《IMT-2030（6G）推進組：2024年6G通信感知一體化空口關鍵技術研究報告（62頁）.pdf》由會員分享，可在線閱讀，更多相關《IMT-2030（6G）推進組：2024年6G通信感知一體化空口關鍵技術研究報告（62頁）.pdf（62頁珍藏版）》請在三個皮匠報告上搜索。

1、2024 年年 11 月月版權聲明版權聲明 Copyright Notification未經書面許可未經書面許可 禁止打印、復制及通過任何媒體傳播禁止打印、復制及通過任何媒體傳播2024 IMT-2030（6G）推進組版權所有2目目錄錄目錄.2第一章 引言.6第二章 感知對空口設計的新需求分析.82.1 感知應用的特征.82.2 感知對基站的需求.92.3 感知對終端的需求.9第三章 潛在感知波形.113.1 OFDM.113.1.1 基于 OFDM 的遠距覆蓋設計.123.1.2 CE-OFDM.153.2 FMCW.163.3 OTFS.183.4 OCDM.203.5 小結.21第四章

2、感知信號設計和處理.224.1 感知信號設計.224.1.1 感知信號序列設計.224.1.2 感知信號圖樣設計.234.1.3 感知信號復用方式.284.1.4 通感信號融合設計.294.2 感知信號處理.324.2.1 干擾消除.324.2.2 虛擬孔徑.354.2.3 功率分配.374.2.4 目標特征識別.39第五章 感知波束管理.425.1 感知波束獨立管理.425.2 通感波束融合管理.435.3 通信輔助感知波束管理.45第六章 感知輔助通信.466.1 感知輔助通信信道估計.466.2 感知輔助通信波束跟蹤.486.3 感知輔助通信覆蓋增強.52第七章 總結和展望.54參考文獻

3、.56貢獻單位.593圖目錄圖目錄圖 1ITU-R IMT-2030 應用場景.6圖 2OFDM 系統感知處理流程.11圖 360kHz 子載波間隔室增強型 CP.13圖 4支持感知遠距離覆蓋的頻域參考信號設計示意.13圖 5ISAC 系統的新型信號結構.14圖 6用于遠距離感知的 ISAC 幀結構示意圖.14圖 7擴展 CP 和交替 CP 方案覆蓋對比.15圖 8CE-OFDM 系統框圖.15圖 9CE-OFDM 模糊函數圖.16圖 10OTFS 信號調制解調流程.18圖 11時變信道時延多普勒域信道響應.18圖 12序列自相關與互相關性能對比：自相關（左），互相關（右）.22圖 13感知性

4、能對比評估結果：定位精度（左），測試精度（右）.23圖 14ZC 序列性能.23圖 15非均勻感知信號實測時延-多普勒.24圖 16兩步非均勻感知信號設計方法.25圖 17基于協方差矩陣的圖樣設計.25圖 18 互質的非均勻圖樣設計.26圖 19頻域雙周期映射方式示意.26圖 20均勻映射與非均勻映射的頻域占用情況對比.27圖 21均勻映射與非均勻映射的測距精度對比.27圖 22雙周期配置感知信號.27圖 23通感空分復用波束方向圖：(a)withISI；(b)delISI.29圖 24感知和通信的 SNR.29圖 25參考信號集合 1.30圖 26參考信號集合 2.31圖 27UAV 感知場

5、景需求更大感知范圍.31圖 28自發自收感知下的兩種波形結合.32圖 29多個參考信號融合共同用于感知.32圖 30通信波形下的低旁瓣脈沖壓縮方法處理結果.34圖 31ISAC 統一天線架構.364圖 32等效發射天線間隔及實現的非均勻孔徑.37圖 33角度估計 RMSE 性能.37圖 34等功率分配技術.38圖 35固定功率分配技術.38圖 36功率分配方案與傳統方案的對比.39圖 37感知示例.39圖 386G 感知與無源標簽通信融合示意圖.40圖 39感知信號和無源信號收發示意圖.40圖 40距離誤差匹配法示意圖.41圖 41特征分類匹配法示意圖.41圖 42用于感知接收機基于波束分裂的

6、波束賦形模型.43圖 43基于感知區域的靈活感知波束掃描示意圖.43圖 44大規模天線陣列通感一體化混合波束賦形設計示意圖.45圖 45通信輔助感知波束管理示意圖.45圖 46感知輔助通信信道估計與傳統信道估計方法性能對比.47圖 47感知輔助信道估計的 NMSE.48圖 48波束訓練與環境感知一體化設計.49圖 49多變無線環境示意圖.50圖 50波束訓練和感知精度性能.50圖 51多徑信道毫米波波束跟蹤示意圖.51圖 52基于擴展卡爾曼濾波的通感一體化（EKF-ISAC）與基于反饋兩種方案的角度預測性能對比.52圖 53感知輔助覆蓋增強示意圖.535表目錄表目錄表 1四種潛在感知波形總結.

7、216第一章第一章 引言引言6G 作為下一代移動通信系統，將跨越人聯和物聯，邁向萬物智聯的新時代。2023 年 11 月，國際電信聯盟 ITU-R 發布了IMT-2030 及未來的新框架建議1，也被稱為全球統一的 6G 愿景，是制定全球 6G 標準的藍圖。建議書定義了 6G 的6 個主要應用場景，其中 3 個是 5G 基礎上增強的通信場景，另外 3 個場景是 6G新引入的超越通信的場景，其中就包括通信感知一體化，如圖 1 所示。未來 6G網絡將利用全頻段、大帶寬、大規模天線陣列、多節點協作等能力，提供超高分辨的檢測定位跟蹤、環境目標重構與成像、目標動作識別等能力，在支撐極致通信體驗的同時，實現

8、智能家庭、智慧工廠、智慧醫療、終極自動駕駛等網絡服務場景。圖 1 ITU-R IMT-2030 應用場景在 6G，通信與感知將進一步深度融合，從頻譜、硬件到協議進行深度融合。6G 網絡突破目前單基、雙基雷達的局限，從網絡架構、組網技術、空口能力等方面進行原生通感融合設計，實現組網、廣域、立體的精準感知。無線接入網的空口技術是 6G 的重要組成部分，不光決定了通信的能力和性能，也將決定感知的基本能力和性能。因此，6G 系統需要展開空口關鍵技術的基礎研究工作，為后續產業推動和標準化做技術儲備。72021 年和 2022 年，IMT-2030 發布的第一版和第二版的通信感知一體化技術報告對空口的關鍵

9、技術做了簡單介紹。在 6G 標準即將展開，有必要對 6G空口技術進行梳理和研究。本研究報告基于第二版的 通信感知一體化技術報告，對空口設計需求、感知波形、參考信號設計、信號處理、波束管理以及感知輔助通信技術做了重點討論和分析，整理了最新的研究成果，在沒有特別說明時，相關方法適用于六種感知模式。本報告期望進一步推動業界針對通感一體化空口技術的研究，為即將到來的 6G 標準做好技術儲備。8第二章第二章 感知對空口設計的新需求分析感知對空口設計的新需求分析2.12.1 感知應用的特征感知應用的特征在業界對于感知場景存在眾多研究，這些研究涉及應用類場景和用例以及服務類場景與用例包括檢測、定位和追蹤類，

10、動作識別類，環境檢測類，以及環境重構類應用。從這些應用可以看到有以下特征：感知和通信一體并實現互助。豐富的感知應用需要感知和通信由一個系統提供，既降低硬件成本、又降低布網成本并提供多種能力，又可更好支持各種應用。通信功能需要和感知功能在底層信號設計、幀結構做融合，也需求在協議棧的設計做融合，并考慮利用感知輔助通信、通信輔助感知來提升系統性能。多種感知應用需求。既有針對家庭娛樂的感知需求，又存在針對低空、車聯網、工廠、公共服務等各個行業和領域的應用。而且這些應用的需求是存在差異的，這些差異有來自于感知精度的差異，也有感知測量方法的差異，又有端到端數據處理、感知時延的差異。有些應用的感知精度需求較

11、低，比如入侵檢測類應用；而有些應用感知精度需求較高比如軌跡跟蹤、成像。有些應用需要對于時延和刷新率較低，比如對于雨量檢測其感知時延需求是 6 秒，而對于自動駕駛類應用其需求達到 100 毫秒2。未來系統需要在接入網的設計提供支持這些需求的靈活性，比如靈活的幀結構，靈活的信號設計。多種感知模式。為了支撐這些豐富的應用，為了網絡既存在只有基站側參與的感知方式，也存在基站和 UE 協作的感知方式，還存在只有 UE 參與的感知方式。多種感知方式就要求在信號設計、信號處理上能夠兼容，并且盡量的復用，減少感知開銷。更立體的覆蓋。未來的應用既要支持地面的需求，又要支持低空的需求。而地面通信一直是移動通信網絡

12、服務的重點，同樣的在未來移動通信網絡中，地面對通信和感知的需求依舊強烈。低空經濟作為戰略性新興產業，在促進經濟發展、加強社會保障等方面發揮著日益重要的作用。因此，未來的網絡需要對通信和感知提供更加立體的覆蓋。92.22.2 感知對基站的需求感知對基站的需求6G 網絡對于基站的需求主要集中在信號設計、信號處理、干擾消除、多天線等技術。感知波形和信號設計。首先，感知的波形設計需要在整個 6G 系統的設計基礎上進行開展。感知波形和通信波形存在千絲萬縷的關系，不能拋開通信波形去設計感知波形。所以，在波形設計時需要考慮對通信的影響或和通信結合的存在問題。其次，在進行感知信號設計時，需要考慮其序列的設計、

13、復用設計，并且需要考慮和目前已有參考信號的融合設計降低參考信號的開銷。信號處理。首先，對于通感一體化系統，獲取精確的感知測量結果很重要，但是環境及通感系統中的各種外部和內部干擾因素會顯著影響感知測量結果的精度。如果不消除這些干擾，將給后續的感知數據處理帶來很大的問題。其次，為了更好的支持通信和感知功能，超寬帶寬和超大規模天線陣列技術的融合，可以實現高精度的感知。但是，同時也帶來了天線硬件成本高、系統功耗高、波束偏移等問題。然后，在通感一體化系統中，通信和感知業務共享并復用相同的時間、頻率、功率等資源，如何權衡折中通信感知業務的性能，進行合理的功率分配成為重要方向之一。波束管理技術。更立體的覆蓋

14、就需要更大的天線規模，以及更多的波束。這就要求對波束進行更好的管理。一方面，系統可以利用感知結果來輔助波束跟蹤，結合定位技術縮小波束掃描范圍、縮短波束訓練時間，也可以優化波束發送。另一方面，通信輔助感知的波束管理方案來降低開銷。同時，需要考慮感知和通信的混合波束賦形技術來降低硬件成本。感知輔助技術。感知功能獲取的感知結果可以優化通信信道估計，通信小區切換以及增強通信覆蓋范圍?；拘枰軌颢@得感知感知結果來輔助通信資源的優化。2.32.3 感知對終端的需求感知對終端的需求6G 終端除了通信能力的增強，還需要具備滿足特定需求的感知功能，具體體現在以下幾方面3：10感知信號接收和發送。6G 網絡可能

15、存在多種和終端相關的感知模式，終端需要將感知能力發送給網絡，能夠接收靈活的感知信號發送配置和接收配置，并且可以按照配置的資源進行發送和接收感知信號。感知信息采集和處理。終端通過對接收信號的分析能夠提取出反映傳播環境特征的感知信息。為滿足高精度感知需求，終端需要支持更高頻段、更大帶寬，結合各頻段的特性進行聯合感知，同時盡可能減小與網絡設備或其他終端的同步誤差。并且，終端需要能夠對采集的感知數據進行處理，以減少信息上報的開銷或者應用感知結果。感知信息傳輸。終端需要將感知數據上報給網絡，終端上報的感知數據需要綜合考慮上報數據量、時延、開銷以及隱私安全等各方面的影響。11第三章第三章 潛在感知波形潛在

