要具備較強的目標分辨能力，即較高的角度、距離、速度分辨率。（3）智慧工廠：在新型智慧工廠中，引入通感系統可以有效地獲取非在網物品或設備的狀態信息，實現全流程自動化生產操作。例如，通感系統可以識別出生產中存在缺陷的次品，并向聯網的機器人發出行進與操作指示進行次品篩除，免去人工參與，提高生產

14、操作效率。在該場景下，通感系統需要具備亞米級的定位能力，而在一些特殊的設備操作狀態以及微小物品識別場景下，對感知精度的要求會更高。3.工作模式工作模式通信感知一體化的工作模式可分為獨立感知與網絡協作感知兩種，如圖 3所示。獨立感知是指由單個基站進行感知，即單個基站發送感知信號到達目標，進而接收和處理目標反射后的感知回波信號，執行感知測量和估計。協作感知是指使用移動通信網絡中大規模部署的節點進行協作與交互，一個發射節點復用通信參考信號作為感知信號并將其發射至覆蓋區域內時，目標會將感知信號反射到多個方向。此時，附近多個接收節點可以在不同位置上接收同一目標的反射信號，在對各個接收信號進行數據融合處理

15、后，可以實現類似于通信中空間分集的接收處理增益，提升感知精度。中國移動網絡協作通感一體化技術白皮書（2023）5圖 3 通感一體化的工作模式與獨立感知相比，網絡協作感知具有如下技術優勢：（1）低成本實現全域覆蓋。通過“一網兩用”，充分利用網絡中密集分布的大量節點，可實現感知功能的全域覆蓋。由于發射與接收節點距離遠，因此系統不受自干擾的影響，避免了額外增加感知接收機、改造硬件射頻鏈路等復雜的工程實現問題。通過升級軟件即可實現感知功能，有效降低實現成本與復雜度，提升網絡效率；（2）智能協作，感知精度高。網絡協作感知中的多節點可以從不同的方向獲得目標距離、多普勒相關的信息，獲得空間分集增益，提升感知

16、精度，進而提升網絡能力；（3）干擾協調，干擾程度低。無論是自發自收還是 A 發 B 收的工作模式，都不可避免地面臨互干擾問題，影響感知信號的提取與處理。在網絡協作通感系統中，可通過調度部分節點作為協作接收節點，達到提升感知精度和提升網絡質量的雙重效果。4.技術挑戰技術挑戰通感融合是 6G 的核心需求，但由于通信與感知源于兩套完全不同的技術體系，兩者實現目標、評價準則、性能邊界均不相同，導致依托一張網實現通信與感知融合的挑戰大、難度高。作為 6G 移動信息網絡的重要技術特征，通感融合的難度在于解決網絡效率與通感能力、網絡質量之間的三角沖突，實現全局最優中國移動網絡協作通感一體化技術白皮書（202

17、3）6的系統性創新，如圖 4 所示。圖 4 通感能力、網絡效率、網絡質量三角沖突示意圖通信和感知的資源共享程度可以分為高共享度、適中共享度和低共享度三個等級。在高共享度下，軟硬件共享、信號全域共享，感知精度和覆蓋能力不足，網絡效率高、網絡質量不足；在低共享度下，軟硬設施不同、資源完全分立，通信能力、感知能力優異，網絡效率低、網絡質量良好。而在合理適中的共享度下，軟硬件共享，信號在部分域分立，通感能力、網絡效率、網絡質量達到平衡。如何最優化通感資源共享策略，在保證網絡質量的前提下實現通感整體性能最優，是通感一體化面臨的技術挑戰。此外，為推動網絡協作通感從理論走向應用，還需要持續攻關基礎理論、同步

18、、多節點協作、干擾等關鍵挑戰。（1）挑戰挑戰 1：通感性能折中理論亟待突破：通感性能折中理論亟待突破通信和感知源于不同的技術體系，兩者設計理念及性能評價體系存在差異。通感融合網絡面臨著資源配置靈活性、實時性要求高、有限資源下整體性能最優的挑戰。如何在資源強約束下，設計靈活自適應的多維資源分配方法，實現通感整體性能最優，是亟待解決的問題，需要進一步研究資源強約束下的通感性能理論界推導、多維自適應通感資源分配技術、高效率高精度網絡多節點協作技術、低復雜度多目標最優資源分配與檢測技術6-10等。此外，信道建模理論也是網絡協作通感一體化理論的重要組成部分，需要解決如何建模 NLOS 信道、如何精準建模

19、不同特性的不規則目標下的回波信道、如何統一通信和感知的信道模型等核心關鍵問題。中國移動網絡協作通感一體化技術白皮書（2023）7（2）挑戰）挑戰 2：同步降低感知精度：同步降低感知精度對于網絡協作感知而言，感知信號收發端節點間難以做到理想的時間同步、頻率同步，從而在協作感知測量過程中引入時間偏差、頻率偏差，進而產生額外的相位誤差，導致感知測量誤差。例如，當收發節點間存在 1ns 的時間同步誤差時，將額外引入約 3m 的感知測距誤差。因此，對于協作感知而言，其相較于通信有更嚴苛的節點同步精度需求。（3）挑戰）挑戰 3：高性能、輕量化的多節點協作機制：高性能、輕量化的多節點協作機制多節點協作技術是

20、實現感知精度進一步增強的關鍵技術，包含了低復雜度的多源信息融合、輕量化協作機制設計等方面。其中，多源信息融合核心問題是如何充分利用協作多節點的多維信息，從而最大化協作接收增益。輕量化協作機制方面，如何利用最小化的交互開銷，實現多節點間的協同，從而實現多元化場景下的高精度感知與高速率通信，是需要進一步研究的問題。（4）挑戰）挑戰 4：復雜網絡下的高精度感知：復雜網絡下的高精度感知在實際網絡中，信號傳輸不可避免地經歷各種障礙物（例如高樓、樹木等），導致信號無法以視距（LOS）傳播直接到達定位接收機。信號經過反射或折射等非視距（NLOS）傳播到達定位接收機，會造成時延、角度、速度等感知參數測量不準確

