《IMT-2030（6G）推進組：2024年6G通信感知一體化仿真評估與方法研究報告（第二版）（69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通信感知一體化仿真評估與方法研究報告（第二版）（69頁）.pdf（69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）推進組版權所有目目錄錄前 言.6第一章 評估場景.71.1 室外場景.81.1.1 檢測定位跟蹤.81.1.2 環境目標重構.91.2 室內場景.91.2.1 檢測定位跟蹤.101.2.2 環境目標重構.101.2.3 特征檢測.11第二章 評估方法.122.1 評估指標.122.2 信道模型.132.2.1 感知目標特征建模.132.2.2 環境目標特征建模.302.2.3 CDL

2、鏈路信道模型.322.3 網絡部署.38Layout-1：密集城區.38Layout-2：城區網格.38Layout-3：高速公路.39Layout-4：室內工廠.39Layout-5：室內辦公室.40Layout-6：室內房間.402.4 參數配置.412.5 評估流程.432.5.1 系統級仿真評估流程.452.5.2 鏈路級仿真評估流程.48第三章 評估結果.493.1 檢測定位跟蹤評估結果.493.1.1 室外無人機檢測和定位評估.503.1.2 室外車輛定位評估.523.1.3 室內人定位評估.553.2 環境目標重構評估結果.563.3 特征檢測評估結果.593.3.1 人體呼吸檢

3、測評估.593.3.2 人體心跳檢測評估.61第四章 總結與展望.64參考文獻.65貢獻單位.66圖目錄圖目錄圖 1 ITU-R IMT-2030 應用場景.6圖 2 室外智能交通場景目標檢測示例.8圖 3 室外環境目標重構.9圖 4 智能工業場景的網絡及目標部署示例.10圖 5.人的多散射中心 RCS 建模.17圖 6.人頭部、腹部和整體的 RCS 測量結果.17圖 7.不同頻率下人體目標的 RCS 測量結果.18圖 8.不同頻率下人體目標的 RCS 測量結果 CDF 曲線.19圖 9.人體 RCS 均值與載波頻率的擬合曲線.19圖 10 車輛 RCS 測量活動.21圖 11 自發自收和自發

4、他收平面分解示意圖.21圖 12 雙靜態模型 RCS 近似方法.22圖 13 用四個散射點表示四面表面來建模車輛.22圖 14 用四個散射點建模的車輛的 RCS 建模.22圖 15（a）無人機場景（b）智慧交通場景.24圖 16 UAV 和車輛目標模型.24圖 17 入射角固定時，不同觀測角目標的 RCS 示意圖.25圖 18 兩種仿真場景下 RCS 統計測量結果2.6GHz.26圖 19 單雙站模式下的人體目標感知信號處理.27圖 20 雷達與目標的運動&微運動示意圖.28圖 21 典型材質傳播特征暗室測量.31圖 22 室外 UMi 場景下環境目標測量.31圖 23 鏡面反射.32圖 24

5、 通感鏈路級信道建模示意圖.32圖 25 密集城區部署方式.38圖 26 城市網格部署方式.39圖 27 高速公路部署方式.39圖 28 室內工廠部署方式.40圖 29 室內辦公區部署方式.40圖 30 室內房間部署方式.41圖 31 系統級評估流程圖（以 Full-SLS 為例）.45圖 32 重構精度的評估流程示例.47圖 33 鏈路級感知的流程圖.48圖 34 無人機場景的感知定位誤差 CDF 仿真結果.51圖 35 感知精度與 SINR 的對應關系（室外場景）.51圖 36 室外場景無人機感知的系統級 SINR CDF 曲線.52圖 37 車輛探測評估網絡部署設置.53圖 38 車輛探

6、測仿真結果：環境目標輔助 NLOS 探測.54圖 39 環境目標對“鬼影目標”校正.54圖 40 場景布局圖.58圖 41 環境重構結果 1.59圖 42 環境重構結果 2.59圖 43 呼吸運動引起的相位隨時間變化圖.62圖 44 呼吸+心跳引起的相位隨時間變化圖.62圖 45 呼吸運動相位的頻譜圖.63圖 46 呼吸+心跳運動相位的頻譜圖.63表目錄表目錄表格 1 用于 6G ISAC 評估場景（測試環境）建議.11表格 2 感知目標建模方法對比.14表格 3 不同反射無 RCS 典型值.15表格 4 物體形狀的 RCS 計算方法.16表格 5 不同評估場景下的多散射中心模型.16表格 6

7、 不同頻率下人體目標 RCS 的對數正態分布模型參數.19表格 7 車輛 RCS 模型.23表格 8 仿真參數表.24表格 9 典型應用示例的微多普勒.30表格 10 單基地感知信道參數.35表格 11 雙基地感知信道參數.35表格 12 單基地感知信道參數.36表格 13 雙基地感知信道參數.37表格 14 通信類指標的仿真配置示例（M.2412）.41表格 15 ISAC 評估所需的仿真配置參數示例（針對感知評估新增的參數）.42表格 16 評估場景與指標評估方法分類.44表格 17 檢測定位跟蹤場景業界重點關注評估指標.49表格 18 無人機檢測和定位的仿真參數.50表格 19 無人機場

8、景的檢測概率評估結果.50表格 20 感知容量仿真結果.52表格 21 車輛探測仿真參數配置.53表格 22 車輛探測仿真評估結果.55表格 23 仿真配置.55表格 24 環境目標重構場景業界重點關注評估指標.57表格 25 環境重構仿真參數.58表格 26 特征檢測場景業界重點關注評估指標.59表格 27 呼吸監測仿真參數配置.60表格 28 仿真配置表.626前前 言言6G 作為更先進的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

9、 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新引入的場景，其中就包括通信感知一體化。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。通信感知一體化，還將進一步與 AI結合，為構建智能數字世界提供數據入口，使能未來物理世界與數字世界的融合。圖 1 ITU-R IMT-2030 應用場景2023 年發布的第一版通信感知一體化評估方法研究報告中