16、感知波形3 3.1.1 OFDMOFDMOFDM（Orthogonal Frequency Division Multiplexing，正交頻分復用）波形作為典型的多載波調制技術被廣泛應用于 4G/5G 移動通信系統，基于傳統通信處理的感知處理流程如圖 2 所示。圖 2 OFDM 系統感知處理流程假設基站發射 M 個 OFDM 符號的數據，每個 OFDM 符號包括 N 個子載波，則經過距離 R，相對速度為 V（其導致的多普勒頻移為 F）后，接收的基帶信號可以表示為：子載波的調制符號符號第第子載波的信道增益符號第第n:,n:,2,2221010mnmxmnmCTcRtmTtrecteenmxnm

17、CtrTOFDMOFDMFtjcRtfnjTNnMm這里速度 V 與多普勒頻移 F 的關系為：為載波波長,2VF 采樣并 FFT，第 m 符號的第 n 個子載波上的接收信號可以表示為：1.1,0,1,.1,0,222NnMmeenmxnmCnmxOFDMmFTjcRfnjTR可以發現：距離導致的相移與 OFDM 符號索引無關，該相移隨著子載波索引的變化而線性變化。速度導致的相移與子載波索引無關，該相移隨著符號索引的變化而線性變化。也就是說，距離和速度對接收信號相位的影響是解耦的，二者可以獨立進行檢測。12在不考慮干擾和噪聲因素時，利用最小二乘法（Least Squares，LS）信道估計獲取得

18、到信道信息（即檢測矩陣）可消除發送數據影響。進一步地，通過對檢測矩陣進行（時域）維度的相位信息進行檢測得到多普勒/速度，進行列（頻域）維度的相位信息檢測可以得到時延/距離信息，同理，對不同接收天線的相位信息進行檢測得到角度信息，進而可以計算得到感知目標的位置、軌跡信息等。OFDM 用于感知其存在承載數據的能力強、易與現有標準兼容、模糊函數呈現圖釘狀，具有良好的距離和速度分辨能力等優點。但是，OFDM 的峰值平均功率比（Peak to Average Power Ratio，PAPR）高、自發自收時自干擾抑制困難，且基于傳統通信處理接收機感知距離容易受限、高速導致子載波不正交時，影響感知性能等缺

19、點。不過采用先進接收機可以大大提升感知的性能。例如 OFDM 信號也可以變換到時延多普勒域，在時延多普勒域進行感知估計，或者直接針對時延多普勒做匹配濾波。3.1.1 基于基于 OFDM 的遠距覆蓋設計的遠距覆蓋設計為消除多徑時延擴展帶來的 OFDM 符號間干擾，通信系統將 OFDM 符號的尾部復制到頭部作為循環前綴（Cyclic Prefix，CP），使得只要多徑信號落入 CP范圍內即可獲得完整信息。因此，CP 長度與信號覆蓋范圍相關。對于感知而言，在感知中存在多徑，特別是多目標的識別需求。當感知多個目標時，近距離目標（時延較?。┯忠兄h距離目標（時延較大）時，可能導致感知信號的多徑時延擴展

20、超過 CP 的能力。面向未來的空口參數集設計，以 60kHz 子載波間隔為例，CP 長度為 1.17s，支持的感知覆蓋范圍：1.17 106 3 108/2 175 米，當子載波間隔為 240kHz 時，感知覆蓋范圍不到 50 米。而在典型的通感應用場景無人機業務中，感知距離應達到 500-1000 米。因此，需進一步擴展 CP 長度以提升感知覆蓋。擴展 CP 其中一種方式是直接增大 CP 長度，感知覆蓋范圍將成比例提升，即：Lmax=TCP c/2。當 CP 長度增大至符號長度一半時，感知覆蓋范圍達到最大，Lmax T/2 c/2。仍以 60kHz 子載波間隔為例，當 CP 長度增大一倍至

21、2.34s時，可實現約 350m 的感知覆蓋，如圖 3 所示。擴展 CP 還可以采用 CPP 分段擴展方式縮短 OFDM 符號，將通信的一個OFDM 符號分割成 N 個短符號，前一個符號的尾部與后一個符號的 CP 重疊，則13前 N-1 個短符號可以看做該 OFDM 符號的等效 CP，長度為N1N(T TCP)+TCP。以 60kHz 子載波間隔、N=2 為例，如圖 3 所示，第一個短符號為 OFDM 符號的等效 CP。OFDM 符號總長度為 16.67s，CP、A2 的長度為 1.17s，A1 的長度為 6.58s，則可以得到等效 CP 的長度為 2TCP+LA1=8.92s，實現了在同等C

22、P 開銷下提升覆蓋范圍 4 倍。圖 3 60kHz 子載波間隔室增強型 CPCP 分段擴展也可以理解為在一個傳統的 OFDM 符號里，數據部分被重復了多次。如圖 4 所示的情況，即為數據部分重復兩次。這樣在雷達感知處理時，僅需對數據部分的后半部分的采樣點進行算法處理，即可避免碼間串擾的影響4。同時，為了獲得上述時域波形，可在頻域載波上間隔插 0，即放置零功率參考信號，然后進行 IFFT 運算即可，與現有的 OFDM 發射流程完全兼容。獲取數據部分重復兩次的頻域參考信號的設計如圖 4 所示，其中非零功率參考信號位置根據需要也可替換為數據5。圖 4 支持感知遠距離覆蓋的頻域參考信號設計示意此外，C

23、P 的擴展思路還有設計新的 ISAC 信號結構，如圖 5 所示。其關鍵14設計包括：感知信號跨越兩個相鄰通信符號的持續時間；感知和通信信號在頻域中復用，共用子載波集合，且子載波分配可連續或不連續；在時間域中，感知信號在兩個相鄰符號間重復，通信符號附有 CP，而感知符號交替使用 CP 和循環后綴（CPost）實現同步，可做到與傳統 UE 的無縫兼容。圖 5 ISAC 系統的新型信號結構圖 6 展示基于此種信號結構的信號幀設計。為保持兼容性，傳統 UE 應被調度到不使用感知子載波的資源塊（Resource Block，RB），而新型 UE 可被調度到任意 RB。感知部分的幀結構類型、符號和子載波/

24、RB 索引須定義，并通過調度信令傳達給感知接收機。對于通信，若 UE 占用了完整 RB，則新幀結構對其透明，無需額外信令；但若 UE 只占用部分 RB，且感知占用了其他資源，則幀結構和相關信息必須在調度信令中明確傳達給 UE。圖 6 用于遠距離感知的 ISAC 幀結構示意圖我們通過仿真驗證了此信號結構的有效性，在仿真設置中，我們將可用帶寬的一半分配給數據傳輸，另一半分配給感知信號。這種配置使我們能夠在時域中有效地結合 LoS 徑和衰減 36 dB 的遠距離目標回波。此外，我們將加性白高斯噪聲（AWGN）的功率設置為比 LoS 徑低 20 dB，從而使遠距離目標的回波強度比AWGN 噪聲底部低

25、16 dB。我們對比了提案中提出的解決方案和擴展 CP 長度方案，兩種方法的感知范圍性能表現分別展示在圖 7。15(a)擴展 CP（b）交替 CP圖 7 擴展 CP 和交替 CP 方案覆蓋對比從量化角度來看，我們的解決方案在 SNR（信噪比）性能指標上比現有方法高出 3.8 dB。此外，利用 Shnidman 方程，我們的方案在檢測概率上展示了顯著的提升，從 70%提升到 99%，突顯了所設計方法的有效性。3.1.2 CE-OFDMCE-OFDM（Constant Envelope-OFDM，恒包絡 OFDM）通過對常規 OFDM信號進行相位調制產生恒包絡的多載波信號，獲得 0 dB PAPR

26、 的基帶波形，因此在存在非線性高功率放大器（High Power Amplifier，HPA）的環境下信號失真小于 OFDM，是功耗限制通信場景下的物理層備選接入技術之一。CE-OFDM 的低功耗特性也有助于增強感知系統的覆蓋能力。圖 8 CE-OFDM 系統框圖CE-OFDM系統首先將 QAM調制符號映射為共軛對稱形式，經過FFTN點 IFFT運算獲得實值 OFDM 時域信號 x n，再通過相位調制得到 CE-OFDM 信號：FFT exp2 ,0,1,.,1Ns nAjhC x nnN其中為A為載波信號幅值，2 h為調制指數，NC為歸一化常數因子。最后對16 s n插入長度為CPN的循環前

27、綴后發送?；诤惆j OFDM 信號的感知過程與 OFDM 信號相同：在感知端，恒包絡OFDM 信號無需進行相位解調，只需通過 FFT 將接收信號變換到頻域，然后采用2D-FFT 或 MUSIC 等方法進行感知估計。與 OFDM 相比，傳統 CE-OFDM 信號的感知信噪比存在子載波差異性，頻域模糊函數的主瓣寬度與調制指數2 h有關，其感知性能較 OFDM 有一定損失6。此時可以通過改進的偏移 CE-OFDM（OCE-OFDM）方案調整調制指數和偏移比例來調整子載波之間的功率分配，在通信性能和感知性能上進行折中7。圖 9 CE-OFDM 模糊函數圖總體來說，現有研究顯示 CE-OFDM 在存在

28、非線性 HPA 的環境中能夠取得較優的通信性能，而 CE-OFDM 的感知性能還沒有獲得充分的挖掘。目前有待研究的問題包括感知性能評估、感知算法、波形改進設計等方面。除此之外，盡管恒包絡多載波信號在發送能量效率上優勢明顯，但其非線性處理過程引入了非線性噪聲和濾波，在實際性能驗證中需綜合評估頻譜效率、多目標感知能力、計算復雜度等問題。3.2 FMCW調頻連續波（Frequency Modulated Continuous Wave，FMCW）是雷達領域場17景的波形。其中應用最廣泛的是線性調頻（Linear Frequency Modulation，LFM），其信號定義：0:,:,022,122

29、23是初始頻率，可以為是調頻帶寬調頻斜率其它stutfjfBBuutetusLFM 信號又被稱為 chirp 信號，可以發現，在脈沖帶寬內，線性調頻信號的頻率從20uf 線性增加到20uf，斜率是 u。當 u0 時，稱為正向調頻信號(up-chirp)，否則稱為反向調頻信號(down-chirp)。LFM 其以下優點8：具有峰均比低，LFM 可增加感知距離；自干擾抑制簡單，實現自發自收實現難度低；對多普勒擴展不敏感，在高速目標測量上，實現更好的性能；但是，LFM 承載數據的能力差，并且 LFM 信號較少，無法為多用戶提供感知信號上的正交性。雷達波形除了包含 FMCW 外，還包含非線性調頻信號(

30、Non-linear frequencymodulation，NLFM)。NLFM 的特點是時域恒模，頻域可以設計成任意形狀。這樣做的原因是，通常雷達的接收端需要在頻域進行加窗處理來抑制時域/距離域的旁瓣泄露，而僅在接收端加窗的信號處理方式會造成 SNR 的損失。如果在發射端將頻域設計成窗的形狀，那么在接收端使用匹配濾波的處理方式就可以最大化接收 SNR，并獲得加窗抑制旁瓣的效果。注意到，傳統的 NLFM 需要對窗函數積分的反函數再進行積分，適合發射信號較為固定的雷達系統。而在通感一體化系統，需要綜合考慮通信和感知的需求，對發射信號進行靈活的調整，因此有必要研究更加高效的數字化 NLFM 信號

31、(DNLFM)的實現方式，如在9中，針對時域信號在采樣點上的相位進行計算，通過等效的積分計算方法，只需要少量迭代就可以得到需要的 NLFM 信號。183.3 OTFSOTFS 是一種基于二維辛傅里葉變換的多載波調制方法，將時變的多徑信道轉換為延遲-多普勒域中的二維信道，每一個發送的調制符號經歷與時間無關的信道，然后通過有效的均衡器結構獲得時域和頻域的分集增益10，如圖 10 所示。圖 10 OTFS 信號調制解調流程OTFS 的核心就是需要經過二維離散逆辛傅里葉變換（Inverse SymplecticFinite Fourier Transform，ISFFT），如圖 11 所示。OTFS