21、，進而影響感知精度。如何有效地識別出 LOS 和 NLOS 傳播路徑，以及如何消除/利用 NLOS 傳播路徑，對于提高網絡協作通感能力十分關鍵。（5）挑戰）挑戰 5：干擾控制復雜度高：干擾控制復雜度高通感融合網絡的干擾問題具有全局性、時變性、類型復雜三大特點。全局性是指干擾廣泛存在于整個網絡，干擾控制需要協調全網節點，體量大；不同時刻的組網情況不同，導致干擾情況具有時變性，需要及時掌握組網情況，實時改變干擾控制策略；干擾類型多樣，包括通信信號和感知信號間的互干擾、上行通信用戶對感知接收基站的干擾、小區間的上下行干擾，以及雜波干擾等，如何識別干擾類型并針對性地有效抑制，是保證干擾管理效果的重要內

22、容。一方面，為協調降低系統干擾，需設計靈活的協作節點的選擇及收發調度方案，在組網環境下該設計較為復雜。另一方面，網絡協作通感的干擾模型與傳統通信系統具有一定的差異性，干擾管理更加復雜。如何更好地兼顧通信與感知性能，設計低復雜度聯合干擾管理方案值得進一步研究。中國移動網絡協作通感一體化技術白皮書（2023）85.關鍵技術關鍵技術為構建性能全局最優的通感融合網絡，網絡協作通感需要構建基礎理論系統模型、攻關高精度同步、多節點協作和干擾管理等關鍵技術。5.1 通感一體化系統模型通感一體化系統模型為了利用移動信息網絡實現通信感知一體化，需要構建結合網絡的系統模型。本節圍繞通感能力與網絡效率之間、通感能力

23、與網絡質量間的核心矛盾，建立兩個子系統模型。5.1.1 資源分配模型資源分配模型在網絡協作通感系統中，設基站數目為 N，通信信號和感知信號的總功率為，總帶寬為。在時刻 t，為第 n 個基站分配的通信信號資源如下：帶寬為,，功率為,，該基站受到的干擾為,。則第 n 個基站在 t 時刻的信道容量為：,=,log21+,+,其中，,為 AWGN 噪聲功率。在高斯信道下，通信的信道容量可以轉換為估計理論中的等效 MSE11，即,=2,在時刻 t，為第 n 個基站分配的感知信號資源如下：帶寬為,，功率為,。則當采用正交頻分復用（OFDM）波形的子載波間隔為，單個符號功率為時，子載波數和符號數分別為=,，

24、=,。設感知參數變量為，則感知的 MSE 下界（即 CRLB）為：,=01=12,2?1聯合通信和感知的性能指標，為通信和感知分配不同的優先級（若通信的優先級因子為，則感知為(1 )），建立如下通感一體化性能優化問題：中國移動網絡協作通感一體化技術白皮書（2023）9minn,+(1 ),?s.t.0 1,+,+,（時域、頻域、空域、功率域等資源約束）5.1.2 干擾控制模型干擾控制模型一個典型的網絡協作通感系統模型如圖 5 所示。在該系統模型中，節點 A作為通感一體化發送端，其發出的下行通信信號由該小區內的用戶 A 接收，用于數據通信。節點 A 也可以發送感知信號，經目標反射后，感知回波信號

25、由節點 B 和節點 C 接收，用于聯合感知。通過這一協作感知過程，可以將感知的收發端在空間上分離開，節點 A 僅需進行下行傳輸，而節點 B 和節點 C 工作在上行接收模式，規避了單站獨立感知面臨的全雙工問題和自干擾問題。此外，當節點 B 和節點 C 工作在上行模式時，還可以與各自小區內的用戶進行上行通信。圖 5 網絡協作通感系統模型在網絡協作通感系統中，感知精度和通信速率將受到 SINR 的影響，以感知為例：感知精度 022,0?+022=1,?上行用戶干擾+=1,?小區間干擾+,?雜波干擾?中國移動網絡協作通感一體化技術白皮書（2023）10其中，分母部分給出了三種干擾，即上行用戶干擾、小區

26、間干擾和雜波干擾。M和 K 分別代表上行用戶數目和干擾小區數目。值得注意的是，干擾小區包括鄰近小區和遠端干擾小區。5.2 協作節點高精度同步協作節點高精度同步高精度同步技術是實現網絡協作通感的關鍵基礎，基站間的高精度同步包括時間同步、頻率同步等。本小節將重點圍繞時間同步、頻率同步、相噪等方面展開介紹。5.2.1 時間同步時間同步協作節點間的時間同步誤差對高精度測距性能造成影響。對于點對點時間同步，現有 3GPP NR 協議 TS 38.133 規定，站間同步精度約為正負 1.5us12，可造成約 450 米的距離測量偏差，無法滿足高精度業務需求。對于網絡時間同步，可通過基站直接授時或有線時間網

27、絡授時12-16實現，上述兩種方案實現的基站間時間同步誤差分別約為 50ns 及 1us17，同樣無法滿足高精度測距需求。盡管基站間高精度的時間同步較難實現，但可通過時間同步誤差消除方案達到“零時間同步誤差”的效果。如圖 6 所示，一種雙向時間同步誤差消除方法，可有效消除同步誤差的影響。實現步驟：第一步，節點 B 接收來自節點 A 發送的感知信號，并通過測量得到感知信號的傳播時延為1=1+，其中，1為實際傳播時延，為站間同步誤差。第二步，節點 A 接收來自節點 B 發送的感知信號，并通過測量得到感知信號的傳播時延為2=2，其中，2為實際傳播時延。第三步，系統通過求平均=1+22=1+22，得到

28、與同步誤差無關的時間參數：平均實際傳播時延。此時，感知目標位于以節點 A、節點 B 為焦點，為長軸的橢圓上。此后，系統可通過幾何關系對感知參數進行估算。例如：為實現目標定位，系統可更換多組發射節點及接收節點，重復第一步至第三步，得到多組橢圓，目標即位于多組橢圓的交點處。中國移動網絡協作通感一體化技術白皮書（2023）11圖 6 同步誤差消除方案此外，一種通過測量多徑時間差避免節點間同步誤差的測距方案如圖 7 所示，節點 A 發射的通感信號分別通過直射徑及經過感知目標的反射徑到達節點 B。假設節點A與節點B之間直射徑與反射徑傳播時延分別為3、4，同步誤差為，則直射徑傳播時延為3=3+，反射徑傳播