10、對場景、指標和7評估方法進行了初步的分析，旨在推動業界針對通感一體化技術性能開展規?；抡嬖u估，促進通感一體化的標準討論與制定。在標準進展方面，基于已發布的 6G 愿景，ITU-R 已在 2024 年 2 月 WP5D#45 會議啟動了 IMT-2030 技術性能需求（TechnicalPerformance Requirement）的討論，并計劃于 2024 年 10 月 WP5D#47 會議啟動 6G 評估方法（Evaluation Methodology）的討論，利用約 2 年的時間完成 6G 技術性能需求和 6G 評估方法的制定，形成類似于 IMT-2020 的 M.24101（技術性

11、能需求）和M.24123（評估方法）兩個標準文檔，引導 3GPP 等標準組織開展 6G 標準制定和性能評估。此外，3GPP 在 2024 年也啟動了 Release 19 版本通感信道建模的研究，計劃于 2025 年 6 月完成，將為通感技術評估奠定基礎。本報告在 2023 年通信感知一體化評估方法研究報告的基礎上，結合業界近一年來的研究進展，進一步討論通感一體化評估中技術性能需求、評估流程、信道模型、仿真參數，以及展示評估結果。本報告期望進一步推動業界針對通感一體化技術性能開展系統化評估、開展技術可行性仿真、6G 標準討論與制定。第第一一章章 評估場景評估場景在上一版通信感知一體化評估方法研

12、究報告中，從服務類場景與應用類場景兩方面對通感一體化海量豐富場景進行了豐富的研究并歸納總結出面向6G通感性能評估的典型應用場景（描述業務特征、業務需求）、評估場景（網絡部署方式、感知目標與環境部署模型等）。IMT-2030 中感知相關的評估場景（測試環境）需要根據感知的業務特征和業務需求，進一步具體到感知用例（Use Case）。在 ITU 的技術文檔中，通常用“測試環境（Test environments）”概念來定義評估場景，本報告中，采用“評估場景（測試環境）”兼顧廣泛理解和對齊標準概念。由此，區分各類 ISAC 評估場景（測試環境）的要素主要包括：地理環境地理環境：可分為室內或室外場景

13、，室內和室外還可進一步細分，例如室外密集城區、室外城區網格、室內工廠、室內家居等。一般來說，不同的地理環境下，網絡部署的方式也不同，包括網絡節點（基站、UE）、感知目標的部署模型等。感知用例感知用例：由于業界提出的 ISAC 用例較多，為系統性研究 6G ISAC 的評估方法，需對 6G 典型通感用例進行梳理歸納，收斂出具備推廣性的少數幾8套核心方法進行討論。本章中，通過歸納出業界關注度較高的目標檢測定位跟蹤、環境目標重構、特征檢測（包括手勢/姿態識別、呼吸檢測等）三個用例，結合上述地理環境，探討基于這三個用例的評估場景。1.1 室外場景室外場景室外典型評估場景大致可分為“對天、對地”的檢測、

14、定位和重構等?！皩μ臁敝饕傅涂诊w行物檢測、定位與追蹤；“對地”主要指對地面車輛與行人的檢測、定位，以及建筑、車輛的重構等。室外場景涉及的感知用例主要包括“檢測定位跟蹤”和“環境目標重構”。1.1.1 檢測定位跟蹤檢測定位跟蹤在室外“對天”或“對地”的檢測定位感知場景中，網絡需實時檢測 UAV 是否飛行在指定空域，并通過目標位置和速度估計等方式判斷其闖入非法區域的可能性；也需要實時檢測行人、非機動車、動物等是否在道路、鐵路中間或四周的危險區域，并實時監測路面的汽車是否處于正?；虍惓Ｐ旭偁顟B（例如是否逆行、超速）。這一過程中，可能包括對被檢測物的識別，例如識別路中間運動物是汽車還是非機動車，以檢

15、測特定目標并判斷其危險程度。這一用例涉及的感知行為包括：對目標的檢測、定位、跟蹤、重構、識別等。涉及的感知對象包括：人、動物、車輛、無人機等。圖 2 室外智能交通場景目標檢測示例對于室外智能交通場景，在網絡部署方面，可參考現有 UMi/UMa 場景部署六邊形蜂窩狀小區。感知目標以車輛、行人等常見目標為例?？稍O定如圖 2 所示的若干“道路”區域，路兩旁還可設置一定寬度的“路肩”區域，然后設定感知目標在不同區域的部署比例。91.1.2 環境目標重構環境目標重構在室外主要“對地”的環境目標重構場景中，與目標檢測、定位與跟蹤不同，基站需要利用電磁波對周圍環境進行探測，通過反射、散射等信道特征提取感知目

16、標的外形、朝向等特征，例如獲得環境目標的電磁點云圖像。此時，感知目標可能不再是單一的目標，而是包含樓宇、樹木、車輛等環境中的物體。通過對周圍環境的重建，能夠精確的掌握環境中的信道變化，從而更好的支撐數字孿生、輔助通信效率和速率提升。在網絡部署方面，與 2.1.1 節類似，可參考現有 UMi/UMa 場景部署六邊形蜂窩狀小區。感知目標主要包車輛、建筑、道路等，可根據特定的目標部署模型（包括目標數量、密度、形狀、散射特征等）來部署目標，必要時也可導入特定的數字地圖來部署目標。圖 3 室外環境目標重構1.2 室內場景室內場景室內典型評估場景大致可以分為面向“專網化需求、公眾化需求、家庭化需求”的三類

17、場景?！皩＞W化需求”主要針對工廠等對感知和通信都是局限化且高安全隱私需10求的場景，如智慧工廠內工作人員、機器人、設備產品的定位、重構、成像、手勢/姿態識別等業務?！肮娀枨蟆敝饕笇ι虉龅裙妶鼍斑M行室內的環境目標重構?！凹彝セ枨蟆敝饕笇彝?、醫療場景中人的動作、呼吸等身體狀態進行監測的場景，如室內智慧健康的呼吸檢測應用。室內場景涉及的感知用例主要包括“目標檢測定位跟蹤”、“環境目標重構”以及特征檢測（包括手勢/姿態識別、呼吸檢測）等。1.2.1 檢測定位跟蹤檢測定位跟蹤在室內檢測定位跟蹤的感知場景中，以“專網化需求”的室內智能工業場景為例，感知業務包括對 AGV、工業機器人、設備、待