32、通過 ISFFT，使得時頻信道在時延-多普勒域上不再是稠密的，而是稀疏的，且在時延多普勒域上，信道不再是點乘到數據網格上，而是卷積在發射數據上。這使得 OTFS 信號具有不同的導頻設計與信道均衡方案。與傳統 OFDM 接收機的主要區別是，傳統 OFDM接收機在進行多徑時延估計和多普勒估計時是解耦的，也就是說傳統 OFDM 接收機假設了在一個 OFDM symbol 內高速運動導致的多普勒頻率可以被忽略，多普勒頻率的影響主要體現在 OFDM symbol 間會引入多普勒頻移而導致的相位旋轉。多普勒頻移的影響主要依賴額外的時間高密度的參考信號如 PTRS 的設計，以及相應的糾偏算法。而 OTFS

33、則原生地在信道均衡的過程中消除多普勒的影響，將多普勒的影響和時間信道等效看待。因此，在高速場景中，OTFS 有潛力像均衡時域信道一樣均衡掉多普勒頻移的影響，其魯棒性優越于傳統 OFDM 接收機的頻域糾偏方案，其后者限制于具體算法和可利用的時頻資源。圖 11 時變信道時延多普勒域信道響應19OTFS 相較于傳統 OFDM 接收機的優勢主要體現在高速移動場景下的距離估計。對于傳統 OFDM 接收機，由于高速場景下多徑效應和多普勒頻移導致子載波間的正交性喪失，使得傳統 OFDM 接收機中的頻偏糾正算法面臨失效。而 OTFS使用在時延多普勒域二維正交基函數來對抗時變多徑信道的動態特性，將衰落時變的多徑

34、信道轉變為稀疏緩慢的時變信道，進而只要最高多普勒頻移小于子載波間隔，就可以解決頻偏的問題。對于低速場景，感知目標的多普勒頻移接近于零，感知目標參數主要位于時延信道中，傳統 OFDM 接收機對于不受多普勒頻移影響的時延信道具有很好的估計性能，此時 OTFS 與 OFDM 的時延估計結果在特定場景下等效，性能也類似。雖然 OTFS 相比傳統 OFDM 接收機具有巨大優勢，但目前實現方面還有一定困難。首先，OTFS 變換帶來的算法復雜度通常是傳統 OFDM 接收機運算量的幾倍，這樣會大大影響傳輸效率。其次，OTFS 現在和 MIMO 技術結合還存在問題。OTFS 和 MIMO 結合主要在于信道狀態信

35、息參考信號（CSI-RS）設計上需要推翻原有的 CSI-RS 設計。由于時延-多普勒上的數據，經過信道傳輸，不再保持正交。因此需要調研 CSI-RS設計能否復用在 OTFS-MIMO 上。經過信道傳輸，數據不再保持正交，因此首先經過一個 DMRS 先對數據進行解調，隨后才能計算 CSI-RS 獲得的碼本11。對于傳統的 OFDM 信號，UE 接收到的信號的時頻資源的位置是固定的，UE只需要在指示的時頻位置上找到 CSI-RS 并接收，基于已有的先驗信息排除掉時頻資源不一致引入的額外的相位（在某些情況下，這個相位可能很?。?，就可以計算預編碼矩陣指示，并反饋。對于 OTFS，由于在時延、多普勒域的

36、信道是卷積在發射信號上的，所以會導致接收機在不知道信道信息的時候，并不知道在哪里接收目標?？梢栽趯奈恢谜业椒逯?，盲檢測 OTFS。這會引入額外的復雜度用以尋找峰值，且也會導致信噪比比較低。也可以先進行時頻信道估計，隨后檢測不同天線的引入的空域信道信息。這就要求給 DMRS 和 CSI-RS 需要共同設計，用來先進行時頻信道估計，再進行空域信道估計。這還會要求接收端原來可以時頻信道、空域信道在各自的參考信號上進行估計，變為現在需要空時頻同時進行估計。跟進一步地，如果 OTFS 在時延多普勒域配置碼分復用（Code DivisionMultiplexing，CDM）組，則一定導致組內信道在時頻

37、域上混疊在一起，此時要求其一定需要均衡時頻信道后，才能進行空域信道估計。這要求現有的 CDM 組20在 OTFS 信號上需要重新設計。3.4 OCDMOCDM（Orthogonal Chirp Division Multiplexing，正交線性調頻分頻復用）是一種用于高速通信的技術，它通過復用一組正交的線性調頻波形實現數據傳輸。在 OCDM 中，菲涅耳變換（Fresnel Transform）用于實現線性調頻波形之間的正交性。就像傅里葉變換在 OFDM 中的作用一樣，菲涅耳變換是 OCDM 的核心。離散菲涅耳變換（DFnT）允許 OCDM 在數字領域的實現。菲涅爾變換后的域中（在此稱之為 c

38、hirp 域），chirp 域中的基信號是彼此正交的。這些基信號在時間上是平移的關系。因此首先生成第一個基信號，其他的基信號可以基于這個信號的平移獲得。菲涅爾變換公式為首先，OCDM 在通信上基本沒有顯著優勢，其頻譜效率和 OFDM 類似12。而波形本身的 PAPR 在數據是隨機比特情況下和 OFDM 在統計上基本一致。在復雜度上，OCDM 和 OTFS 的信道估計和均衡都需要對數據進行解卷積操作，復雜度大于傳統 OFDM 接收機。除此之外，OCDM 由于數據會卷積在信道中，和 OTFS類似，因此上述 OTFS 和 MIMO 結合的難點都會出現在 OCDM 波形系統中出現。因此，OCDM 在通

39、信上取代 OFDM 成為 6G 波形的可能不大。而從感知的角度看，在已知信道的時延擴展的情況下，OCDM 可以生成若干個 PAPR 為零的線性調頻信號（LFM 則只能生成兩個上升頻率下降頻率的信號），用于感知參數估計，這在擴展感知范圍上具有正面效果。但是，OCDM 信號無法像 OFDM 結合DFT-s-OFDM 一樣在一個符號的時長內生成脈沖式的信號，必須發滿整個符號的連續調頻信號，這在極高功率超大范圍覆蓋時會在自發自收場景中導致自干擾。因此 OCDM 在小功率、近距離場景的不會有自干擾問題的情況下，具有減小 PAPR增大感知距離的增益，并由于有多個正交線性調頻信號，能夠為更多用戶提供感知服務

40、。此外，OCDM 也有一些增強結構，比如 IM-OCDM（Index Modulation-basedOCDM，索引調制正交線性調頻波分復用）。IM-OCDM 結合了 IM 和 OCDM 波形，利用子波形，利用子啁啾的索引域傳輸隱蔽信息，并進一步降低 PAPR 和實21現頻譜整形13。3.3.5 5 小結小結對以上四種潛在感知波形進行分析，其性能、復雜度上各具優劣，總結如表1 所示。表 1 四種潛在感知波形總結感知估計性能感知估計性能系統復雜度系統復雜度系統可行性系統可行性OFDM良。PAPR 高和高速場景時性能會收到影響已 大 規 模 商 用 部署，復雜度可接受可行性高，已大規模部署，系統改

41、動小LFM最優，恒包絡，高多普勒情況下不受影響（需要算法優化）脈沖壓縮、相干解調兩種感知方案復雜 度 均 類 似 于OFDMLFM 信號較少，需向不同用戶提供整塊的時頻域資源以提供正交性OTFS使用高階處理算法時，高速場景下測距性能有提升較高。解調需要額外多進行 FFT 操作以及更復雜的信道估計算法實 現 存 在 一 定 難度。需要以幀為單位發射、接收信號，多用戶復用信道、雙工模式有待討論OCDM僅次于 LFM,依賴參考資源設計，最優情況下恒包絡，最差 PAPR 接近 OFDM較高。解調需要額外多進行 DFnT 操作以及更復雜的信道估計算法OCDM 在通信上基本沒有優勢，在感知上通過參考資源的

42、設計，可以在小功率場景中為多用戶提供接近 LFM 的感知精度注：這里的 OFDM 是指基于傳統 OFDM 接收機22第四章第四章 感知信號設計和處理感知信號設計和處理4.14.1 感知信號設計感知信號設計4.1.1 感知信號序列設計感知信號序列設計感知信號序列設計需要考慮序列自相關特性、互相關特性、PAPR 特性等方面，序列特性對感知系統的抗干擾性能和覆蓋性能有重要影響。當前通信系統采用的參考信號序列主要包括 Gold 序列和 ZC（Zadoff-Chu）序列。Gold 序列具有生成簡單，自相關和互相關特性優良，支持產生的序列個數多等優點；ZC 序列除了具有理想的周期自相關特性和良好的互相關特

43、性，其在時域和頻域都具有恒包絡的理想特性，兩者均可作為感知信號的候選序列。通信系統中序列設計通常僅考慮時域或頻域維度序列特性，而感知數據處理通常聯合多個符號或多個時隙進行相干處理，需要同時考慮序列的時域和頻域維度特性。例如對于采用頻域序列生成和映射的通信參考信號，多個 OFDM 符號上的感知信號對應的時域自相關旁瓣較高，且不同設備信號之間的時域互相關值較高，可以對不同 OFDM 符號承載的序列進行隨機化改善其自相關特性及互相關特性14。以 NR 通信系統參考信號為基礎，對不同 OFDM 符號承載的序列的相位進行隨機化，優化前以及優化后信號的時域維度自相關特性和互相關特性對比如圖12 所示，可見

44、優化后的信號具有更低的時域維度自相關旁瓣，以及更優的時域維度互相關特性，該方法對 Gold 序列和 ZC 序列都適用。0204060801001201401601802000102030405060708090100AutocorrelationBaseline RS DesignImproved RS Design02040608010012014016018020005101520253035404550Cross-correlationBaseline RS DesignImproved RS Design圖 12 序列自相關與互相關性能對比：自相關（左），互相關（右）進一步地，圖 13

45、 給出了將優化前以及優化后的信號用于目標定位或測速時的感知性能仿真評估結果，可以看出，對信號時域維度序列特性進行優化能夠提23升感知性能。02468101214161820Accuracy(m)00.10.20.30.40.50.60.70.80.91CDFPositioning accuracyBaseline RS DesignImproved RS Design012345678910Accuracy(m)00.10.20.30.40.50.60.70.80.91CDFVelocity estimation accuracyBaseline RS DesignImproved RS De

46、sign圖 13感知性能對比評估結果：定位精度（左），測試精度（右）盡管 ZC 序列具有時頻域均恒模的特性，但通信的發射信號是經過過采樣的，其時域波形并不是完美恒模的，此時不同 ZC 更下的信號時域特性存在不小差異。這里采用 Cubic Metric 來衡量功率放大器的功率效率降低。如圖 14，在 3761 的ZC 長度下，不同 ZC 根的 Cubic Metric 差異非常大，跨度超越了 3dB。因此有必要對 ZC 根進行一定的挑選和限制，來提升感知的性能。進一步地，對感知信號功率受限的設備或者目標回波微弱的場景，可以直接推薦其選用特定的 ZC 根來確保性能。圖 14 ZC 序列性能4.1.