29、時延為4=4+。將兩個傳播時延相減，可得到與同步誤差無關的測量量到達時間差=4 3，再根據目標與兩節點之間距離的幾何關系建立等式，可由計算出反射徑的真實時延4。圖 7 基于參考徑的同步誤差消除方法5.2.2 頻頻率同步率同步載波頻率偏差主要來自兩個方面，一方面是發射機和接收機的晶體振蕩器之間存在的頻率偏差；另一方面，由于發射機和接收機之間的相對運動以及信號傳播環境中物體的運動產生多普勒頻移，也會對發射機與接收機之間帶來載波頻率偏移，影響感知精度。上述頻偏對系統的影響可理解為在接收機和發射機之間引入了一個時變信道，可使子載波間的正交性或采樣點頻域位置的準確性遭到破壞。當載波頻偏為子載波間隔整數倍

30、的時候，盡管子載波之間仍能保持正交，但是在頻域上，采樣點會發生偏移。當載波頻偏不是子載波間隔整數倍的時候，在子載波之間會發生能量泄露，引入子載波間的干擾，破壞子載波之間的正交性。中國移動網絡協作通感一體化技術白皮書（2023）12頻偏可通過基于訓練符號的方式進行補償，較經典的算法有 Schmidl&Cox算法（S&C 算法)18。S&C 算法訓練序列時域結構如圖 8 所示，通過使用兩個訓練序列，S&C 算法具有較高的估計精度，但是兩個訓練序列開銷較大，降低了數據的傳輸效率。S&C 算法的頻偏估計分為兩部分，分別是小數倍頻偏估計和整數倍頻偏估計：小數倍頻偏（時域估計）：小數倍頻偏估計只和第一個訓

31、練序列相關，如圖6 所示，時域上第一個訓練序列的前后部分相同（可通過在偶數子載波上傳輸 PN1 序列，在奇數子載波上傳輸0）。由于頻偏的存在，在接收端，第一訓練序列前后兩部分對應的采樣點存在相位差，可通過此相位差得到小數倍頻偏。整數倍頻偏（頻域估計）：整數倍頻偏估計利用第二個訓練序列的偶數位置數據和第一個訓練序列的偶數位置數據之間的差分關系計算得出。對于第二訓練序列，奇數子載波上傳輸 PN2 序列，偶數子載波上傳輸 PN3 序列，其中 PN3 與 PN1 具有給定的差分關系。當接收信號存在整數倍頻偏時，接收到的頻域數據相對于發送端會出現循環移位。因此，通過對 PN1 和 PN3 進行滑動相關，

32、可以估計出整數倍頻偏。圖 8 Schmidl&Cox 算法的訓練序列時域結構5.2.3 相位噪聲相位噪聲相位噪聲是影響感知精度的重要因素之一，是指接收機的射頻硬件在多種噪聲的影響下，對輸出信號帶來隨機的相位變化。不同于熱噪聲，相位噪聲是乘性噪聲，對實現高精度感知帶來巨大挑戰19。為了減輕相位噪聲對感知精度的影響，可以采用更精密的射頻器件，包括振蕩器、鎖相環、濾波器等，通過提升硬件性能的方式來降低相噪。除了硬件增強，還可以設計參考信號來估計公共相位誤差（CPE），并利用 CPE 對接收信號進中國移動網絡協作通感一體化技術白皮書（2023）13行相位補償。此外，還可以考慮配置更大的子載波間隔，來降

33、低相位補償的難度。更大的子載波間隔會使得 OFDM 符號時長變短，相位變化的相對速度變低，從而可以更高效地補償相位。為了更加準確地評估和補償相位噪聲，3GPP 定義了相位跟蹤參考信號（PTRS）。在 OFDM 通信系統中，為了進行信道估計和相位噪聲估計，需要將解調參考信號（DMRS）和 PTRS 放置在頻域上，并在發送端進行 OFDM 調制之前對參考信號進行配置20。PTRS 信號在發送端設計為頻域低密度分布，時域高密度分布的形式，以便在頻域上聯合 DMRS 來估計相位噪聲，并在時域上補償相位誤差21。在通信感知一體化系統中，也可利用相似的方式進行相噪的估計與補償。5.3 多節點多節點協作機制

34、協作機制多節點協作是獲得協作通感空間增益、聯合處理增益的有效途徑，通過調度多節點、融合多維信息實現特定區域內目標的高精度、超分辨感知22。協作的多節點可以在相對目標不同的角度、距離上接收目標的反射信號，其協作增益一方面在于減小隨機誤差帶來的影響，單接收節點獲得的到達角、距離、多普勒頻率等目標測量量存在隨機誤差，多節點測量及融合可以消除隨機誤差的影響；另一方面，多節點協作可以利用多倍、多維的目標測量量進行定位。因此，多節點協作有助于提升目標定位精度。如圖 9 協作定位結果所示，隨接收節點數目增加，感知定位誤差逐漸降低。同時，定位誤差的降低速率隨著接收節點數增加而減小，可以預見的是定位誤差最終會逐

35、漸收斂，可用于指導優化協作節點選擇方案。圖 9 協作定位誤差隨節點數目變化曲線中國移動網絡協作通感一體化技術白皮書（2023）145.3.1 協作通感多源信息融合協作通感多源信息融合多節點協作的核心問題是如何融合處理協作多節點的多維信息從而最大化協作接收增益23?？傮w來說，協作感知信號融合分為以下三種方式：方式方式 1：軟融合軟融合?！败浫诤稀狈绞街苯訉⒔邮招盘柣蛟夹诺佬畔⒓訖嗳诤?4，包括接收信號或信道響應的復數結果、幅度/相位、I 路/Q 路數據及其相關運算結果等。在軟融合中，接收節點對接收信號不做任何處理，直接將原始信號發送給服務器，服務器按照一定權重進行疊加合并后再進行優化處理提取感

36、知信息。由于軟融合利用了原始信號或信道信息，沒有引入額外的信號處理及其帶來的誤差，因此該方式可以獲得全局最優解。然而，軟融合的缺點也顯而易見。首先，由于接收節點需要將原始信號發送給服務器，數據量大，占用傳輸資源多，需要采用低采樣頻率或截取信號等方式降低資源開銷。其次，服務器需處理大量的原始信號，占用服務器大量的計算與存儲資源，處理時延大。為了提升處理速度，可以考慮與人工智能融合方法，在前期神經網絡訓練階段，通過部署大量用于訓練的感知校準件，獲得感知校準件反射信號作為訓練數據。在實際感知時，將接收節點發送的接收信號輸入神經網絡從而快速得到感知目標位置。方式方式 2：中性融合。：中性融合?！爸行匀?/p>