18、搬運物料等目標進行檢測、定位、跟蹤。由于室內大部分目標處于靜止或慢速移動狀態，目標的檢測與定位可能是通過對目標的重構、識別來實現的。此外，該場景還會涉及人機交互，例如工作人員通過手勢操作機器的移動和生產運行。檢測和定位的結果可用于 AGV 導航、路徑規劃（避障）、機器人協作（例如協作搬運物料、協作生產）等業務需求。涉及的感知對象包括：人（包括人的手臂、手指）、機器人、AGV、設備等。涉及的感知行為包括：對目標的檢測、定位、跟蹤、重構、成像、手勢/姿態識別等。圖 4 智能工業場景的網絡及目標部署示例對于室內智能工業場景，可參考現有的 InF 網絡部署，設置類似廠房的方形仿真區域，在室內頂部部署如

19、圖 4 所示的多個基站。部署的目標可包括具有移動性的AGV、物料、行人，也可以包括不具有移動性的機器設備（例如圖 4 中的柱體）等。部署不同類型目標的位置時應注意避免目標位置重復。1.2.2 環境目標重構環境目標重構室內環境目標重構一個典型的應用場景即“專網化需求”的室內工廠網絡部署。相比室外環境目標重構，室內工廠場景散射體更加豐富，材質表面更加光滑，傳播信道11多徑更加豐富，可能存在多次反射路徑。另外，工廠場景大量的 AGV 等設備可輔助基站完成不同視角的掃描探測，提供多維度，高精度的環境目標重構能力，可用于支持工業數字孿生應用。另一方面，對于“公眾化需求”的室內商業環境目標重構，有效實現室

20、內環境的高精度重構是實現室內定位導航的關鍵。依靠室內空間中廣泛存在的通信設備，可以掃描并重構出室內環境。借助重構出的室內地圖，結合目標的主被動定位信息，可以得到目標相對于客觀環境的位置信息。這不僅有助于實現高精度室內導航，還可以提高通信效率，例如，即使沒有通信波束測量上報的情況，也可以利用環境目標重構的結果來形成優化的通信波束。1.2.3 特征檢測特征檢測特征特征檢測包括人的手勢/姿態識別、呼吸檢測等。在室內特征檢測場景中，需實時檢測和識別家庭和醫療場景中的人的位置、動作和姿態等信息，以實現智能家居、健康監控、健身監測、虛擬現實和游戲等多種應用。例如，感知技術可用于智能家居，通過檢測家庭成員的

21、動作來實現家居的自動控制；或者用于健康監控，監測老年人或病人的日?；顒雍蜕w征（如呼吸和心跳），從而及早發現健康問題并提供警報。在室內環境中，多人動作檢測是一個具有挑戰性的任務。個體之間體形、姿態和運動方式存在多樣性，還會受到遮擋、干擾和噪聲等因素的影響，需要綜合運用機器學習和信號處理等領域的技術來解決這些問題。同時，還需要根據實際應用的需求和復雜性來優化多人動作檢測方法，以確保其在實際場景中的準確性和可靠性。對于室內特征檢測場景的網絡部署，可以采用與第 2.2.1 節相似的方法，即參考InF 網絡部署策略。具體而言，根據不同的感知模式，包括單站感知模式和雙站感知模式，選擇部署 1 個或 2

22、 個基站于室內墻壁或頂部作為感知節點，還可以將基站和終端，或者不同的終端作為雙站感知節點，以支持單人或多人的特征檢測，包括呼吸、心跳、姿態、動作等。綜合本章的討論，表格 1 給出了用于 6G ISAC 的評估場景（測試環境）建議。表格 1 用于 6G ISAC 評估場景（測試環境）建議評估場景(地理環境-ISAC-用例)定義Outdoor-ISAC-檢測、定位和跟蹤城市環境中的通信感知一體化評估，評估重點是檢測、定位和跟蹤目標，目標包括人、動物、無人機和車輛等。12Outdoor-ISAC-環境目標重構城市環境中的通信感知一體化評估，評估重點是目標的重構和成像，目標包括建筑物、道路、車輛等。I

23、ndoor Factory-ISAC-檢測、定位和跟蹤室內工廠環境中的通信感知一體化評估，評估重點是檢測、定位和跟蹤目標，目標包括機器人、AGV、工作人員、產品和設備等。Indoor Factory-ISAC-環境目標重構室內工廠環境中的通信感知一體化評估，評估重點是目標的重構和成像，目標包括墻、柱、機器、機器人等。Indoor Home-ISAC-手勢、姿態及呼吸檢測室內環境中的通信感知一體化評估，評估重點是目標的動作及狀態檢測，包含呼吸，心跳，姿態等。第第二二章章 評估方法評估方法本章節將針對通感一體化評估指標，仿真評估所需要的信道特征模型，網絡部署，仿真參數和系統及鏈路仿真流程展開討論，

24、為業界通感一體化仿真性能評估工作提供方法論參考。2.1 評估指標評估指標在通感一體化評估中，既要考慮傳統通信的性能，也要考慮新增感知的性能需求。對通信資源的占用將一定程度影響通信傳輸速率，在一體化性能評估中需要同時對傳輸速率、資源占比和感知精度進行評估，獲得通感一體化網絡的綜合評估結果。針對通感一體化技術不同的評估場景和用例，感知應用和感知目標均有所差異，使得各評估場景關注的評估指標類型也存在差異。同時，對于同一評估指標，各評估場景的需求數值也不同，例如環境目標重構類用例對分辨率要求較高。因此，面向 6G 通感一體化的技術性能評估，需要針對各個評估場景綜合研究通信和感知的評估指標。在ITU的技

25、術文檔中，通常用“技術性能需求（Technical Performance Requirements，TPR）”來定義評估指標，因此，本報告中采用“評估指標（技術性能需求）”兼顧廣泛理解和對齊標準概念。下面列出需重點關注的通感一體化評估指標（技術性能需求），在仿真評估時可參考以下指標進行性能評估：定位精度（包含距離、角度）：目標的估計位置與真實位置的接近程度。根據評估需求可進一步的劃分為角度和距離精度。重構精度：重構結果對真實物體的復現程度，例如針對目標重構出的散射點集13與真實散射點集的接近程度?？赡艿脑u價機制包括：Chamfer 距離，F-score等。漏檢概率：實際存在目標或事件特征，卻