47、2 感知信號圖樣設計感知信號圖樣設計均勻感知信號的信號配置和對應的信號處理均相對簡單，并且具有較好的感知性能。然而，在通感一體化的場景下，均勻感知信號具有時頻資源開銷大、資源配置靈活性差等局限性。感知目標在時延域和多普勒域的稀疏性，使得感知信號的非均勻配置成為可能，并顯著降低感知信號的時頻資源開銷、提升資源配置24的靈活性。非均勻感知信號設計的兩種典型方法是：壓縮感知方法、差分協同陣列方法：壓縮感知方法：其關鍵在于稀疏矩陣和觀測矩陣的構造。在通感一體化系統中，如果采用 OFDM 信號波形，則默認在頻域采用 FFT 稀疏基、在時域采用IFFT 稀疏基。對于任意一個 RE，只存在被感知信號占用和不

48、被感知信號占用這兩種狀態，因此可以采用隨機伯努利矩陣（僅包含 0 和 1 的矩陣）作為觀測矩陣。從而，感知信號的配置能夠完全沿用現有的參考信號配置框架。在感知信號接收端，可以通過貪婪算法迭代搜索重構出時延譜和多普勒譜。差分協同陣列：由物理陣元之間的頻率差或時間差構造虛擬陣元，從而能夠通過較少的陣元數構造較大的陣列。典型的虛擬陣列構造方法是嵌套陣和互質陣。在接收端，通過對非均勻的物理陣列的接收信號做協方差運算來構造均勻的虛擬陣列的接收信號。需要指出的是，構造虛擬陣列后會使得各個徑變成相干信號，需要先進行解相干處理后才能應用子空間類算法；或者，可以采用 FFT/IFFT 算法。圖 15 為在樣機中

49、采用非均勻感知信號與均勻感知信號得到的時延-多普勒譜的對比。非均勻感知信號在顯著降低時頻資源開銷的同時，會損失一定的感知信噪比。因此在實際應用中，需要在資源開銷與感知信噪比之間權衡。(a)均勻信號(b)壓縮感知方法(c)嵌套陣方法圖 15 非均勻感知信號實測時延-多普勒在通感一體化系統中，非均勻感知信號的配置可以采用兩步配置方法。首先進行均勻感知信號的設計，然后基于均勻感知信號進行非均勻采樣得到非均勻感知信號。具體地，從均勻信號占用的時頻資源中進行非均勻采樣，選擇出一部分子載波或 OFDM 符號用以承載感知信號，實現非均勻感知信號設計，如圖 16 所示。與均勻信號相比，非均勻信號能夠減小感知信

50、號占用的信號資源數，且能夠避開部分子載波或 OFDM 符號以避免與其他信號的沖突。25圖 16 兩步非均勻感知信號設計方法增強協方差矩陣的方法(augmented covariance matrix)主要是在雷達稀疏陣列上進行應用，也可以將其應用到時域，以降低時域資源開銷。以最小冗余時域資源為例，如圖 17 所示。圖 17 左圖是開銷為 10 個符號的均勻時域時域資源，其在構造協方差矩陣時，共產生 100 個值，這些元素代表了時域位置差為-88 的信號的共軛乘，可以看出在協方差矩陣中，很多元素是存在冗余的。圖 17 右圖是最小冗余時域資源，只占用了 5 個符號的時域資源，其也能夠表示出時域位置

51、差為-88 的信號的共軛乘，從而重構出協方差矩陣來估計多普勒頻率或速度。圖 17 基于協方差矩陣的圖樣設計一種可實現的互質圖樣設計方案如圖 18(a)所示，感知信號間隔為3,4,5，互質且周期重復，下面以最大無模糊速度為例仿真分析互質間隔與等間隔感知信號性能。UAV 場景下感知業務的最大無模糊速度應至少高于其移動速度 160km/44.4m/s,仿真設置載頻 3GHz 和子載波間隔 15kHz，則感知信號在時域上等間隔 4 個 slot 排布的最大無模糊速度為 12.5m/s。圖 18（b）表明當檢測速度超過 12.5m/s 后會出現多個樣值，即已經超過最大無模糊速度且不滿足 UAV 場景感知

52、性能要求，而與其相同數量資源開銷的在時域上間隔3,4,5個時隙的感知信號性能如圖 18（c）所示，其最大無模糊速度為 50m/s，不僅滿足性能要求，還能夠在達到連續時隙排布的最大無模糊速度性能的同時節省 75%的資源開銷。同26理，可應用于頻域，在滿足最大無模糊距離的同時節省資源開銷。（a）互質的圖樣設計（b）時域等間隔排布性能（c）互質排布性能圖 18 互質的非均勻圖樣設計此外，感知業務具有不同的需求，比如可根據不同的需求以及可用時頻資源，考慮雙周期的參考信號頻域配置方法，來更好的處理測距精度和最大測距范圍的權衡。在頻域進行雙周期的信號設計通?？梢圆捎媒豢椈蚍墙豢椀姆椒ㄟM行設計，如圖 19

53、所示。（a）交織的頻域雙周期映射方式（b）非交織的頻域雙周期映射方式圖 19 頻域雙周期映射方式示意對于均勻頻域映射和非均勻頻域映射，我們利用圖 20 所示的頻域資源圖樣，進行了鏈路仿真，仿真結果如圖 21 所示。圖 20 的資源圖樣中，均勻映射和非均勻映射占用資源數相同（均為 240 個27RE）,由于均勻參考信號中 RS0 和非均勻參考信號中 RS2 的等效子載波間隔均為2f，均勻映射和非均勻映射所對應的最大測距范圍相同（均為Rmax=c2f=c4f）。從圖 21 的仿真結果中可以看出，當占用參考信號的感知頻域資源數與最大測距范圍均相同的時候，非均勻映射比均勻映射的測距誤差減低。圖 20

54、均勻映射與非均勻映射的頻域占用情況對比圖 21 均勻映射與非均勻映射的測距精度對比同理，可以在時域進行雙周期設計來平衡速度測量與資源開銷。雙周期測量利用第一個周期來確保最大不模糊速度，而第二個周期則用于提升速度分辨率，一種可能得雙周期配置示意如圖 22 所示，參考信號雙周期配置包括P1和P2，其中P2包含P1。圖 22 雙周期配置感知信號除了在一維進行圖樣設計，還可以在時域和頻域均使用非均勻圖樣，這樣相28比于一維圖樣可以大大降低資源開銷。另一種方法也可以從孔徑的角度出發，無論是否使用非均勻圖樣，圖樣的孔徑決定了感知的性能。最大孔徑雷達切片(max-aperture radar slicing

55、,MaRS)技術可以通過使用少量的時頻域資源來獲取最大的時頻域感知孔徑，通過特殊的信號處理也可以獲得時頻大孔徑的感知效果15。此外，利用多層結構陣列技術，可以以較低的復雜度和內存需求設計感知參考信號時頻配置所需的大規模非均勻圖樣16。一個大規模圖樣可以由兩個規模較小的陣列構造而成，這兩個小陣列分別被稱為內核和外核。具有兩層結構的圖樣所對應的點擴散函數是內核和外核所對應的點擴散函數因子的乘積。因此利用這種兩層結構，構造大規模非均勻圖樣的問題可以簡化為兩個小規模矩陣設計問題。兩層結構化感知參考信號時頻配置的基本思想是利用具有較大最大無模糊區域的內核因子來抑制由于大采樣間隔導致的外核因子的柵瓣，同時

56、利用具有較窄主瓣的外核因子來銳化內核因子的主瓣，以獲得具有較大最大無模糊范圍和較窄主瓣(較高分辨率)的點擴散函數。內核因子和外核因子可以通過現有的稀疏陣列設計方法進行設計。4.1.3 感知信號復用方式感知信號復用方式配備大規模/超大規模天線陣的 6G 系統具有較高的空間自由度，通感空分復用在該場景下具有較大的潛在應用價值。通感空分復用時，可通過全連接架構或部分連接架構同時生成不同方向的通信波束和感知波束。與傳統多用戶通信系統類似，此時可能會存在通信和感知之間的相互干擾。因此需要設計合適的通感一體化空分復用干擾檢測和抑制方案來降低該相互干擾，保證兩者的性能。預編碼技術可用于解決傳統 MIMO 通

57、信系統多用戶之間的干擾，能有效提升系統傳輸速率和鏈路可靠性。對于通感空分復用場景，可將通信接收端和感知接收端視為一體化系統的多用戶，從而在該場景中應用 MU-MIMO 預編碼技術，或基于通感的新需求進行方案優化或改進。例如，以基站作為通感一體化發射端，感知采用基站主動感知，通信為與基站-UE 間的下行通信，兩者共用基站的發射天線，以同時生成指向不同方向的感知和通信波束，感知接收天線面板與一體化發射天線面板采用物理隔離的方式以避免收發干擾。此時在發射端采用全數字 ZF預編碼方案進行通信和感知間的干擾抑制。波形圖如圖 24 所示，采用導向向量生成波束。以某個時刻為例，此時通信波束指向 20、感知波

58、束指向 33。當有干擾未消除（記為 withISI）時，見圖 24(a)，29通信和感知旁瓣在感知方向和通信方向都存在較大旁瓣，即存在相互干擾。當不考慮干擾（記為 noISI）時，通信和感知為兩個獨立的系統，波形圖與 withISI 的情況類似，但每個功能僅保留自身的波形圖即可。當有干擾并在發端利用全數字ZF 進行干擾抑制（記為 delISI）后，能看到通信和感知旁瓣在感知方向和通信方向的旁瓣相比未做干擾抑制前都被大幅削減至 0，即通信波束和感知波束方向的旁瓣干擾基本都被抑制掉。圖 23 通感空分復用波束方向圖：(a)withISI；(b)delISI圖 23 的(a)和(b)分別展示了通信和

59、感知在 noISI、withISI 和 delISI 三種情況下關于 SINR 的性能對比圖，可看出通信和感知的情況基本一致。以圖 25(a)的通信為例，withISI 的 SINR 性能相比 noISI 的 SINR 性能在 SNR=0dB 后逐漸大幅下降，這是因為 SINR 性能在 SNR=0dB 前主要被噪聲影響，在 SNR=0dB 之后干擾的影響逐漸增大。做完干擾抑制后，delISI 的 SINR 性能又會提升至 noISI 的SINR 性能，說明全數字 ZF 預編碼能有效抑制通信和感知間的相互干擾。(a)通信（b）感知圖 24 感知和通信的 SNR4.1.4 通感信號融合設計通感信號

60、融合設計在 5G 中，移動通信系統引入了各種參考信號（Reference Signal，RS）用于30多種用途，例如 CSI-RS（Channel State Information-Reference Signal）用于 CSI測量和波束管理，跟蹤 CSI-RS 用于獲取時間和頻率跟蹤，PTRS（Phase-trackingRS）用于相位噪聲和多普勒估計，PRS（Positioning Reference Signal）用于定位測量。對于感知來說，研究和定義用于感知目的的參考信號是很自然的。然而，由于感知往往需要提取目標物體的多普勒信息，在進行信道估計時需要多很多個時隙進行聯合處理，此外為了

61、高精度的距離測量，感知參考信號的帶寬也需要非常大。如果單一的感知參考信號具有大帶寬，多時隙傳輸，可能會導致較大的系統開銷。所以可以考慮以下多種參考信號融合設計，共同服務于感知以及通信。RS 集合集合 1：用于時間：用于時間/頻率跟蹤的基本參考信號頻率跟蹤的基本參考信號這一組參考信號可以作為 6G 的基本 RS，用于多種用途，例如波束管理（BM）、時間-頻率跟蹤、時間或延遲估計、到達角度估計。NR 的 CSI-RS 用于波束管理（BM）、無線資源管理（RRM）、跟蹤、PRS 的模式可以作為這一組 RS 的起點?；旧?，對于集合 1 中的 RS，單端口可能就足夠了，以節省 RS 開銷。然而，頻域密

62、度應足夠高，以確保估計的準確性。為了提高系統傳輸效率，最好為具有上述用途的參考信號采用統一或嵌套結構。如圖 25 所示，使用四個 OFDM 符號的 RS 模式既用于定位又用于感知，同時，在第二個 OFDM 符號中標記為藍色的 RE 也配置用于波束管理。這是不同用途的 RS 嵌套結構的一個示例。在這種情況下，服務基站（Base station，BS）只需傳輸一次 RS 資源，但 UE 可以同時用于感知、定位和波束管理（BM）測量。圖 25 參考信號集合 1RS 集合集合 2：用于更好地獲取相位噪聲：用于更好地獲取相位噪聲/多普勒信息多普勒信息/頻偏頻偏/速度估計的補充速度估計的補充為了避免非常高

63、的速度估計的模糊性，并支持更精細的速度估計分辨率，類31似 PTRS 的模式在時間域中具有更高的密度，在頻率域中具有較低的密度，以平衡估計準確性和 RS 開銷，類似于 NR。如圖 26 所示，對于感知目標估計，例如無人機入侵檢測，在左側標記為黃色的基本 RS 集合 1 的基礎上，PTRS 可以作為提高速度估計精度的補充。在這種情況下，黃色部分更適合用于路徑/時間估計，而綠色部分可以用于更高精度的目標速度估計。圖 26 參考信號集合 2RS 集合集合 3：用于更大覆蓋范圍的補充：用于更大覆蓋范圍的補充在另一種情況下，即使 RS 由 BS 傳輸，也需要極大的覆蓋范圍來進行感知。例如，如圖 27 所