37、合”方式是對感知測量量進行融合25。首先，各個接收節點對各自接收到的反射信號進行處理，獲得時延、角度、強度等感知測量量。接收節點再將上述測量量及其多維組合發送給服務器，由服務器進行數據融合。在中性融合中，部分計算步驟在分布式的接收節點處完成，有效降低了服務器計算負荷。另外，接收節點僅將若干個感知測量量發送給服務器，傳輸數據量小，降低了數據傳輸開銷。然而，接收節點的信號處理引入誤差，導致中性融合得到的定位結果誤差比軟融合定位結果誤差大。另一方面，數據配對也是中性融合的重要步驟，服務器需要將不同接收節點上報的感知測量量進行配對，確定屬于同一目標的所有測量量，而后進行數據融合。因此接收節點在上報測量

38、量的同時，還需要額外上報參數，以指示目標信息，輔助服務器進行數據配對。方式方式 3：硬融合硬融合?！坝踩诤稀狈绞绞菍Ω兄Y果的直接融合。首先由每個接收節點對各自接收到的信號進行處理，利用各自測量的時延與角度信息獲得感知目標的定位結果，再將定位結果發送給服務器，服務器只需要對所有定位結果進中國移動網絡協作通感一體化技術白皮書（2023）15行聚類并計算加權平均即可。在硬融合方式下，服務器計算開銷最小，每個接收節點計算開銷相比于第二級別略有增加且數據傳輸量最小，這是總體計算與傳輸量最小的一種融合方式。然而，由于每個接收節點計算目標位置的時候引入了由于帶寬、噪音、盲區等方面帶來的多個誤差，硬融合定位

39、的誤差最大。為了降低硬融合誤差，服務器需要根據每個接收節點的接收 SINR、盲區位置等對數據進行篩選，保留相對誤差較小的數據進行融合。因此，硬融合僅適用于對定位精度要求低，服務器資源緊缺的情況。綜上所述，在算力資源與傳輸資源滿足要求的前提下，軟融合可達精度最優。相反，在資源緊張的情況下，可以犧牲一部分精度，使用硬融合的方式快速高效地獲得感知定位結果。因此，多維信號融合方式的選擇需要綜合考慮服務器與接收節點的信號處理能力、感知業務精度需求等多方面因素。5.3.2 協作通感信號協作通感信號序列設計序列設計不同于復用數據信號進行感知的單基站獨立感知場景，節點間協作感知的基礎是收發節點相互已知感知序列

40、，因此需考慮利用參考信號完成協作感知任務。一種方式為復用現有的 DMRS、信道狀態信息參考信號（CSI-RS）等通信參考信號完成感知功能，可以提高系統的資源利用率，實現“零開銷”感知。但由于時頻資源及映射方式受限、通信目標與感知目標存在方位差異、感知覆蓋范圍與通信覆蓋范圍不同等原因，感知精度及通信性能均衡問題復雜，可能影響系統整體性能。因此，針對多節點協作感通感模式，需考慮進一步設計專用的感知參考信號。為支持多用戶復用及多目標感知，降低組網通感時的互干擾水平，感知參考序列應具有自相關性較好、互相關性較差等特性。另外，協作通感信號序列的設計還應考慮接收的回波信號質量。根據雷達方程可知，感知回波信

41、號的接收功率與距離的四次方成反比，同時與目標的散射特性有關，可能存在中遠距目標感知的回波信號強度較弱的情況，導致無法正確進行信號接收和感知探測。然而，OFDM 波形峰值平均功率比（PAPR）較高，現有移動通信系統需要對功率放大器進行功率回退才能使功率放大器工作于線性區域，導致發送功率降低，直接影響感知回波信號強度，不易被檢測。因此，若基于 OFDM 波形進行通信感知一體化系統設計，需盡可能采取低峰均比序列（例如 Zadoff-Chu 序列等）作為感中國移動網絡協作通感一體化技術白皮書（2023）16知序列，減少功率回退，增大發射功率，提升回波信號強度。為滿足協作感知覆蓋范圍的要求，基于 OFD

42、M 信號實現協作感知的一體化系統，感知參考信號的循環前綴（CP）長度需要足以覆蓋感知路徑時延，由于感知目標位置未知，可能存在協作感知信號的多徑時延大于 CP 長度的情況，導致嚴重的符號間干擾，感知性能惡化。一種解決方式是設計具有更長 CP 的感知符號，避免感知多徑時延超過 CP 長度造成的符號間干擾。另一種方式是設計一種信號預處理方案，生成具備循環移位屬性的新符號結構，在 CP 本身長度沒有變化的情況下，使得等效 CP 變長，滿足感知覆蓋范圍需求的同時兼容現有的幀結構配置與指示流程。另外，為了避免距離或速度估計出現相位模糊，需要根據感知距離及速度范圍優化感知參考信號的時頻映射方式。尤其在感知資

43、源受限的情況下，可設計靈活的梳狀排布方式，來滿足不同的感知精度和感知范圍需求。5.3.3 協作波束管理協作波束管理在網絡協作通感系統中，為實現目標精準估計，需要協作節點間匹配收發波束。對目標的高精度感知通?？煞譃榘l現目標、跟蹤目標兩個階段。在發現目標階段，由于目標位置未知，通常需要進行全域波束掃描；在跟蹤目標階段，需要進行波束跟蹤及波束切換過程，特別是在高速移動場景下，需進一步設計更為靈活的波束掃描、波束切換等機制，以降低波束掃描開銷及切換時延。在降低波束掃描開銷方面，可采用兩階段波束掃描方法。如圖 10 所示，在第一階段，協作節點間通過寬波束掃描快速、粗略確定感知目標所在的大致區域。第二階段

44、，利用窄波束對該區域進行精細掃描，得到較強的回波信號，實現較高感知精度。另外，在高、低頻協作場景中，設計低頻波束寬、高頻波束窄協同波束掃描方式，實現低開銷的高精度感知。圖 10 兩階段波束掃描方案示意圖中國移動網絡協作通感一體化技術白皮書（2023）17在避免波束切換中斷方面，可采用基于協作的感知輔助通信的波束管理方法，支持高速移動目標的連續跟蹤。利用協作通感網絡中節點分布廣泛及信息共享特性，基于網絡中節點運動狀態與相對位置關系等共享信息，獲取特定區域內波束特性，實現在不進行波束測量的情況下輔助預測下一時刻的最佳波束，從而降低波束管理中的測量與上報開銷、減少切換時延、提高波束管理效率。在降低感