26、判斷為不存在目標或事件特征的概率，通常建立在一定的虛警概率假設下。虛警概率：實際不存在目標或事件特征，卻判斷為有目標或事件特征的概率。感知容量：在給定的空口傳輸時間內，單位面積上可探測到的滿足感知 QoS 的目標數量，其中感知 QoS 可包括感知精度、檢測概率等。分辨率：距離、角度、多普勒、空間位置等維度上任意兩個的感知結果的可分辨差值。速度精度：目標估計速度與真實速度的接近程度。多普勒精度：目標的估計多普勒頻移與真實多普勒頻移的接近程度。峰值速率：指在理想條件下可達到的最大數據速率。平均頻譜效率：平均頻譜效率是所有用戶的總吞吐量除以特定頻段的信道帶寬再除以 TRxP 數量。感知時延：指無線網

27、絡感知數據從發送源開始到達接收源的時間。感知資源開銷：在考慮不同通信和感知資源配置時的用于感知的資源占比。2.2 信道模型信道模型通感一體化目標 RCS 特征模型和環境雜波模型對通感一體化的仿真評估起著至關重要的作用。本章節主要針對感知目標 RCS 特征和環境雜波開展研究探討工作，并給出模型建議，為通感一體化系統級和鏈路級仿真提供模型輸入。針對通感一體化信道模型框架和信道生成方法可參考 IMT-2030(6G)推進組發布的 面向 6G 信道測量與建模研究報告。2.2.1 感知目標特征建模感知目標特征建模感知目標的散射特性建模是通感一體化信道模型中關鍵的一步?；诶走_散射理論，目標總散射響應可看

28、成若干局部等效散射源響應的相干疊加，這些等效散射源稱14為目標的散射中心10。為了表達目標散射中心，目前已發展了一系列參數化的形式11，它們具有簡潔、稀疏、機理相關等優點，在雷達目標的數據壓縮、信號仿真、超分辨成像、特征控制和目標識別等領域已獲得廣泛應用。散射中心參數化模型描述散射中心的頻率、視向角、極化等參數的依賴行為。最簡單的散射中心模型為理想點散射中心模型，它將散射中心的幅度與位置視為常數，即不隨頻率和視向角變化12。而擴展的多散射中心利用多個散射點抽象描述目標電磁散射特征，能更加準確的還原感知目標的形狀，圖像等信息。幾何繞射理論(Geometrical Theory of Diffra

29、ction,GTD)的提出使得多散射中心模型在雷達探測領域得到的廣泛的應用。GTD 模型建立目標散射場與頻率依賴關系，隨后，極化 GTD 模型、多項式 GTD 模型、屬性散射中心(AttributedScattering Center,ASC)模型等。它們均繼承了 GTD 模型的頻率依賴關系，并進一步擴展了對角度相關性和極化相關性的建模。另一方面，多散射中心的數目一定程度上影響模型復雜度和準確度，提出了一種基于 GTD 的擴展模型，相比 GTD 模型利用更少的散射體數量準確建模目標電磁特征13。簡要對比了單散射中心與多散射中心模型對目標電磁特征的建模差異。表格 2 感知目標建模方法對比模型特征

30、單散射中心多散射中心描述目標 RCS 設為固定值、服從特定分布隨機值根據每個散射中心的結構，頻段，入射角度，極化等參數計算其對應的 RCS準確性低高復雜度低中RCS 與頻率，角度，極化依賴關系無有對于 RCS 的取值，可以根據不同的目標類型將 RCS 建模為確定取值，也可以將RCS建模為服從特定概率密度函數的隨機變量，另外根據物體形狀也可以確定其RCS。方法 1：RCS 建模為固定值在該方法中將感知目標建模為單一散射點，無論從任何方向入射或反射，均假設RCS 為定值，因此采用特定的 RCS 取值。對于不同的感知目標，通常 RCS 取值不同。下表給出微波頻段下不同反射物的 RCS 典型值14。1

31、5表格 3 不同反射無 RCS 典型值反射物RCS(m2)RCS(dBsm)直升機34.8小敞篷船/小型無人機0.02-17小型游艇（2030 英尺）23汽車10020載貨小汽車20023自行車23人10大鳥10-2-20中鳥10-3-30大昆蟲10-4-40小昆蟲10-5-50注 1：上表中兩個 RCS 值的換算關系：()=1010(2)方法 2：RCS 建模為服從特定概率密度函數的隨機變量在該方法中 RCS 是一個服從特定概率密度函數的隨機變量，例如均勻分布、高斯分布、施威林（Swerling）模型1等，其中施威林是雷達探測中常用的 RCS 建模方法，通常分為四種類型，也可以應用在通感 R

32、CS 建模中。雷達系統中常用的 RCS 模型，主要分為 Swerling I，Swerling II，Swerling III 和Swerling IV 四種類型。通常情況下，感知接收端感知目標時其掃描過程是周期性的。如果同一個掃描周期內的多個回波間具有相關性，不同掃描周期間的多個回波不具有相關性，即表明感知目標起伏特性變化較慢，稱之為慢起伏，可用 Swerling I 和Swerling III 模型來描述。如果同一個掃描周期內的多個回波不具有相關性，即表明感知目標起伏特性變化較快，稱之為快起伏，可用 Swerling II 和 Swerling IV 模型來描述。不同的 Swerling

33、具有不同的概率分布特性，Swerling I 和 Swerling II 模型將 RCS建模為瑞利分布()=1?,0，而 Swerling III 和 Swerling IV 模型將 RCS 建模為卡方分布()=4?2?,0，其中?為感知目標的 RCS 平均值。方法 3：根據感知目標形狀計算 RCS一些常見類型物體形狀的 RCS 的計算方法如下：16表格 4 物體形狀的 RCS 計算方法目標形狀RCS觀察方向球體（半徑）2任何方向扁圓板（半徑）4342平行于法線圓柱形（長度，半徑）22垂直于對稱軸平板（面積）422平行于法線橢球體（半長軸，半短軸）22平行于長軸或短軸圓錐體11624平行于對稱

34、軸針對通信感知一體化評估場景及不同的感知目標，需首先對感知目標進行特征歸類，如室外定位跟蹤場景主要目標為人，車。而環境目標重構場景典型感知目標為樓宇。因此，在感知信道模型中，感知目標重點考慮以下四類：UAV，人，車輛，樓宇?？紤]到實際場景需求和仿真復雜度，對部分場景的目標散射特征建模進行簡化，如室外 UAV 探測時，UAV 的尺寸較小，距離基站距離較遠，可將多散射中心模型退化為理想單點散射中心模型。通常來說，在遠場范圍的目標檢測或跟蹤都可以退化為理想單點散射中心模型。另外，針對不同大小目標，多散射中心的散射點數目也有所不同。例如，樓宇墻面的散射點明顯大于車輛的散射點。進一步的，針對特征檢測類應