64、示，由于無人機的高度非常高以及 BS 天線仰角的限制，BS0可能無法成功檢測到入侵的無人機。那么，更好的方法是讓 BS1 對該區域進行感知。然而，由于無人機與 BS1 之間的距離較大，BS1 傳輸的 RS 應具有較大的覆蓋范圍。為了實現大的覆蓋范圍，設計低峰均比（PAPR）的 RS 是必要的。圖 27 UAV 感知場景需求更大感知范圍RS 集合 3 需要更大的覆蓋范圍 與 NR 下行鏈路中使用的 Gold 序列相比，ZC 序列具有更低的 PAPR 和更好的自相關和互相關特性。它可以被認為是 BS 傳輸參考信號的補充集，以在 BS 傳輸端實現更好的覆蓋性能。此外，雷達中常用的線性調頻（LFM）序

65、列由于其極低的 PAPR 和對自發自收感知模式檢測的友好性，也可以選擇。特別是自發自收感知模式可能存在覆蓋問題，如圖 28 所示，方案 A1 可能不足以感知遠離感知收發器的目標。這是因為感知收發器需要同時傳輸和接收感32知 RS，更大的傳輸功率將導致嚴重的自干擾，并進一步導致接收功率飽和。例如，對于 FR1 中的無人機入侵檢測，使用 BS 自發自收感知模式，最大傳輸功率可能不超過 20 dBm 左右以避免接收功率飽和。因此，可以考慮圖 28 所示的方案 A2，其中發射和接收可以以時分復用的方式進行。例如，當接收天線正在接收感知信號時，發射天線可以關閉。為了覆蓋整個感知區域，可以考慮同時配置方案

66、 A1 和 方案 A2，分布服務于近感知區域和遠感知區域。圖 28 自發自收感知下的兩種波形結合總之，為了提高 RS 傳輸效率，可以將多種類型的 RS 融合與一個目的相關聯。例如，可以為感知目的同時配置一個 PRS 資源、一個 PTRS 配置和一個 TRS突發，如圖 29 所示。在這種情況下，由于頻域密度較高，PRS 或 TRS 突發主要用于較好的路徑/時間/RSRPP 估計，而具有較高時間域密度的 PTRS 可用于更好地估計目標速度。圖 29 多個參考信號融合共同用于感知4.24.2 感知信號處理感知信號處理4.2.1 干擾消除干擾消除對于通感一體化系統，獲取精確的感知測量結果很重要，但是環

67、境及通感系33統中的各種外部和內部干擾因素會顯著影響感知測量結果的精度。如果不消除這些干擾，將給后續的感知數據處理帶來很大的問題。感知環境中來自非待感知目標的回波是一種外部干擾。通感一體化系統要探測的目標（例如自動駕駛場景中的車輛和行人）周圍經常存在著各種背景，例如各種地物、道路兩旁的護欄等。這些背景所產生的回波稱為雜波。當雜波和待感知目標回波同時在雷達圖上顯示時，會使待感知目標的觀察變得很困難。一種解決方案是利用密度聚類算法識別在回波信號中識別出雜波物體17。通過密度聚類算法，可以將探測點聚類為多個簇。根據感知應用場景中常見待感知目標與雜波目標的幾何特征，合理的選擇密度聚類算法參數，即可識別

68、環境中的待感知目標和雜波目標。通感系統中的一種內部干擾來自于高電平的旁瓣干擾。在雷達信號處理中，匹配濾波是常用的低旁瓣脈沖壓縮方法，其關鍵思想是在接收端盡可能復現和恢復發送端的期望波形，從而實現脈沖壓縮。然而對于通信波形來說，感知的功率放大器一般工作于非線性區，會導致發射信號的嚴重失真，造成脈沖壓縮后的旁瓣水平抬高。同時，受通信信息的高隨機性的影響，通信信號的雷達點擴展函數旁瓣較高，且存在大量偽峰?？梢酝ㄟ^失配濾波、稀疏感知以及多脈沖累積等方法對通信波形進行脈沖壓縮以抑制旁瓣?；谑錇V波的通信波形脈沖壓縮方法的主要思想是通過設計參考信號，將脈沖壓縮處理后的通信信號的旁瓣和偽峰能量移至模糊平面

69、遠端，而對于模糊平面近端的主瓣臨近區域，旁瓣和偽峰近似為零1819?；谙∈杌謴偷耐ㄐ挪ㄐ蚊}沖壓縮方法的主要思想是，在雷達目標成像中，當雷達回波中存在強散射點時，雷達目標的回波信號在高頻段可以看做是少數幾個散射中心回波信號疊加的結果，目標相對于成像背景表現出高度的稀疏性。針對雷達目標回波的稀疏特性，將雷達成像模型轉化為稀疏表示模型，并采用稀疏重構方法來對雷達目標參數進行優化求解20?；诙嗝}沖積累的通信波形脈沖壓縮方法是在匹配濾波后采用脈沖積累的方法可以抑制旁瓣。圖 30 是基于OFDM 通信信號的脈壓效果對比：34a)匹配濾波b)失配濾波c)稀疏感知d)多脈沖積累圖 30 通信波形下的低旁瓣

70、脈沖壓縮方法處理結果通感系統中的另一種內部干擾來自于器件和硬件電路的非理想因素，包括定時偏移、載波頻率偏移、時域隨機相位、通道不一致性、和相位噪聲等21，這些非理想因素導致的測量誤差，會顯著影響感知的精度，其中通道不一致性可通過硬件的校準得到很好的抑制，時域隨機相位問題目前尚未得到充分的研究。收發端之間的定時差異會造成定時偏移，給感知信號在頻域上帶來除了信號傳播時延產生的、額外的相位偏差，從而造成距離測量誤差。收發端設備使用各自的本振頻率源進行信號生成，收發端設備之間的本振頻率差異會引起載波頻率偏移，進而造成速度測量誤差。時域隨機相位來自于發射機天線、射頻模塊、時鐘模塊、數字處理模塊的其中至少

71、一者在信號發送和接收過程中狀態發生了變化。時域隨機相位會嚴重降低多普勒、角度的測量精度，甚至導致多普勒和角度無法測量。上述內部干擾可以通過共同時鐘校準方法、CSI 商/共軛乘方法、參考徑方法、往35返測量方法等方式來減弱或消除。感知信號的收發端共用時鐘（光纖直聯或 GPS）是解決時鐘偏差和本振頻率偏移問題的最直接的方法。對多個共用頻率源的接收天線的接收信號進行除法運算或者共軛乘運算，能夠抑制本振頻率偏移和時域隨機相位的影響。利用參考徑可以對時鐘偏差和本振頻率偏移進行校準，避免收發端設備間同步誤差的影響，其核心思想是通過已知信號傳播時延和多普勒頻率的參考徑來估計出疊加在這條徑上的額外的時延和多普

72、勒頻率，即分別為時鐘偏差和本振頻率偏移。通過往返測量來估計出感知信號的收發端之間的時鐘偏差和本振頻率偏移，其基本思想是，對于同一感知目標，感知信號的收發端之間雙向收發感知信號，進行往返測量得到的信號傳播時延和多普勒頻率是相同的，而時鐘偏差和本振頻率偏移的絕對值相同、正負號相反，因此可以提取出時鐘偏差和本振頻率偏移。4.2.2 虛擬孔徑虛擬孔徑高頻段的超寬帶寬和超大規模天線陣列技術的融合，可以實現高精度的感知。但是，同時也帶來了天線硬件成本高、系統功耗高、波束偏移等問題。稀疏陣列天線具有低成本、低功耗等優點，采用稀疏陣列天線的通感一體化系統可以獲得與同尺寸天線陣列類似的單目標感知性能22。另外，

73、可重構全息表面（Reconfigurable holographic surface,RHS）天線也可以替代常規的偶極子天線陣列，以實現低成本、低復雜度的大規模天線陣23。使用 OFDM 波形調制的寬帶大規模陣列系統中會出現波束偏移現象，即來自不同頻率的子載波的波束賦形會指向不同的角度方向，使部分子載波的能量偏離所期望的用戶或目標位置，造成嚴重的能量泄露。波束偏移現象對通信而言是一種負面效應，通常采用真時延線補償或子陣列補償的方式緩解波束偏移對通信的負面影響。然而，通過調整真時延線和移相器的取值，能夠反向控制波束偏移效應，使其有利于 ISAC 系統快速實現用戶和目標的參數估計，降低感知波束管理

74、的復雜度，增強系統整體感知性能24。為了降低 ISAC 系統的硬件成本，并提升天線硬件的利用率，25提出一種基于統一天線結構的虛擬孔徑技術，通過設計感知發射方案及增強的接收方案，將一套收發天線用于通信和感知，實現硬件的一體化、并提高感知的角度分辨率。首先，提出 ISAC 統一天線架構，考慮 N 個半波長間距的 ULA 天線（方案36可拓展至 UPA 天線），如圖圖 31 所示。對通信業務，該半波長間距的天線陣列可以用于通信信號的收發，無需額外設計；對感知業務，將 N 個天線分為兩組發射天線（每組包含 M 根天線）、一組接收天線（NR=N-2M，部分天線可留作保護間隔），為了增加發射天線距離，兩

75、組發射天線分別位于 ULA 的兩側。圖 31 ISAC 統一天線架構為了在圖 31 的統一天線架構中實現虛擬孔徑，提出增強的發射方案。一方面，對每組發射天線內使用 Beamforming 發送感知信號，在獲得 Beamforming gain、提升感知 SNR 的同時，將組內半波長間距的多天線等效為單天線，用于后續的虛擬孔徑合成；同時，通過 Beam sweeping 實現全區域覆蓋。另一方面，為實現虛擬孔徑，在兩組發射天線中發送正交感知信號（比如，TDM/FDM/CDM 等）。在接收端，對來自兩組發射天線的正交信號進行拼接，實現更大的虛擬孔徑。但是如圖 32 所示，由于發射端未知目標角度0，

76、在每組發射天線內使用角度的 Beamforming 后，實現的等效虛擬發射天線間距為 NRdVA=NRdsin/sin0,只有當=0 時，等效發射天線距離為 NRd，才能滿足虛擬孔徑所需發射天線間距需求。為補償實際系統中0 的問題，提出兩步接收算法。第一步，接收端使用傳統接收算法，對兩組天線的接收信號進行信號合并、實現能量累積（或者只使用第一組發射天線的信號），并利用 FFT 或 MUSIC 等算法估計角度。第二步，使用第一步中估計的角度，對第二組天線的接收信號進行相位修正，并與第一天線的接收信號進行拼接，對拼接后的高維接收信號進行 FFT/MUSIC 等角度估計，實現等效的虛擬孔徑的高角度分

77、辨率。37圖 32 等效發射天線間隔及實現的非均勻孔徑圖 33(a)提供了不進行發射天線優化（即 M=1）時多目標場景的性能，結果表明提出方案通過接收端處理（不改變硬件），可獲得與傳統虛擬孔徑技術（基于硬件設計）類似的高角度分辨率性能。圖 33(b)提供了進行發射天線優化時單目標場景的性能，結果表明提出方案可以更加靈活地利用天線資源進行 SNR 與角度分辨率折中，獲得比傳統虛擬孔徑技術更好的角度估計精度。(a)兩目標場景，M=1(b)單目標場景，M 為最優值圖 33 角度估計 RMSE 性能4.2.3 功率分配功率分配在通感一體化系統中，通信和感知業務共享并復用相同的時間、頻率、功率等資源，并

78、且通信感知業務功能緊密協同，通過頻譜和功率資源實現最大化的復用共享。但是，通信、感知在設計目標上的差異，如何權衡折中通信感知業務的性能，成為通感一體化系統亟待研究的關鍵技術之一。常用的功率分配方法包括：等功率分配技術等功率分配技術將總功率 Ptotal 按照系統帶寬內 RE 的數量，將總功率平均分配在每個 RE上得到 EPRE（Energy per resource element），如圖 34 所示。此時感知區域內的EPRE 與通信區域內的 EPRE 相同，PEPRE=PEPREsensing=PEPRE communicaiton=PtotalN，其中 N 為系統帶寬內的 RE 數量。38