45、知開銷與掃描時延方面，由于不同區域下感知分辨率存在差異性，為實現全域內均衡的感知精度，可針對不同的感知區域使用不同寬度的波束掃描。例如，在感知精度要求高的區域增加波束數量，采用細波束掃描；在感知精度要求低的區域減少波束數量，采用寬波束掃描。這種方法可以針對感知區域位置靈活調整波束寬度，在一定程度上降低總體掃描開銷。5.4 高精度感知算法高精度感知算法高精度感知算法是實現網絡協作通感的關鍵。在實際網絡中，需要結合算法性能、資源開銷、復雜度等因素優化設計感知算法，實現通信與感知性能的最優。此外，NLOS 環境引入感知誤差，如何實現 NLOS 環境下高精度感知需要進一步研究。5.4.1 經典感知算法

46、經典感知算法基于 OFDM 波形進行通信感知一體化設計，實現對目標物體的感知，是目前通信感知一體化研究的技術路線之一，可最大程度降低對通信系統的設計和硬件的影響，具有更好的產業可實現性。在多個接收節點的 OFDM 信號聯合處理時，可利用周期圖法得到感知目標的位置信息6。除了周期圖法，文獻9-10利用信號噪聲子空間分離的方法，可以得到目標物體的距離、速度、角度等信息。文獻8提出了一種自適應算法，從感知精度、通信性能、計算復雜度三方面對算法展開分析，試驗結果表明，單獨使用一種算法無法同時實現感知精度、復雜度及通信速率的最優，可通過靈活選取或切換算法，實現感知性能與復雜度較好的折中。中國移動網絡協作

47、通感一體化技術白皮書（2023）185.4.2 超分辨感知算法超分辨感知算法為提升感知分辨率及干擾抑制能力，進一步利用感知回波信號中信息的稀疏特性，結合壓縮感知算法原理，構造高維稀疏轉換矩陣及目標向量，優化欠定線性逆問題的方式重構感知信號26-27。該方式突破奈奎斯特采樣定律，通過隨機采樣獲取信號的離散樣本，以從較少的測量值中還重構原始信號，以在占用少量時頻資源的情況下，實現與時頻資源全帶寬占滿相同的感知效果。通過算法仿真驗證可知，該算法具有抗干擾能力強、超分辨率等特征。同時，通過增加稀疏轉換矩陣字典的維度，可進一步提升感知分辨率，但在一定程度上增加了算法的計算復雜度。未來將進一步考慮將該超分

48、辨感知算法與信號子空間重構算法相結合以進一步降低算法復雜度。5.4.3 NLOS 環境下的感知算法環境下的感知算法受到復雜的信號傳播環境的影響，在發射節點、目標和接收節點之間可能存在樹木、建筑物等障礙物，使得感知信號發生反射、折射及繞射，沿多條路徑到達接收節點。多條路徑上的感知信號幅度、時延、相位不同，將給感知信號的正確解析帶來挑戰，進而使感知結果出現很大的誤差。對 NLOS 效應的處理分為三個階段，即 NLOS 識別、NLOS 消除及 NLOS 利用。NLOS 識別是解決 NLOS 效應的前提，主要依賴于信號傳播的各個特征，包括接收信號強度、多徑傳播時延特性等28。根據這些特性，可以將接收到

49、的信號分類為 LOS 或 NLOS。在已有的研究中，基于深度學習的方法和基于距離、基于角度、基于到達時間差等統計方法都被應用于 NLOS 識別中。深度學習算法能夠自適應地學習和提取特征，具有強大的擬合能力和泛化性能29?；诮y計的方法包括基于距離、基于角度和基于到達時間差等。具體地，基于距離、角度和到達時間差的方法主要是通過測量信號的強度或相位差來估計距離，通過測量信號的到達角度來估計信號的角度，通過測量信號的到達時間差來計算信號的傳播路徑，從而判斷是否為 NLOS 傳播30。盡管已經有很多研究致力于 NLOS 識別，但仍存在一些挑戰需要進一步探討和研究。比如，如何提高算法的魯棒性和適應性、如

50、何設計高效且實時性好的算法等。中國移動網絡協作通感一體化技術白皮書（2023）19NLOS 消除技術根據不同的方法分類，可以分為基于模型的方法和基于學習的方法?；谀Ｐ偷姆椒ɡ眯盘杺鞑サ膸缀翁匦赃M行 NLOS 識別和消除。例如，通過對接收信號強度、到達角度或到達時間差等參數進行測量，判斷是否存在 NLOS 路徑，并進行消除31?；趯W習的方法利用神經網絡等深度學習模型進行 NLOS 識別和消除。例如，利用卷積神經網絡對接收信號進行特征提取，并分類為 LOS 或 NLOS，然后根據分類結果進行消除。然而，現有的方法仍存在一些不足和需要解決的問題。比如，大多數方法僅考慮了單一路徑和簡單場景，而在

51、復雜環境中可能存在多條 NLOS 路徑。未來可以考慮不同場景中多路徑傳播情況下的 NLOS 消除方法。隨著國內外學者對 NLOS 效應研究的深入和信道估計技術的發展，NLOS 可以被利用以實現對環境的感知和對定位的增強。文獻32-35研究了同步定位與地圖構建（SLAM）技術，將多徑分量（MPC）反射體視為虛擬發射機（VT），可以將到達接收機的每個信號分量視為來自實體發射機或 VT 的 LOS 信號，從而實現多路徑聯合定位。文獻36中的實驗結果表明，采用主被動聯合感知的SLAM 可以將墻體探測完整，并準確找到目標位置。在這些方案中，雖然 VT 的位置取決于環境且可能未知，但可以通過多點接收等方式

52、將其估計出來。此外，對于非墻體、非鏡面反射的散射體等，文獻37-39給出了利用 NLOS 的方法：由于散射體往往距離大規模天線陣列較近，散射體可以認為處于近場條件，而待感知目標處于遠場條件，利用球面波特性，可以估計出散射體的位置和速度，進而對目標進行感知。5.5 組網組網干擾干擾管理管理大規模部署的分布式網絡節點為實現網絡協作通感提供基礎支撐，協作感知需要采用動態上下行配置方式，這將額外引入上下行交叉鏈路干擾、小區內上行通信用戶干擾等24,40-42。如圖 11 所示，對于協作感知模式，節點 1 和節點 2 的時隙配置需要考慮不同的上下行配置，與感知信號的收發過程、感知區域及感知精度要求有關。