35、用，還需考慮同一目標不同散射點的多普勒差異可以采用多散射點模型。例如，在人體行走時，雙手多普勒與軀干多普勒存在明顯差異，可以當作 3 個散射點分別建模獨立的多普勒模型。另一方面，考慮到仿真評估的復雜度，對于遠場范圍的目標，也可以將多散射點的單一多普勒模型合成為一個復合多普勒模型，作用在一個散射點上。這對人體姿態識別起著至關重要的作用?；谝陨嫌懻?，表格 5 給出了典型評估場景中不同目標多散射中心建模建議。表格 5 不同評估場景下的多散射中心模型評估場景感知目標分類散射中心模型室外定位與跟蹤UAV單點車輛多點(3-5)環境目標重構建筑物多點(5)室內定位與跟蹤人，AGV單點、多點(3-5)環境目

36、標重構墻面多點(5)17特征檢測人單點、多點(3-5)2.2.1.1 基于測量的 RCS 模型人體人體本小節提供了人體 RCS 的測量配置和測量結果，以研究人體的整體 RCS(對應于單個散射點)和部分 RCS(對應于多個散射點)之間的關系，以及人體建模成單散射點時的 RCS 特征。在暗室環境中采用 mono-static 模式，在 28GHz 下先分別測量了人的頭、腹部反射的電磁波回波，此時人體的其他部分均被吸波材料屏蔽。再將人作為整體，對人體反射的電磁波回波進行了測量。測量環境如圖 5 所示，發射機 TX 采用方向天線，高度是 2.3m,TX 和目標之間的距離是 12m，人位于中心的轉臺上，

37、以 5為間隔旋轉轉臺以測量不同角度下目標的 RCS，測量結果如圖 6 所示。圖 5.人的多散射中心 RCS 建模圖 6.人頭部、腹部和整體的 RCS 測量結果根據測量結果，人頭部的 RCS 平均值為-16.16dBsm，腹部的 RCS 平均值為-12.4dBsm，人整體的 RCS 平均值為-8.24dBsm?？梢杂^察到人整體的 RCS 大于身體各個部位的 RCS，其中人整體 RCS 的線性值為 0.15 m2，頭部和腹部 RCS 的線性值之和為 0.082m2。如果再考慮人手臂和腿的 RCS，可以預測人整體的 RCS 相當于人各部分 RCS 的疊加。因此單散射點 RCS 和多散射點 RCS 之

38、前的關系可以用以下公18式建模：=1,?其中代表目標整體的 RCS，,代表目標第個散射點的 RCS，是目標建模的散射點的數目。當把人整體建模成單個散射點時，我們又分別在 4.9GHz,15GHz,和 28GHz 下，采用 mono-static 感知模式對人整體的回波進行了探測，以測量人體目標的 RCS。對于 4.9GHz,15GHz 和 28GHz，人體不同角度時的 RCS 測量結果如圖 7 所示，圖 8展示了相應的 CDF 曲線?？梢杂^察到，人體的 RCS 值圍繞平均值有一定的隨機變化，且隨入射角和散射角變化微弱。因此人體的 RCS 可以用一個有均值和標準差的對數正態分布來建模。此外，考慮

39、到人體對電磁波的反射主要包括散射、衍射和吸收，和角度沒有明確的關系，因此 bi-static 感知模式下人體的 RCS 同樣可以建模成對數正態分布?；跍y量結果，表格 6 總結了不同頻率下人體 RCS 的對數正態分布模型參數。圖 7.不同頻率下人體目標的 RCS 測量結果19圖 8.不同頻率下人體目標的 RCS 測量結果 CDF 曲線表格 6 不同頻率下人體目標 RCS 的對數正態分布模型參數FrequencyMeanStandard deviation4.9GHz-5.67852.257515GHz-7.51612.707428GHz-9.54682.3118從圖 7 和圖 8 中可以觀察到

40、，載波頻率越高，人體的 RCS 測量值越小。結合表格 6 分析的對數正態分布模型參數，可以觀察到人體 RCS 的平均值隨載波頻率的變化幾乎是線性的，而標準差則是隨機的。圖 9 展示了人體目標的 RCS 平均值和載波頻率的擬合曲線。圖 9.人體 RCS 均值與載波頻率的擬合曲線因此，人體的 RCS 可以用對數正態分布來建模，其平均值可以根據公式計算：human=0.0011f2 0.2041f 4.7051標準偏差可以采用測量結果的平均值，即human=2.4293。車輛車輛 RCS 建模建模本小節介紹車輛 RCS 測量活動，場景如圖 10 所示。單靜態測量是由基于頻域矢量網絡分析器（VNA）的

41、探測儀在 12 GHz 下進行的。如圖中所示，在瓦倫西亞大學校園（Politcnica de Valncia）的室外環境中，在不同的方位角和仰角下測量一輛普通汽車。其中方位角 0表示車頭；仰角 0表示天線水平方向，仰角 10表示天線下傾角。測量活動的詳細配置如圖 10 所示。為了使測量車輛 RCS 的結果具有普適性，我們使用了一個相當常見的車輛模型。該測量值對應的是一輛 2018 年款的黑色日產，尺寸為 3.99 x 1.73 x 1.45m。由于賽車是外部左右對稱的，我們以半圓軌跡測量了賽車的 RCS，如圖 2 的右上所示。對20于單靜態測量，測量范圍為 0至 180,共設置 19 個收發機

42、位置。對于雙靜態（bi-static）測量，Tx 和 Rx 都從 0移動到 180，共測量 19 x19 個位置。結果表明，車輛的 RCS 值隨入射角和散射角的變化而變化。車的左右側面貢獻最強的功率，前后側面貢獻次強的功率。也就是說，左右側面和前后側面具有不同的散射特性。(a)單靜態測量21(b)雙靜態測量圖 10 車輛 RCS 測量活動由于入射角和散射角都會影響 RCS 的功率方向圖，因此雙靜態 RCS 圖案比單靜態 RCS 圖案復雜?？梢栽O想，基于汽車金屬表面的鏡面反射理論，雙靜態感應模式的 RCS 可以從單靜態感應模式的 RCS 推導出來。在此假設下，我們通過測量數據集進一步研究了從單站