79、圖 34 等功率分配技術 固定功率分配技術固定功率分配技術將總功率 Ptotal 劃分為Psensing=Ptotal與Pcommunication=（1 ）Ptotal兩項，其中為感知信號的功率占比。然后根據不同區域內的 RE 數進一步計算感知與通信 RE 上的 EPRE，PEPREsensing=PtotalNsensing與PEPREcommunication=(1)PtotalNcommunication，其中 Nsensing 與 Ncommunication 分別為感知區域內子載波數以及通信區域內的子載波數，如圖 35 所示。圖 35 固定功率分配技術在通感一體化系統中，基站向 U

80、E 發送下行數據，UE 接收并處理反射回波完成感知任務。不同的下行功率分配機制將導致通信和感知性能的差異，例如，若以等功率的方式分配下行功率，感知的性能最優；而若利用 UE 獲取的 CSI 時，按照注水原理分配下行功率，此時通信的性能最優。在文獻26提出了一種以通信速率和有效感知分辨率為權衡目標的效能評價方案，該評價方案通過對通信和感知業務性能的加權來實現二者性能的均衡。在該評價方案下，根據通信和感知的性能要求，可以得到面向通感一體化的聯合分配方案。圖 36 給出了所提功率分配方案與傳統方案的對比，可以看出所提方案相比于傳統方案獲得了更加均衡的通信和感知性能，可以在犧牲少量的感知(或通信)的性

81、能的條件下，換來通信（或感知）性能的大幅度提升。39圖 36 功率分配方案與傳統方案的對比4.2.4 目標特征識別目標特征識別通過無線感知技術可以感知目標的特征，比如速度、位置、形狀等，卻無法獲得感知目標的身份標識。如圖 37 所示，基站和終端協作感知行人，網絡最終獲得的感知結果，可以包括行人的位置、速度，甚至身高，身體的局部運動等，但是卻無法知道人是誰。圖 37 感知示例但是，在某些場景中，感知目標的身份也很重要，比如在低空無人機場景。未來低空中會存在合法無人機和非法無人機。未來合法無人機會存在通信連接或者飛行計劃報備。而感知是可以把低空無人機都感知出來，需要進一步的對這些無人機進行區別，識

82、別出非法無人機，并對非法無人機采取必要的措施以保證低空飛行安全。再比如在入侵監測場景中，不僅需要感知監測范圍內物體或者人員的數量，還需要從多個物體或人員中識別目標身份，以分辨出是否合法。一個解決思路是利用無線定位技術和感知技術結合。移動通信網絡通過感知獲得感知目標的運動軌跡和感知目標的定位軌跡。定位軌跡和感知軌跡如果匹配，40則定位對應的標識就是感知對應的標識，這里軌跡匹配有很多成熟的方法，比如最近配對距離（Closest-Pair Distance）。這里定位軌跡的獲得可以基于移動通信網絡的定位技術，也可以基于藍牙、WIFI、UWB、GNSS 等技術獲得，也可以基于感知目標規劃的運動軌跡。此

83、外，還可以利用標簽技術近似身份識別。為了實現多個感知目標身份的識別，可在感知對象貼附無源標簽，通過感知信號與標簽通信信號特征的匹配算法實現一一映射，空口側對應工作包括：首先，空口需要支持標簽信號的收發，即基站硬件層面集成讀寫器模塊，包含信號處理與控制模塊、射頻模塊以及天線部分，軟件層面支持標簽讀寫器的鏈路層協議，實現 6G 感知與無源標簽讀寫模塊在基站的合設（如圖 38 所示）。圖 38 6G 感知與無源標簽通信融合示意圖其次，要求基站同時發出感知信號與標簽信號，兩路信號經過相同的 LOS路徑，在盡可能接近的時間區間內到達基站接收端。由于感知模塊和讀寫器模塊在同一個 BBU 下，能夠做到信號同

84、時發出，但信號到達目標后，感知信號即刻反射回來，標識信號搭載標簽 ID 信息后到達基站，不過在室內場景下，目標運動的速度通常不會高于sm/5，所以標簽處理導致的誤差為毫米級，對匹配算法精度的影響處于可接受范圍內（如圖 39 所示）。圖 39 感知信號和無源信號收發示意圖最后，空口基于感知回波和標簽反向散射信號，進行信號特征值時間戳的對齊，通過標簽信號與感知信號的距離誤差（圖 40）或特征分類（圖 41）的匹配41方法實現感知目標與標識目標的一一匹配。圖 40 距離誤差匹配法示意圖圖 41 特征分類匹配法示意圖該方案借助無源標簽低成本、免維護、易部署等優勢，但由于標簽鏈路預算有限，多用于室內的感

85、知場景中。42第五章第五章 感知波束管理感知波束管理波束管理在 MIMO 通信系統中扮演著關鍵角色，通過大規模天線陣列和波束賦形技術，它能夠將發射和接收信號聚焦在終端設備方向，從而提高信號質量和覆蓋范圍。在通信感知一體化系統中，波束管理技術同樣至關重要，它有助于提升通信速率和感知精度。5.15.1 感知波束獨立管理感知波束獨立管理與毫米波通信的波束管理相比，感知波束管理具有明顯的差異性，主要有以下兩方面原因。首先是通信和感知在波束管理的基本設置上有本質不同。在毫米波通信中，波束的管理的對象是基站和用戶之間的波束管理，在初始階段，基站和用戶是相互不知道對方的位置，所以需要波束管理流程經過多個階段

86、的配合，由粗到細完成波束的對齊。然而在毫米波感知中，若是單站感知，發射和接收在同一個站上，相互之間的位置是已知的，若是雙站感知，大多場景也是假設事先已經知道感知的兩個設備的位置，因此感知的波束管理過程是通過收發機的配合快速的完成目標的感知。其次是通信和感知在波束方向檢測方法上也有不同。在毫米波通信的波束管理中，基站和用戶都是通過信號的強度來判斷波束的方向，以及對波束信息進行解碼，這就要求波束的能量必須要達到一個比較高的門限，以用于通信。在毫米波感知的波束管理中，由于目標的反射信號很弱，甚至于低于噪聲強度，接收機往往難以通過信號強度來判斷目標所在方向，因此需要借助于雷達感知算法來進行相關參數的估

87、計，因此對高效的波束管理也提出了新的要求。為了支持感知接收機利用多個陣列進行目標來波角度估計，同時擴大接收機的角度檢測范圍，亟需在感知接收機側引入基于波束分裂的波束賦形設計。即一個天線陣列將波束分裂后對準多個方向，每個天線陣列采用相同的波束分裂設置，兩個陣列進行波束分裂的示意如圖 42 所示，其中每個子陣列采用 8 根天線。采用該模式下，接收機覆蓋范圍大，且不同陣列接收到的信號可利用感知算法直接估計目標角度。43圖 42 用于感知接收機基于波束分裂的波束賦形模型與通信的波束掃描方式不同的是，在進行感知波束掃描時，感知發射機和感知接收機可事先根據感知掃描區域，靈活預設掃描的方式以及波束賦形方式，

88、最大程度的覆蓋掃描區域。如圖 43 所示的雙站感知中，兩個站直視徑附近的感知區域，感知距離相對較近，因此感知目標的回波相對較大，可以使用寬掃描的方式進行快速掃描，而在兩側較遠的位置，感知距離較遠，則適合使用窄波束的掃描模式。且收發機進行配合完成掃描區域覆蓋，節省掃描所需的資源和時間。例如發射機掃描上部分區域時，接收機也僅進行上部分區域的掃描配合。圖 43 基于感知區域的靈活感知波束掃描示意圖5.25.2 通感波束融合管理通感波束融合管理在通信感知一體化的波束賦形設計中，感知和通信通常有不同的性能需求，這為波束賦形的設計帶來了獨特挑戰。特別是在毫米波和太赫茲頻段，通信通常需要穩定的波束，以確?？?/p>

89、靠數據傳輸，而感知需要掃描波束以偵測周圍環境中的目標。為了實現全方位的定向波束感知，需要有效的窄波束管理策略，包括時頻域的發射設計和空間域的波束形成設計，以滿足同時感知和通信的要求。在大44規模天線陣列系統中，波束賦形的硬件架構也直接影響相關算法的性能。雖然大規模天線陣列技術可以提供顯著的陣列增益，但由于高頻器件的硬件成本和復雜性，如圖 44 所示大規模天線陣列通信感知一體化波束賦形將在很大程度上依賴于數字-模擬混合架構。在太赫茲通信中，針對動態子陣列的混合波束賦形架構，可以考慮采用矢量化或感知碼本輔助的通感一體化混合預編碼方法來實現感知和數據傳輸的整合。通過在不同時隙產生掃描感應波束，并向用

90、戶發送穩定的通信波束，從而實現感應和數據傳輸的整個角度方向。實驗表明矢量化通感一體化混合預編碼算法能夠獲得與全數字預編碼相近的性能，優于現有的其他預編碼算法，感知碼本輔助通感一體化混合預編碼算法可通過消除每個時隙的交替最小化過程來降低計算復雜度28。在毫米波通信中，通感一體化混合波束賦形可建模為加權最小均方誤差問題，以最小化收發信號的均方誤差作為通信方面的設計目標，以最小化發射波束圖與參考波束圖的均方誤差作為感知方面的設計目標，通過引入權重因子來表示 ISAC 混合波束賦形對通信與感知功能的趨向程度。然后，將涉及多個耦合變量的加權最小均方誤差（Weighted Minimum Mean-Squ

91、are Error，WMMSE）問題解耦為求解對應變量的子問題，并通過交替向乘子法（Alternating DirectionMethod of Multipliers，ADMM）迭代優化獲得各自載波 ISAC 數字波束賦形與全帶寬 ISAC 模擬波束賦形的次優解。實驗結果表明，所以該方法能夠實現良好的MU-MIMO 通信與多目標感知功能，并且可以在通信性能與多目標感知波束效果之間實現較好的權衡29?？芍貥嬋⒈砻妫≧HS）作為一種作為一種超材料天線，具有結構簡單，成本低的特點?？赏ㄟ^使用 RHS 代替含有復雜相移器的相控陣，從而降低通感一體化系統的硬件成本。通過聯合優化基站端的數字波束賦形和

92、 RHS 端的模擬波束賦形，可以充分利用基站多通道和 RHS 多單元帶來的波束調控自由度，以滿足不同方向的感知和通信需求30。通過設計合理的全息通感一體化架構，結合全息波束賦形優化方案，全息通感一體化系統可以適應多種通信和感知場景，在保證通信和雷達性能的條件下大大降低硬件成本，有助于進一步推動通感一體化技術的發展。45圖 44 大規模天線陣列通感一體化混合波束賦形設計示意圖5.35.3 通信輔助感知波束管理通信輔助感知波束管理在通感一體化系統中，感知發射機發送感知信號，以感知周圍環境的信息，例如目標的位置、速度等。感知信號通常具有特殊的波形和參數，以確保準確感知。為減少系統頻譜資源的開銷，可以

93、考慮復用通信資源來進行感知，例如，基站可以在與終端用戶通信時，利用通信信號來完成對目標的感知。然而，這需要感知接收機能夠獲取通信用戶的參考信息的配置，從而可能增加通信信令開銷。在通感一體系統中，可考慮采用通信輔助感知的波束管理方案來解決以上述問題。如圖 45 所示收發機通過在感知區域和 LOS 路徑方向分別生成窄波束，感知接收機可以從這些方向分別提取回波信號，然后計算它們的比值以獲得相對信道狀態信息用于感知。該方案可以使感知接收機在無先驗信息（如參考信號配置和數據解碼信息）的情況最大程度地復用通信回波信號對目標進行感知，減少資源開銷，提高感知精度。圖 45 通信輔助感知波束管理示意圖46第六章