53、此時，對于通信用戶而言，受到的干擾主要來自下行基站與目標通信用戶之間的鏈路。對于協作感知接收基站而言，受到的干擾主要來自其他感知發射基站、下行通信基站，相比通信用戶，感知信號干擾更加強烈。因此，在中國移動網絡協作通感一體化技術白皮書（2023）20采取協作感知模式時，網絡需要盡可能避免上下行交叉鏈路干擾等對一體化性能的影響，以同時滿足網絡的感知需求與通信需求43。圖 11 上下行交叉鏈路干擾5.5.1 干擾控制條件干擾控制條件為保障信號成功檢測，需滿足干擾強度低于干擾上限，干擾上限=回波信號強度+模數轉換器（ADC）動態范圍，其中 ADC 動態范圍的取值與系統硬件參數相關。然而，在實際組網環境

54、下，對于協作接收基站會受到小區內上行通信用戶、其他感知發射基站、下行通信基站等干擾，其干擾強度可能超過干擾上限，此時需進行必要的干擾控制才能確保信號成功檢測。在此基礎上，為實現更高的感知精度，干擾控制程度可進一步提升。5.5.2 干擾特性分析干擾特性分析圖 12 給出典型低頻網絡協作通感系統中的站間干擾特性系統級仿真結果。宏蜂窩（UMA）場景下，考慮網絡對典型感知目標如無人機（RCS=0.01）進行感知。典型低頻基站配置包括：載頻 2.6GHz、帶寬 100MHz、發射功率為 52dBm、ADC 動態范圍約為 60dB。根據干擾上限的計算公式，可得其干擾上限約為-8.71dBm。圖 12 表明

55、，當不考慮干擾管理時，90%概率下協作接收基站受到的干擾強度達到約-6.45dBm，超出-8.71dBm 的干擾門限，導致感知任務失敗。當對鄰扇區進行干擾控制后，協作接收基站受到的干擾強度下降了約 41.34dB，滿足感知信號成功檢測的基本要求。為實現更高精度的感知，可進一步提高干擾控中國移動網絡協作通感一體化技術白皮書（2023）21制能力，但如何實現低開銷干擾控制與高精度感知間的折中有待更深入的研究。圖 12 互干擾強度 CDF 曲線圖5.5.3 干擾控制方案干擾控制方案為保障感知信號成功檢測并滿足感知性能需求，可從時-頻-空-功率域設計干擾控制方案。圖 13 給出不同干擾協調因子下的感知

56、精度（干擾協調因子為 0dB表示不進行干擾協調，干擾來源為其他小區的通信信號）?？梢钥闯?，不同站間距下，隨著干擾協調因子降低，系統干擾變小，測距 RMSE 顯著降低。圖 13 測距 RMSE 與干擾協調因子關系曲線圖綜合上述分析與仿真可知，基站間干擾影響網絡協作通感系統的性能，需要進行干擾管理來提升感知精度。其中，來自同站址兩鄰扇區的干擾尤為強烈。為保障感知信號的成功檢測，對同站址鄰扇區的干擾管理是非常有必要的。此外，對干擾基站進行不同程度的干擾管理，可使感知性能在顯著范圍內變化。因此，中國移動網絡協作通感一體化技術白皮書（2023）22在實際應用中，在保障信號成功檢測的基礎上，有必要進一步對

57、其他干擾基站進行適當的干擾管理，以滿足不同場景下的不同感知需求。6.原型驗證原型驗證6.1 低頻低頻網絡協作通感原型網絡協作通感原型驗證驗證當前產業界低頻網絡協作通感一體原型樣機采用 4.9GHz 頻段，100MHz 帶寬，已完成交通、無人機等場景的測試驗證。測試采用的通感算一體化系統包含發射、接收兩個站點，通過信號聯合設計和硬件共享等手段，實現通信、感知、計算功能的一體化設計。在進行信息傳遞的同時，對目標設備、事件或環境等進行檢測、跟蹤、識別、成像等。實測結果顯示，低頻網絡協作通感一體原型樣機在無人機場景下最遠感知距離達到 2000m，感知距離精度達到米級，可滿足低空無人機監管業務需求。在交

58、通場景下真實道路環境最遠感知距離達到 1000m，感知距離精度達到亞米級，感知角度精度達到 1 度，感知速度精度達到 0.2km/h，可滿足高速公路稀疏場景車流量監管等業務需求。圖 14 低頻網絡協作通感原型樣機無人機、交通探測場景6.2 高頻高頻網絡協作通感原型網絡協作通感原型驗證驗證當前產業界高頻網絡協作通感一體原型樣機利用毫米波大帶寬提升其感知性能，采用 26GHz 頻段已完成交通、無人機等場景的測試驗證。測試利用通信中國移動網絡協作通感一體化技術白皮書（2023）23感知一體化技術，實現單 AAU 通信和感知信號的發送和接收，感知的同時通信終端可對發送信號進行單獨接收。通過通感一體化系

59、統對低空無人機和交通場景進行實時感知、監測、通信和控制，并且同步實現信息的端到端計算處理，能夠提供無人化、浸入式和數字孿生等感知-通信-計算高度耦合業務。實測結果顯示，在無人機場景下，高頻網絡協作通感一體原型樣機可達到1000m 的最遠探測距離，感知距離精度達到亞米級，可應用于遠距離無人機入侵檢測、低空安全管理等場景。交通場景下可實現感知范圍 1000m，亞米級距離精度，車道級分辨率，0.1km/h 速度精度，可應用于交通安全管理、輔助自動駕駛等場景。圖 15 高頻網絡協作通感原型樣機交通探測場景7.總結與展望總結與展望6G 時代，通信能力、感知能力將融合共生，各種業務之間的信息協同和處理流程