43、 RCS 到雙站 RCS 的等效變換的有效性，如公式所示，從而可以方便地使用統一的模式建模單靜態和雙靜態 RCS 功率方向圖。Bi(incident,scattered)Mono(bisector)圖 11 自發自收和自發他收平面分解示意圖重建的雙靜態 RCS 與實測的雙靜態 RCS 進行了比較，具有 3dB 平均誤差，如圖4 所示，這證明了獲得雙靜態檢測模式 RCS 的兩種方法之間的相似性。因此，雙靜態 RCS 可以近似地由單靜態 RCS 重建。22圖 12 雙靜態模型 RCS 近似方法根據獲得的測量結果，我們將車輛被劃分或建模為四個散射點，每個點代表一個側面。四個散射點在目標的局部坐標系（

44、LCS）中具有不同的方向，如圖 13 所示。圖 13 用四個散射點表示四面表面來建模車輛為了建模車輛的 RCS，可以將測量結果與每個散射點匹配。通過對稱性發現，左右散射點具有相同的散射模式，前后散射點具有相似的散射模式。采用使用適當的多項式來擬合圖 14 左側所示的測量數據，并使用最小 RMSE 度量來評估擬合精度。圖 14 用四個散射點建模的車輛的 RCS 建模如圖 14 的右側所示，每個散射點（前、后、左或右）的散射功率方向圖看起來與 TR 38.901 中的單個天線單元的輻射功率方向圖類似，因此對于單靜態和雙靜態信道，可建模如表格 7 所示。23表格 7 車輛 RCS 模型Paramet

45、erValues每個散射點在垂直方向上的功率方向圖(dB)dB,=0=min 12903dB,2,max,where max=20dB and 0,180每個散射點在水平方向上的功率方向圖 t(dB)dB=90,=min 123dB,2,max,where max=20dB and -180,180每個 散射點3D 功率方向圖(dB)dB(,)=min dB,=0+dB=90,max散射點參數車輛散射點n3dB,3dB,dB前1024.428.111.66左29015.61619.69后318035.745.613.26右4-9015.61619.69代表散射點的最大功率.自發自收時，代表每個

46、散射點的垂直和水平入射角及反射角當自發他收時，代表每個散射點的垂直和水平入射角和反射角的角平分線。2.2.1.2 基于電磁仿真的 RCS 模型通過電磁仿真軟件 CST Studio Suite，可以模擬和分析電磁場、微波、毫米波等頻率范圍內的各種器件和系統。我們利用 CST 軟件對感知目標的 RCS 進行仿真，具體步驟如圖 2 所示，可以分析目標物體在不同條件下的散射特性，為通信感知一體化系統設計提供重要支撐。圖 2 RCS 測量仿真步驟流程圖在通信感知一體化中，典型應用場景主要為無人機場景和智慧交通場景。其中無人機場景如圖 15（a）所示，無人機在一定范圍內飛行，節點 A 與節點 B 對無人

47、機目標進行感知，節點 A 發送感知信號，節點 B 接收信號以獲取無人機處于不同位置的 RCS。其中智慧交通場景如圖 15（b）所示，節點 A 與節點 B 對車輛目標進行感知，其中車輛在一定的距離范圍內運動。其中，俯仰角可以表征目標相對于兩個節點24的位置，方位角可以表征目標處于不同的姿態。圖 15（a）無人機場景（b）智慧交通場景在 CST 仿真平臺中使用的無人機模型，其長度為 0.28m，寬度為 0.28m。以及車輛模型，其長度為 0.9m，寬度為 0.4m，目標的具體尺寸可以進行調整。目標模型的示意圖如圖 16 所示，其中與 Z 軸和 X 軸的夾角分別用俯仰角和方位角表示。當入射角和觀測角

48、一致時，表示單站 RCS 測量；當入射角和觀測角不一致時，表示雙站 RCS 測量。對于實際無人機/車輛場景，結合站間距和目標的運動范圍，設置 CST的參數如表 1 所示。圖 16 UAV 和車輛目標模型表格 8 仿真參數表參數無人機數值車輛數值功能入射俯仰角106:2:17021:2:85目標不同位置入射方位角0:5:3600:5:360目標不同姿態觀測俯仰角106:2:17021:2:85觀測節點不同位置觀測方位角0:5:3600:5:360觀測節點不同位置25單次測量能夠提供關于目標在特定入射和觀測條件下的散射特性的直觀理解。通過單次測量結果，我們可以觀察到目標在不同方位角下的散射強度變化

49、，從而了解目標的反射、散射行為，并對單站 RCS 和雙站 RCS 的特性進行評估。統計測量則能夠進一步驗證和深化對目標散射特性的認識。通過對大量觀測數據進行統計分析，我們可以得到更全面、更客觀的目標散射特性信息，包括目標的平均散射強度、散射分布等。因此，下面從 RCS 單次測量、RCS 統計測量兩方面分析評估單站 RCS/雙站 RCS的仿真結果。首先，我們給出了 RCS 單次測量結果，如圖 17 所示。由于入射方向和觀測方向均包含俯仰角和方位角，因此我們固定入射方向和觀測方向的俯仰角，分析方位角對 RCS 的影響。以圖 17 右下角的結果為例，對于車輛目標，入射方向的俯仰角和方位角分別為 20

50、和 150，觀測方向的俯仰角為 20，圖中給出了觀測方向方位角在 0360范圍內目標的 RCS 值，用于表示雙站 RCS 值，當觀測方向方位角為150時，此時入射方向與觀測方向相同，表示單站 RCS 值。從圖中可以看出，自發自收和 A 發 B 收兩種模式下目標在不同方位角進行觀測均具有不同的散射強度，且自發自收 RCS 值并不一定是最強的。圖 17 入射角固定時，不同觀測角目標的 RCS 示意圖然后，我們給出了 RCS 統計測量結果。以無人機為例，入射方向俯仰角的數量為 33 個，入射方向方位角的數量為 72 個，因此所有入射方向的數量為 2376 個，對于每個入射方向，我們獲取了不同觀測方向