94、第六章 感知輔助通信感知輔助通信6.16.1 感知輔助通信信道估計感知輔助通信信道估計傳統通信信道估計方法僅利用接收到的導頻信號，求解基于最小二乘準則或者最小均方誤差準則的優化問題來估計信道狀態信息（CSI，Channel StateInformation）。該傳統方法將通信信號的傳播路徑視作黑箱，僅從數據層面進行信道估計，沒有利用信道中感知參數的隱變量信息。通信信道中的到達角（Angle-of-Arrival,AoA）、距離等感知參數可以視作信道的隱變量，并且通信信道中的感知參數與感知回波信道中的感知參數存在極大相關性31。因此，通感一體化信號中獲得的感知信息作為先驗信息，具有增強通信信道估

95、計提升通信性能的潛力。廣泛應用于通信感知一體化系統的信道建模和信號處理方法設計中的多徑幾何信道模型包含 AoA、距離、多普勒等感知參數造成的相移項。利用通信感知一體化技術或者其他傳感器可以獲得上述感知參數的估計值。多徑幾何信道模型的信道響應為多徑的復數信道響應的線性疊加，且對于每條多徑的信道狀態響應而言均可以看作是角度、距離、多普勒導向矢量的線性狀態轉移。因此，將初始CSI 估計值視作此線性狀態轉移變量的有噪觀測值，利用卡爾曼濾波等自適應濾波方法可以利用這些感知參數的估計值作為先驗信息，重構基于線性狀態轉移的信道響應，抑制 CSI 估計值中的噪聲項功率，提升 CSI 估計精度32。圖 46 是

96、基于感知輔助的卡爾曼濾波（Sensing-aided Kalman filter，SAKF）信道估計與傳統信道估計的性能對比?？梢钥闯?，基于感知輔助的信道估計與基于最小均方誤差（Minimum Mean-Square Error，MMSE）的信道估計性能接近，但其計算復雜度大大降低。47圖 46 感知輔助通信信道估計與傳統信道估計方法性能對比對于采用 OTFS 波形的系統，其通信信道和感知信道具有相似的表達形式。OTFS 的通信信道和感知信道都定義在時延-多普勒域，時延和多普勒分別對應于感知參數估計中的距離和速度，因此直接利用感知信息即可重構 OTFS 的通信信道，在利用回波信號對目標進行感知

97、參數估計時，可以一并進行時延-多普勒域的OTFS 通信信道估計，實現感知輔助 OTFS 信道估計的目的。具體而言，OTFS 體制下的通信信道估計即為對到達角、時延、多普勒偏移和抽頭系數四個參數進行估計。根據感知參數和通信參數的關系可知，通信信道的到達角與感知信道一致，通信信道的時延和多普勒偏移近似為感知信道的二分之一。因此，OTFS 的通信信道估計問題可以轉化為對感知信道參數的估計問題。OTFS 信道中角度差能夠引起接收天線間相位差，時延和多普勒偏移同樣可以帶來頻域以及時域的相位差，因此，可以考慮對多重信號分類方法進行擴展來實現感知參數估計。將多重信號分類方法中的物理天線陣列擴展為包含時延和多

98、普勒偏移信息的虛擬陣列，從而實現角度、時延和多普勒偏移等感知參數的聯合估計，并進一步地輔助通信信道估計?？紤]一個有 P=6 條路徑的通信場景，一個OTFS 幀的大小設置為 M=16 和 N=16。給出了 OTFS 感知輔助的信道估計 NMSE和感知信噪比之間的關系曲線，并且對比了基于導頻的信道估計方法，該方法中導頻的平均功率比數據符號的平均功率大 20dB。從圖 47 中可以看出，提出的感知輔助的信道估計方法的信道估計的 NMSE 比傳統的基于導頻的信道估計方法的 NMSE 提高了超過 10dB，這表明提出的感知輔助信道估計方法能夠提供更好的信道估計性能33。48圖 47 感知輔助信道估計的

99、NMSE6.26.2 感知輔助通信波束跟蹤感知輔助通信波束跟蹤為了保證基于波束傳輸的準確性和魯棒性，基站和終端需要在傳輸過程中進行相互的波束測量和確定，確保使用正確的波束進行控制和業務信道的傳輸?，F有的波束訓練和波束跟蹤方法需要基站頻繁發送訓練序列并進行測量反饋，空口時頻資源開銷過大，同時還具有時延較高，波束跟蹤時效性較差，難以及時與無線信道實時匹配等缺陷，可能造成較高的波束失敗和通信中斷概率34。為解決上述問題，在通感一體系統中可以考慮利用感知結果來輔助波束跟蹤。一方面，可以結合定位技術縮小波束掃描范圍、縮短波束訓練時間。另一方面，可以結合感知技術優化波束發送。尤其是當感知目標同時作為通信節

100、點時，根據感知目標回波計算的空間相關性信息可用于通信波束賦形矩陣設計35，還可以通過回波檢測獲取的感知目標的角度信息、位置信息與運動信息，識別環境中可能存在的遮擋物，進行未來時刻波束預測等36。綜上分析，波束追蹤與環境感知存在互利關系，二者存在一體化設計可能37。波束訓練與環境感知一體化設計示例如圖 48 所示。在波束訓練過程中，一體化設計可以利用波束訓練的波束測量結果對信道參數進行估計38，從而使能無線同時定位與建圖(SLAM，Simultaneous Localization and Mapping)39，對 UE 位置與無線環境特征地圖進行估計，如圖中黃色區域所示。與此同時，環境感知模塊

101、將基于慣性測量單元（IMU,Inertial Measurement Unit）等傳感器對 UE 位置進行預測。在環境感知完成后，波束訓練模塊可以利用 UE 位置預測與無線環境特征地圖生成先驗角度信息，從而實現特征輔助波束追蹤，如圖 48 紅色區域所示。與此同時，波束訓練模塊可以基于無線環境特征地圖與實際信道參數估計結果，設49計波束掃描與波束追蹤切換模塊，如圖 48 中灰色區域所示，切換模塊在使能波束追蹤的同時，將在檢測到無線環境變化時切換回全角度域波束掃描，該設計增強了所提設計的環境適應性。圖 48 波束訓練與環境感知一體化設計波束訓練與環境感知一體化設計中，實現特征輔助波束追蹤的關鍵在于

102、生成信道多徑的角度先驗信息。無線環境特征包含有描述 LoS 徑傳輸特性的物理錨點（PA，Physical Anchor）和描述 NLoS 徑傳輸特性的虛擬錨點(VA，Virtual Anchor)?；跓o線 SLAM 輸出的 PA 或 VA 的位置分布，借由無線信號傳輸幾何特性，以搜索范圍為特定角度域進行波束成形碼本設計，最終實現波束訓練開銷降低的波束追蹤方案。在波束訓練與環境感知一體化設計中，波束訓練與環境感知相輔相成，良好的環境感知結果將使能高效準確的波束追蹤，而波束追蹤輸出的高精度信道參數估計將進一步提升環境感知精度，從而，針對一體化設計中的 UE 定位、環境構圖以及波束追蹤均進行了性能

103、測試。如圖 49 設置為 UE 穿越一個 T 型路口，在該過程中無線環境發生較大變化，信道多徑數目以及方位角均變化較大。50圖 49 多變無線環境示意圖由圖 50 的感知結果可知，在多變無線環境下，所提出的聯合設計可以實現無線電地圖構建，并且，切換模塊的引入可以使能波束追蹤模塊，降低約 40%的波束訓練開銷，并提高角度估計精度，以實現更高精度的無線 SLAM。綜上所述，波束訓練與環境感知一體化設計可以實現高精度無線 SLAM 與高效率波束訓練。(a)波束訓練開銷（d）角度估計精度圖 50 波束訓練和感知精度性能在大規模部署的移動通信網絡中，可利用多節點協作進一步提升波束跟蹤能力36。在通信感知

104、一體化的信號模型中，發射端發射出去的信號既能夠實現與終端的通信，同時能夠完成對終端位置的預測。發射端發射出去的信號經過終端表面反射至協作接收節點，多個協作接收節點對接收信號進行 FFT 變換，并將變換后的信號傳給數據處理中心。數據處理中心根據高斯-馬爾可夫狀態轉移模型和觀測模型，利用 EKF 或者 UKF 實現對終端位置的預測，從而為發射端發射下一時刻的波束提供依據，實現了與終端更好的通信。實驗結果表明，該方案在波束預51測性能上優于基于導頻的通信方案，并且降低了導頻開銷，從而實現更高的通信速率。圖 51 多徑信道毫米波波束跟蹤示意圖在典型的毫米波無人機通信與感知場景中，空中無人機 UE 不僅

105、被視為通信用戶，也被視為感知目標。BS 采用專門的發射陣列和接收陣列用于發射一體化信號并接收感知回波信號，確保感知的同時保持下行通信不間斷?；跀U展卡爾曼濾波（Extended Kalman Filtering,EKF）的通感一體化（ISAC）實驗中首先通過傳統的波束訓練實現 UE 的初始化接入。隨后，狀態預測和跟蹤將通過擴展卡爾曼濾波實現。在一次迭代過程中，BS 在上一時隙發送的信號由 UE 的天線陣列接收并被反射，利用反射回波對上一時隙的 UE 運動參數進行觀測，并利用運動學方程對其當前時隙的狀態進行預測，并基于預測結果進行波束賦形。作為對比方案，基于通信反饋的方法通過對 UE 側的接收導

106、頻進行信道估計，量化后進行上行反饋?；净诜答佇畔⑦M行 EKF 預測，完成對當前時隙的波束賦形。單用戶場景基于擴展卡爾曼濾波的通感一體化（EKF-ISAC）與基于反饋兩種方案的角度預測性能如圖 51 所示4041。52圖 52 基于擴展卡爾曼濾波的通感一體化（EKF-ISAC）與基于反饋兩種方案的角度預測性能對比UE 在 2000 毫秒左右與 BS 達到最近距離，此時擁有較大的角度變化率，基于反饋的方案的預測精度開始下降。原因在于：1）只有一個導頻被用于估計信道，較小的匹配濾波增益導致了較大的估計誤差；2）基站側的接收波束賦形導致 EKF 丟失了大量的觀測信息，3）量化導致 UE 反饋至 B

107、S 的角度信息存在誤差；4）上一時隙反饋的角度信息在當前時隙過期，導致誤差累加。對于基于擴展卡爾曼濾波的通感一體化（EKF-ISAC）方案而言，利用整個回波信號進行感知，匹配濾波增益數倍于基于反饋的方案，帶來了更高的估計精度，且不需要專用導頻，從而導致波束跟蹤方案的開銷顯著降低；基站側不進行接收波束賦形為EKF 提供了更多觀測量，實現了更低的預測誤差；通過回波直接進行感知，一方面避免了 UE 量化導致的感知誤差，另一方面確保了感知結果的時效性。因此，它具有比基于反饋的跟蹤性能更好的跟蹤性能。6.36.3 感知輔助通信覆蓋增強感知輔助通信覆蓋增強感知輔助通信的主要思路是，通過無線感知和傳感器感知

108、等感知技術獲取無線通信環境信息以及通信節點信息等，用來幫助提升通信系統性能。一個可能的場景是，如果通過感知過程可以識別基站和 UE 之間存在障礙物（比如，臨時?？康呢涇嚕?，基站和 UE 之間的 LOS 徑被遮擋，影響 UE 所在位置的通信覆蓋。那么，就可以及時的優化傳播路徑，以實現對于 UE 所在位置的覆蓋增強。通過感知過程獲得障礙物信息，比如，障礙物的位置、形狀/大小/體積等信息，分析障礙物影響的通信區域，從而調整該區域的覆蓋，最終對該區域內的所53有 UE 實現覆蓋增強，而不只是針對特定 UE 做優化?；净?UE 都可能獲得周圍的環境信息，如果是 UE 獲得周圍環境信息，UE 可以把獲得

109、的障礙物信息反饋給基站?；纠铆h境信息可以輔助覆蓋增強，如圖 53 所示：尋找中轉路徑：比如尋找合適的 RIS 節點做中轉 協調鄰區覆蓋：讓鄰區覆蓋障礙物影響區域圖 53 感知輔助覆蓋增強示意圖針對上述“協調鄰區覆蓋”的方案，當前小區可以指示一個區域，當 UE 即將移動到該區域時，執行切換從而切換到目前對該區域進行覆蓋的鄰區。通過感知技術可以獲取環境信息和設備信息，結合基站位置等先驗地理信息，能夠幫助終端更快識別出合適的目標小區。在室內或城市中，墻體、建筑物等會對無線信號造成干擾和衰減，影響小區切換。通過感知遮擋障礙物信息，可以確定信號傳播路徑和衰減程度，幫助終端選擇最優的目標小區，提高通信