60、將高度耦合，不同功能之間的互助互惠、不同模塊的聯合優化、不同網絡節點的協同組網，將極大提升網絡協作通感系統的整體性能。本白皮書分析了通信感知一體化的驅動力與應用場景，提出了“多要素共享、多頻段協同、多節點協作”三大核心特征。本白皮書重點介紹了“網絡協作通感”技術理念及其技術優勢，依托“網絡”優勢，網絡協作通感可提供全覆蓋、全天候、低成本泛在感知與連接能力。結合“網絡+融合”發展趨勢，本白皮書分析了網絡協作通感面臨的挑戰以及關鍵技術。最后，本白皮書給出了低頻和高頻網絡協作通感的原型驗證結果。ISACBS中國移動網絡協作通感一體化技術白皮書（2023）24面向未來，6G 網絡協作通感仍需要加強跨域

61、技術的融合創新、持續攻關，進一步研究和突破網絡協作通感系統基礎理論、關鍵核心技術、系統平臺構建與原型驗證等，同時希望進一步匯聚產學研各方力量，推動開展標準化、產業及應用培育等工作，助力低空經濟、智慧交通、智慧工廠等行業快速發展。中國移動網絡協作通感一體化技術白皮書（2023）25縮略語列表縮略語列表縮略語英文全名中文解釋AAUActive Antenna Unit有源天線單元ADCAnalog-to-Digital Converter模數轉換器AIArtificial Intelligence人工智能ARAugmented Reality增強現實AWGNAdditive White Gauss

62、ion Noise加性高斯白噪聲CDFCumulative Distribution Function累積分布函數CPCyclic Prefix循環前綴CPECommon Phase Error共相位誤差CPUCentral Processing Unit中央處理器CRLBCramr Rao Lower Bound克拉美羅界CSI-RSChannel-State Information ReferenceSignal信道狀態信息參考信號DACDigital-to-Analog Converter數模轉換器DMRSDemodulated Reference Signal解調參考信號eMBBEnh

63、anced Mobile Broadband增強移動寬帶GPUGraphics Processing Unit圖形處理器IIoTIndustrial Internet-of-Things工業物聯網IMTInternational Mobile Telecommunications國際移動電信ITUInternational Telecommunications Union國際電信聯盟LDPCLow-Density Parity-Check低密度奇偶檢驗LOSLine-Of-Sight視距mMTCmassive Machine Type Communications大規模機器類通信MPCMult

64、i-Path Component多徑分量MSEMean Squared Error均方誤差NLOSNon-Line-Of-Sight非視距NRNew Radio新無線電OFDMOrthogonal Frequency DivisionMultiplexing正交頻分復用PAPRPeak to Average Power Ratio峰值平均功率比PTRSPhase Traking Reference Signal相位跟蹤參考信號RCSRadar Cross Section雷達截面積中國移動網絡協作通感一體化技術白皮書（2023）26RMSERoot Mean Squared Error均方根誤差

65、SINRSignal to Interference-plus-Noise Ratio信干噪比SLAMSimultaneous Localization and Mapping同步定位與地圖構建UMAUrban Macro cell宏蜂窩URLLCUltra Reliable Low LatencyCommunication超可靠低時延通信USRPUniversal Software Radio Peripheral通用軟件無線電外設VTVirtual Transmitter虛擬發射機XRExtended Reality擴展現實1G1st Generation wireless systems

66、第一代移動通信技術3GPP3rd Gernereation Partnership Project第三代合作伙伴計劃4G4th Generation wireless systems第四代移動通信技術5G5th Generation wireless systems第五代移動通信技術6G6th Generation wireless systems第六代移動通信技術中國移動網絡協作通感一體化技術白皮書（2023）27參考文獻參考文獻1 ITU-R,DRAFT NEW RECOMMENDATION,Framework and overall objectives of thefuture dev

67、elopment of IMT for 2030 and beyondR.20232 Yin H.,Huang Y.,Han L.et al.,Thoughts on 6G integrated communication,sensing andcomputing networksJ.SCIENTIASINICA Informationis,2023,53(9):1838-18423 IMT-2030(6G)推進組,通信感知一體化研究報告（第二版）R.20224 中國移動,2030+愿景與需求報告R.20195 VIVO,China Telecom,China Mobile,et al.,通感

68、一體化系統架構與關鍵技術R.20236 Ma L.,Pan C.,Wang Q.,et al.,A downlink pilot based signal processing method forintegrated sensing and communication towards 6GC/Proceedings of 2022 IEEE 95th VehicularTechnology Conference:(VTC2022-Spring).Piscataway:IEEE Press,2022:1-57 Han L.,Jin J.,Wang Q.,et al.,Performance T

69、rade-off for a Novel Integrated Localization andCommunication SystemC/Proceedings of 2023 IEEE 97th Vehicular Technology Conference(VTC2023-Spring),Florence,Italy,2023:1-78 Wang Y.,Zhang X.,Ma L.,et al.,6G 通信感知一體化網絡的感知算法研究與優化J.通信學報,2023,44(2):219-2309 Wang Y.,Jin J.,Ma L.,et al.,A sensing-based coop

70、erative position scheme for perceptivemobile network towards 6GC/Proceedings of 2022 IEEE 22nd International Conference onCommunication Technology(ICCT).Piscataway:IEEE Press,2022:1-610 Zhang X.,Jin J.,Ma L.,et al.,Pilot-Based Delay and Doppler Estimation in 6G IntegratedCommunication and Sensing Ne

71、tworksC/Proceedings of Wireless Communications and SignalProcessing,IEEE press,2022:478-48211 Chiriyath A.R.,Paul B.,Jacyna G.M.,et al.,Inner Bounds on Performance of Radar andCommunications Co-ExistenceJ.IEEE Transactions on Signal Processing,2015,64(2):464-47412 3GPP,Requirements for support of ra

72、dio resource managementS.3GPP TS 38.133,202113 Zhang J.A.,Wu K.,Huang X.,et al.,Integration of Radar Sensing into Communicationswith Asynchronous TransceiversJ.IEEE Communications Magazine,2022,60(11):106-11214 HamedE.,RahulH.,AbdelghanyM.A.,etal.,Real-timedistributedMIMOsystemsC/Proceedings ofACM S

73、IGCOMM,2016:412-42515 XieN.,ZhangL.,andWangH.,PhasesynchronizationattargetinMIMOradarC/Proceedings of IEEE ICCC,2014:37-4116 ScharrenbroichM.andZatmanM.,StatisticalMIMOradarexperimentalresultsC/Proceedings of IEEE Radar Conference,2014:617-62217 IEEE,IEEE Standard for a Precision Clock Synchronizati