51、的 RCS 值。將獲得的不同入射方向不同觀測方向的 RCS 值構造表征 RCS 的矩陣，其中對角元素（入射方向與觀測方向相26同）表示單站 RCS，非對角元素（入射方向與觀測方向不同）表示雙站 RCS。對于每一個入射方向，首先獲得觀測方向與入射方向相同情況下目標的 RCS 值（自發自收），然后獲得最強觀測方向的 RCS 值（A 發 B 收）。通過統計分析得出，在 2.6GHz頻段，無人機場景中不同觀測方向中最強 RCS 值比自發自收 RCS 值強 3dB 以上占比68%，車輛場景中不同觀測方向中最強 RCS 值比自發自收 RCS 值強 10dB 以上占比85%，如圖 18 所示。從統計結果可以

52、得出，最強 RCS 值對應的觀測方向大概率與自發自收模式不符，協作感知更有可能獲取并利用目標的強散射特性，從而提升目標檢測、感知性能。因此在進行目標感知時，有必要考慮到同一物體的不同 RCS。圖 18 兩種仿真場景下 RCS 統計測量結果2.6GHz2.2.1.3 基于視覺輔助的動態目標模型在動態感知中，目標大體分為兩大類：剛性目標和柔性目標。剛性目標指的是位置相對穩定或運動軌跡較為簡單的目標，如車輛、建筑物等，通常用于定位類感知應用。這類目標的特征一是位置固定，在感知范圍內位置較為固定或僅作簡單直線運動；二是結構穩定，形狀和結構不隨時間變化；三是簡易建模，可以通過單點或少量多點散射模型進行建

53、模。在建模過程中，多點散射可以等效為一個點，從而簡化建模和信號處理的復雜度。柔性目標包括那些運動軌跡復雜且其內部結構具有柔性變化的目標，如人體、動物等，通常應用于動作檢測等感知應用。這類目標的特征一是運動復雜，具有復雜的運動軌跡和多樣的動作模式；二是結構變化，目標內部的相對位置和結構隨時間變化；三是復雜建模，需要通過多點散射模型來進行建模，多點之間隨著時間呈現一定規律的相互內在關系。柔性目標的建模復雜性較高，需要采用更加精細的建模方法來準確描述其動態特性。多點散射模型適用于剛性和柔性目標的建模，但在處理柔性目標時，需要考慮其內部的動態規律和關系，這些關系隨著時間變化。因此，傳統的等效單點模型無

54、法滿足需求。27我們提出了一種基于視覺輔助的方案，以解決柔性目標多點內在關系建模的難題。該方案通過結合視覺數據和感知數據，捕捉柔性目標的動態特性。以人體目標為例，由于人體結構復雜且反射點豐富，人體將由關鍵關節的參考點構建。通過記錄這些參考點的動態運動軌跡，可以追蹤人體各個部位的運動情況。為獲取人體三維運動學數據，我們采用包含 12 個光學鏡頭的 Vicon 動作捕捉系統。在進行動作捕捉的同時，感知發射機發送參考信號，感知接收機進行數據采集。通過比對實測感知數據與運動學數據，可以驗證目標建模的準確性。人體不同部位的組織具有不同的反射特性。我們利用基本形狀模擬人體的不同部分，如用橢球體表示軀干、手

55、臂和腿，用球體表示頭部。這些基本形狀的 RCS 通過數學公式推導出來。根據圖 19 所示，通過建立動態人體運動模型，我們獲取人體運動過程中每個身體部位與感知發射機/接收機之間的距離和雷達截面（RCS）。結合動態人體模型與運動信息，仿真感知參考信號的目標回波。對目標回波進行時/頻域信號分析，可以識別人體動作和姿態。(a)單站感知模式(b)雙站感知模式圖 19 單雙站模式下的人體目標感知信號處理本小節提出了基于視覺輔助的柔性目標多點建模方案，在單/雙站感知工作模式下，通過對動態人體進行建模和仿真，提取不同動作下的微多普勒特征，驗證了所提柔性目標建模的準確性和效率。2.2.1.4 微動多普勒模型多普

56、勒頻移是指當移動臺以恒定的速率沿某一方向移動時，傳播路程差會造成相位和頻率的變化。微運動下時變多普勒以及頻譜展寬特性被稱為微多普勒特征。微多普勒特征與目標各部分的物理結構和運動參數有關，是目標運動特征的獨一無二的表現形式。28圖 20 雷達與目標的運動&微運動示意圖多普勒及微多普勒特征研究的是雷達回波的頻率調制特征，回波相位反映了目標與雷達的瞬時距離，對其求導可以通過回波相位的變化獲得頻率調制特征。以圖 20 給出的模型為例，推導多普勒及微多普勒特征。根據時刻雷達到目標散射點的位置矢量得出距離為 =0?+?+0?。雷達以載波發射電磁波，那么從點返回的回波信號()為 =,exp 22=,exp

57、其中,是在(,)的局部坐標系中描述的散射點的反射率函數。多普勒頻移可以根據回波信號的相位求導得到=12=2=212 0?+?+0?0?+?+0?=2?+0?其中?=0?+?+0?0?+?+0?，為的單位向量。上述多普勒頻移的推導公式第一部分為平動產生的多普勒特征，第二部分為微運動產生的微多普勒特征。從推導過程中可以看出，微多普勒特征與多普勒特征本質相同，都是由于目標的運動使得其相對于雷達的位置發生變化進而引起了回波相位的變化，二者的不同之處僅在于，多普勒特征反映的是目標整體的運動狀態，而微多普勒29特征反映的是目標或目標上的部分結構、部件或部位除整體平動之外的小幅運動分量。微運動下回波信號屬于

58、典型的非平穩信號，全局傅里葉分析所得多普勒頻譜無法表現出信號局部時頻變化特性，因此需要采用時頻分析方法將多普勒頻譜在時域維度展開，充分描述信號頻率隨時間的變化關系。時頻分析同時提供了回波信號的頻譜和時間信息，通過分析時頻域聯合特征，可以找到目標振動或旋轉的頻率和周期，也可以通過分析時間數據和目標移動引起的微多普勒頻移變化來確定目標在特定時間的移動方向，時頻分析方法主要有以下幾種1)瞬時頻率分析對于非平穩信號，瞬時頻率定義為 =12()但這種方法只能用于分析單一頻率信號的特征，對于多分量信號，要使用經驗模態分解(Empirical Mode Decomposition,EMD)等技術將多分量信號