110、質量和穩定性。而基站位置和終端位置信息可以幫助終端確定當前所在小區和周圍小區的位置關系，輔助進行小區切換。終端的運動狀態信息，如加速度、角速度等，可以反映出終端當前的運動狀態和方向，在高速移動場景中，通過終端的運動狀態信息，可以確定終端的運動方向和速度，預測下一個目標小區的位置，提前進行切換。同理，對于 UE 和 UE 之間的通信，UE 也可以利用環境信息去尋找中轉路徑，比如選擇中繼 UE 或者尋找合適的 RIS 節點中繼等。54第七章第七章 總結和展望總結和展望隨著不斷涌現的新業務、新需求，移動通信網絡在提供越來越強大的通信能力的同時，也將擴展更多的基礎能力來支持這些新業務、新需求。其中，感

111、知能力就是其中一個重要的潛在方向。ITU 已經將通感一體定義為 6 大潛在場景之一。通感融合可為醫療監控、智能家居、智能工廠、車聯網、環境檢測、公共安全等典型應用構建基礎能力并為第三方提供感知服務，助力垂直行業和終端用戶應用，同時通感互助提升系統性能。本研究報告圍繞 6G 空口關鍵技術進行設計，分析 6G 通感場景對空口設計的需求、重點關注感知信號設計、感知輔助通信和多天線技術，具體包括但不限于：空口設計需求：6G 通感在檢測、定位跟蹤類、動作監測類和環境重構類會帶來豐富的 QoS 需求包括精度需求、信號復用的需求等。潛在感知波形：用于感知的潛在波形包括 OFDM 以及非 OFDM 的波形。在

112、本報告中重點分析了 OFDM、LFM、OTFS、OCDM 四種波形用于感知的優缺點。從目前的分析看，相比 OFDM，LFM、OTFS、OCDM 的感知優勢有限，并且會帶來比較大的系統復雜度。因此，通感一體化波形 OFDM 綜合能力較優。感知信號設計：感知信號存在兩種路線包括參考信號做感知和數據信號做感知。設計專門的參考信號用于感知就涉及序列設計、圖樣設計、復用方式以及和通信參考信號、定位參考信號的融合等關鍵問題。本研究報告對這些關鍵問題做了較詳細的分析并列舉了一些可能的方案，為后續 6G 系統設計識別了潛在問題以及可能的解決方案。感知輔助通信：6G 網絡具備感知能力后會進一步的優化通信的性能。

113、6G 網絡的感知能力對于通信的信道估計、小區切換、覆蓋增強都有重要的幫助。通過獲取的感知能力（比如 LoS 徑和 NLoS 徑，環境地圖等）來輔助增強通信性能將成為 6G 系統的一個重要方向。波束管理技術：6G 網絡的天線規模會進一步增大，感知和通信更好的優化波束管理成為重點。本報告從感知輔助通信波束跟蹤、通信輔助感知波束管理55以及混合波束賦形三個方面進行了研究和分析，介紹了對應問題和可能的解決方案。目前，我國產、學、研、用各單位已全面并深入的開展無線通信感知一體化技術的研究和布局，深化空口關鍵技術研究可行性，加強原型樣機關鍵技術驗證，牽引產業標準化，推動產業鏈全面發展，促使通信感知一體化技

114、術領域取得全面突破。56參考文獻參考文獻1Framework and overall objectives of the future development of IMT for 2030 andbeyond,Recommendation ITU-R M.2160,2023.2Feasibility Study on Integrated Sensing and CommunicationR,3GPP TR22.837,2023.36G 感知的需求和應用場景研究R，IMT2030(6G)推進組,2023.4A.Tang,Q.Zhao,X.Wang,and W.Qu,“ISI-Resistan

115、t Reference Signal Designand Processing for OFDM Integrated Communications and Long-Range RadarSensing,”IEEE Communications Letters,Volume 28,no.6,Pages 1322-1326.June 2024.5IMT-2030(6G)推進組通感第七次會議文稿.面向 B5G/6G 網絡遠距離感知的參考信號設計與處理，上海交通大學&聯發科技.2023 年 5 月6IMT-2030(6G)推進組通感第七次會議文稿.多載波調制波形感知性能評估，電子科技大學.2023

116、 年 5 月7IMT-2030(6G)推進組通感第十二次會議文稿.基于偏移恒包絡 OFDM 的通感一體化波形設計,電子科技大學.2024 年 8 月85G-Advanced 通感融合空口技術方案研究報告R,IMT2020(5G)推進組,2024.9Y.Ma et al,“Energy-efficient Integrated Sensing and Communication System andDNLFM Waveform”,2024 IEEE VTC-fall,Singapore,2024,pp.1-5.10 Ramachandran,M.Kollengode,andA.Chockalin

117、gam.MIMO-OTFSinhigh-Doppler fading channels:Signal detection and channel estimation.2018IEEE Global Communications Conference(GLOBECOM).IEEE,2018.11 Singh,Prem,Himanshu B.Mishra,and Rohit Budhiraja.Low-complexity linearMIMO-OTFS receivers.2021 IEEE International Conference on CommunicationsWorkshops

118、(ICC Workshops).IEEE,2021.12 Ouyang,Xing,and Jian Zhao.Orthogonal chirp division multiplexing.IEEETransactions on Communications 64.9(2016):3946-3957.13 IMT-2030(6G)推進組通感第十二次會議文稿.IM-OCDM 通信感知雙功能波形設計,電子科技大學,2024 年 8 月14 IMT-2030(6G)推進組通感第十一次會議文稿.OFDM 系統感知信號設計,vivo.2024 年 6 月15 Y.Ma,Z.Yuan,S.Xia,G.Yu

119、and L.Hu,Highly Efficient Waveform Design andHybrid Duplex for Joint Communication and Sensing,in IEEE Internet of ThingsJournal,vol.10,no.19,pp.17369-17381,1 Oct.1,202316 J.Ren,S.Tsai,Multi-Tier Structured Array for Sensing Pilot Design in IntegratedSensing and Communication,2024 IEEE 13rd Sensor A

120、rray and MultichannelSignal Processing(SAM),Corvallis,OR,USA,2024,pp.1-4.17 IMT-2030(6G)推進組通感第七次會議文稿.基于密度聚類的雜波干擾識別，中信科移動.2023 年 5 月18 W.Wang,Z.Fei,S.Wang,D.Zhou,J.Guo and Z.Zheng,Sensing AssistedCommunication System Design Based on OTFS Waveforms,IEEE WirelessCommunications Letters,early access,2023

121、.5719 Rossler,Carl W.Adaptive Radar with Application to Joint Communication andSyntheticAperture Radar(CoSAR)J.Dissertations&Theses Gradworks,2013.20 Iliev M,Bedzhev B,Bedzheva M,et al.An Algorithm for Synthesis of MismatchedFilters for Processing of Aperiodic Phase Manipulated SignalsC,2019 16thCon

122、ferenceonElectricalMachines,DrivesandPowerSystems(ELMA),Varna,Bulgaria,2019.21 IMT-2030(6G)推進組通感第七次會議文稿.通感一體化場景下非理想因素消除方法探討,vivo.2023 年 5 月22 IMT-2030(6G)推 進 組 通 感 第 九 次 會 議 文 稿.Sparse Array Application inSensing,Qualcomm.2023 年 9 月23 IMT-2030(6G)推進組通感第九次會議文稿.基于可重構超表面的全息通感一體化，北京大學.2023 年 9 月24 IMT-2

123、030_WX_RH_ISAC_202305_09 面向通感一體化的波形設計和干擾管理25 W.Liu,X.Hou and L.Chen,Virtual Aperture Design for Integrated Sensing andCommunication(ISAC)System with Unified Antenna Structure,2024 IEEEWireless Communications and Networking Conference(WCNC),Dubai,UnitedArab Emirates,2024,pp.1-6,doi:10.1109/WCNC57260.

124、2024.10571147.26 趙喆,夏樹強,馬一華等.通感一體化系統的下行功率分配技術J.移動通信,2022,46(05):78-83.27 IMT-2030(6G)推進組通感第十一次會議文稿.面向 ISAC 的感知波束管理設計，上海交通大學&聯發科技.2024 年 6 月28 IMT-2030(6G)推進組通感第 6 次會議.JCAS Multi-beam alignment approach withLoS-path aided calibration mechanism,Nokia,2023 年 5 月.29 IMT-2030(6G)推進組通感第 9 次會議.一種基于動態子陣列架構的

125、太赫茲通信感知一體化時頻空信號設計,上海交通大學.2023 年 8 月.30 IMT-2030 推進組通感第7 次會議.基于 WMMSE的ISAC混合波束賦形,廈門大學,京信網絡系統股份有限公司,2023 年 5 月.31 Y.Cui,Z.Feng,Q.Zhang,Z.Wei,C.Xu and P.Zhang,Toward Trusted and SwiftUAV Communication:ISAC-Enabled Dual Identity Mapping,in IEEE WirelessCommunications,vol.30,no.1,pp.58-66,February 2023.3

126、2 X.Chen,Z.Feng,Z.Wei,X.Yuan,P.Zhang,J.Andrew Zhang,and H.Yang,MultipleSignalClassificationBasedJointCommunicationandSensingSystem,IEEE Transactions on Wireless Communications,early access,pp.1-14,Feb.2023.33 X.Chen,Z.Feng,J.A.Zhang,Z.Wei,X.Yuan,and P.Zhang,Sensing-aidedUplink Channel Estimation for

127、 Joint Communication and Sensing,IEEE WirelessCommunications Letters,vol.12,no.3,pp.441-445,March 2023.34 IMT-2020(5G)通感組的5G-Advanced 通感融合場景需求研究報告(第二版),2023 年 9 月.35 IMT-2030(6G)推進組通感第九次會議文稿.融合光學相機和毫米波雷達的智能目標探測系統,浙江大學.2023 年 9 月36 IMT-2030 推進組通感第 8 次會議.面向多徑信道的感知輔助波束追蹤性能評估,北京郵電大學,中國電信研究院.2023 年 8 月.5

128、837 H.Que,J.Yang,C.-K.Wen,S.Xia,X.Li,and S.Jin,“Joint beam management andSLAM for mmwave communication systems,”IEEE Trans.Commun.,vol.71,no.10,pp.61626179,Jul.2023.38 J.Yang,C.-K.Wen,J.Xu,H.Que,H.Wei,and S.Jin,“Angle based SLAM on 5GmmWave systems:Design,implementation,and measurement,”IEEE Interne

129、tThings J.,vol.10,no.20,pp.17755 17 771,May 2023.39 J.Yang,C.-K.Wen,and S.Jin,“Hybrid active and passive sensing for SLAM inwireless communication systems,”IEEE J.Sel.Areas Commun.,vol.40,no.7,pp.2146-2163,Jul.2022.40 N.Gonzlez-Prelcic,R.Mndez-Rial,and R.W.Heath,“Radar aided beam alignmentinmmWaveV2

130、Icommunicationssupportingantennadiversity”in2016Information Theory and Applications Workshop(ITA),Jan.2016,pp.1-7.41 Y.Cui,et al.Seeing is Not Always Believing:ISAC-Assisted Predictive BeamTracking in Multipath Channels.TechRxiv.Preprint(2023).59貢獻單位貢獻單位序號序號主要貢獻單位主要貢獻單位1中興通訊股份有限公司2中國移動通信有限公司研究院3中國信息通信研究院4華為技術有限公司5中信科移動通信技術股份有限公司6西安電子科技大學7維沃移動通信有限公司8中國聯通研究院9中國電信股份有限公司研究院10OPPO 廣東移動通信有限公司11聯發科技股份有限公司12北京郵電大學13東南大學14上海諾基亞貝爾股份有限公司15北京小米移動軟件有限公司16都科摩（北京）通信技術研究中心有限公司17電子科技大學18上海交通大學6019廈門大學20北京大學21浙江大學