74、on Protocol for NetworkedMeasurement and Control SystemsS.IEEE Std 1588-2019(Revision of IEEE Std 1588-2008),2020:1-49918 Schmidl T.M.and Cox D.C.,Robust frequency and timing synchronization for OFDMJ.中國移動網絡協作通感一體化技術白皮書（2023）28IEEE Transactions on Communications,1997,45(12):1613-162119 Ma L.,Jin J.,

75、Lou M.,et al.,On the Hardware-Limited Sensing Parameter Extraction forIntegrated Sensing and Communication System Towards 6GC/Proceedings of 2023 IEEE 23ndInternational Conference on Communication Technology(ICCT),accepted.20 顧雙雙.5G 系統中相位噪聲估計與補償算法研究D.北京:北京郵電大學,201921 安宇寧.毫米波移動通信測試儀器相噪及帶內頻響補償技術研究D.山西

76、：中北大學，202322 Chen Y.,Wei P.,Zhang H.,et al.,Direct Target Joint Detection and Tracking Based onPassive Multi-Static RadarJ.Remote Sensing,2023,624(15)23 Xie L.,Song S.,Eldar Y.C.,et al.,Collaborative Sensing in Perceptive Mobile Networks:Opportunities and ChallengesJ.IEEE Wireless Communications,202

77、3,30(1):16-2324 Leyva L.,Castanheira D.,Silva A.,et al.,Two-stage estimation algorithm based oninterleaved OFDM for a cooperative bistatic ISAC scenarioC/Proceedings of 2022 IEEE 95thVehicular Technology Conference:(VTC2022-Spring),Helsinki,Finland,202225 Kanhere O.,Goyal S.,Beluri M.,et al,Target l

78、ocalization using bistatic and multistatic radarwith 5g nr waveformC/Proceedings of 2021 IEEE 93rd Vehicular Technology Conference:(VTC2021-Spring),2021:1-726 Berger C.R.,Demissie B.,Heckenbach J.,et al.,Signal Processing for Passive Radar UsingOFDM WaveformsJ.IEEE Journal of Selected Topics in Sign

79、al Processing,2010,4(1):226-23827 Wu M.and Hao C.,Super-Resolution TOA and AOA Estimation for OFDM Radar SystemsBased on Compressed SensingJ.IEEE Transactions on Aerospace and Electronic Systems,2022,58(6):5730-574028 Zhou J.,Li W.,Jiang S.,NLOS Identification and Ranging Error Mitigation for UWBSig

80、nalC/Proceedings of 2022 IEEE International Conference on Networking,Sensing andControl(ICNSC).IEEE,2022:1-529 Zhang X.,Xu J.,An Indoor NLOS Identification and Extraction Algorithm Based onMulti-dimensional Data CorrelationC/Proceedings of 2023 IEEE/CIC International Conferenceon Communications in C

81、hina(ICCC).IEEE,2023:1-530 Li Z.,Tian Z.,Zhou M.,et al.,An accurate and robust environment sensing algorithm forenhancing indoor localizationC/Proceedings of IEEE INFOCOM 2018-IEEE Conference onComputer Communications Workshops(INFOCOM WKSHPS).IEEE,2018:244-24931 Shi Q.,Liu L.,Zhang S.,Joint Data As

82、sociation,NLOS Mitigation,and Clutter Suppressionfor Networked Device-Free Sensing in 6G Cellular NetworkC/Proceedings of 2023 IEEEInternational Conference onAcoustics,Speech and Signal Processing(ICASSP).IEEE,2023:1-532 Gentner C.,Jost T.,Wang W.,et al.,Multipath assisted positioning with simultane

83、ouslocalization and mappingJ.IEEE Transactions on Wireless Communications,2016,15(9):6104-611733 Witrisal K.,Meissner P.,Leitinger E.,et al.,High-accuracy localization for assisted living:中國移動網絡協作通感一體化技術白皮書（2023）295G systems will turn multipath channels from foe to friendJ.IEEE Signal Processing Mag

84、azine,2016,33(2):59-7034 Yang J.,Wen C.K.,Yang X.,et al.,Multi-Domain Cooperative SLAM:The Enabler forIntegrated Sensing and CommunicationsJ.IEEE Wireless Communications,2023,30(1):40-49.35 Amjad B.,Ahmed Q.Z.,Lazaridis P I.,et al.,Radio SLAM:A Review on Radio-BasedSimultaneous Localization and Mapp

85、ingJ.IEEE Access,202336 Yang J.,Wen C.K.,Jin S.,Hybrid active and passive sensing for SLAM in wirelesscommunication systemsJ.IEEE Journal on Selected Areas in Communications,2022,40(7):2146-216337 Yin X.,Wang S.,Zhang N.,and Ai B.,Scatterer localization using large-scale antenna arraysbasedonaspheri

86、calwave-frontparametricmodelJ.IEEETransactionson WirelessCommunications,2017,16(10):6543655638 Lu S.,Liu F.and Hanzo L.,The Degrees-of-Freedom in Monostatic ISAC Channels:NLoSExploitation vs.ReductionJ.IEEE Transactions on Vehicular Technology,2023,72(2):2643-264839 Zhao T.,Li J.,Yang W.et al.,Joint

87、 Estimation on the Reflector Velocity and NormalDirection Through NLOS Echo SignalsCProceedings of 2023 IEEE 97th Vehicular TechnologyConference(VTC2023-Spring),2023,pp.1-740 Pucci L.,Matricardi E.,Paolini E.,et al.,Performance analysis of a bistatic joint sensing andcommunicationsystemC/Proceedings

88、of2022IEEEInternationalConferenceonCommunications Workshops(ICC Workshops),IEEE,2022:73-7841 Sakhnini A.,Guenach M.,Bourdoux A.,et al.,A cramer-rao lower bound for analyzing thelocalization performance of a multistatic joint radar-communication systemC/Proceedings of2021 1st IEEE International Onlin

89、e Symposium on Joint Communications&Sensing(JC&S),IEEE,2021:1-542 Li R.,Xiao Z.,and Zeng Y.,Beamforming towards seamless sensing coverage for cellularintegrated sensing and communicationC/Proceedings of IEEE International Conference onCommunications Workshops(ICC Workshops),2022:492-49743 Zhang X.,Han L.,Han Z.,et al.,Interference Analysis for Collaborative ISAC NetworksJ.Communications of HUAWEI RESEARCH,accepted