59、分解為組成它的多個單分量信號，然后使用該方法分析。然而 EMD 是自適應的濾波方法，可以將信號中不同頻率成分分開，但不能給出每一基本模式分量的表達式，這會給理論分析造成一定的困難。2)聯合時頻分析線性時頻分析方法(復雜度低但時頻分辨率差)：短時傅里葉變換(Short TimeFourier transform,STFT)、小波變換(WaveletAnalysis,WA)雙線性時頻分析方法(良好的時頻分辨率但復雜度高)：Wigner-Ville、Cohen類、Choi-Williams、偽 Wigner、平滑偽 Wigner-Ville、Cone Kernel獲得時頻變化譜后，在一些簡單的應用場

60、景下通常能夠從中直接讀出微運動規律，一些復雜的應用場景也可通過 Hough 變換、廣義 Radon 變換(Generalized RadonTransform,GRT)、逆 Radon 變換(Inverse Radon Transform,IRT)等方法提取目標的微動特征。例如，Hough 變換是檢測圖譜中是否存在直線的重要算法，經過不斷擴展和完善后已經可以檢測多種形狀，如圓形、橢圓等，通過形狀檢測能夠對應到相應的微運動模式。另外，還有一種能夠有效獲取運動頻次的方法，也就是利用信號相位對微小的運動的高敏感性，直接提取出信號相位進行傅里葉變換，從而獲取信號的頻率信息。如果多個運動同時發生，通過上

61、述方法可以有效提取不同運動的頻次信息。30微多普勒特征能夠體現感知目標微運動對回波信號傳播距離的影響，下面給出典型應用實例微多普勒函數分別與感知目標微運動模式與微運動規律的對應關系，也為仿真評估中建立各類感知目標信道模型提供理論基礎。表格 9 典型應用示例的微多普勒感知目標微多普勒函數?無人機第 d 個旋翼的第 k 個葉片:?=2 sin,=(1+2)/2其中是槳葉的長度，1和2分別為槳葉的頭部和尾部到旋翼中心的距離，為雷達與目標中心連線相對于坐標系的俯仰角，,=,0+是第 d 個旋翼第 k 個葉片的相位，,0 為初始相位，槳葉旋轉角速度16。鳥類?=2()()2()()為方位角,為俯仰角以及

62、()為撲翼角度，表示為()=(2)=(0)為撲翼角度幅值,0=2為撲翼角頻率16.呼吸與心跳監測?=2+和分別為心跳和呼吸的幅值,和分別為心跳和呼吸的頻率16.2.2.2 環境目標特征建模環境目標特征建模在感知信道當中，由于周圍環境的程度不同，感知目標會與周圍環境散射體產生相互作用，從而影響目標探測感知性能。因此在通感信道模型中有必要研究環境散射體在空間傳播信道的中的特征。首先，環境中散射體分為以下兩類：環境目標：環境中大型且穩定的散射體，這些散射體為傳播信道貢獻穩定且主要的能量。如商業區大廈的玻璃幕墻，地面反射等。環境雜波：環境中小型且隨機的散射體，這些散射體多為動態物體，為傳播信道提供隨機

63、且少量的能量。如樹木，過往的行人等等。由于雜波的隨機性，可采用統計性建模方法提取環境雜波的統計特征，如功率，時延擴展，角度擴展，簇數等參數，構建統計分布模型。因此，我們針對上述兩種環境散射體開展測量分析與建模研究。首先開展針對不同材質環境目標的 RCS 定標測試。其中包括金屬板，木板，瓷磚等典型的室內外墻體材質。這些材料的主要區別為表面粗糙度不同，從而影響電磁波的傳播特征。實驗結果顯示，在不同入射角情況下能觀測到反射和散射的傳播現象。針對光滑材質，如金屬、玻璃等，鏡面反射為主導傳播類型。隨著粗糙度的增加，可觀測到散射能量在31逐步提升，反射傳播能量占比有一定程度降低。圖 21 典型材質傳播特征

64、暗室測量此外，在室外 UMi 場景的信道測量中，通過對信道多徑提取分析發現，樓宇墻體是 NLOS 多徑中的主要能量成分，其中，樓宇反射與其他雜波散射的能量比為 15dB。圖 22 室外 UMi 場景下環境目標測量基于上述測量觀測，我們可利用鏡面反射建模方法刻畫環境目標傳播特征。建模方法如下，詳細公式可參考 TR38.901 7.6.8 章節。步驟 1：確定發射機、接收機和環境目標的位置，通過鏡像法得到鏡像發射機，連接鏡像發射機和接收機找到鏡面反射點，最終確定發射到接收機的鏡面反射徑。此步驟可確定 Tx-EO-Rx 多徑的時延，出射角和入射角。32圖 23 鏡面反射步驟 2：利用菲涅爾反射公式計

65、算鏡面反射的功率，典型材質反射系數可參考 ITU研究報告1718.tvrjdrjdrjdjFFRRFFtHTsTuTssTuusu0GRrx,0,txGRtx,0,rxGRrx,0GRAODGR,ZODGR,txAODGR,ZODGR,txGRGR|AOAGR,ZOAGR,rxAOAGR,ZOAGR,rxGR,.2exp.2exp.2exp2exp,00,)(2.2.3 CDL 鏈路信道模型鏈路信道模型通感鏈路級仿真通常用于波形/信號設計、接收處理算法等技術方案的對比評估，重點關注單鏈路目標檢測和參數估計性能，不需要對信道場景進行精確刻畫。因此可以在 TR 38.901 中的 CDL（Clus

66、tered Delay Line）信道模型基礎上增加對感知目標的建模作為通感鏈路級信道模型，并盡量簡化感知目標的建模方式。具體方案可以是將感知目標建模為一個或多個感知簇如圖 24 所示，非感知簇可復用 TR 38.901 的生成方法。圖 24通感鏈路級信道建模示意圖根據感知簇的參數生成方法不同，本報告提供三種不同的感知目標 CDL 生成方33法供使用者選擇：方案一：考慮感知目標的空間位置與時延、角度的關聯關系，確定目標位置坐標后，根據目標的位置坐標生成感知簇的時延、角度參數。方案二：不考慮感知目標的空間位置與時延、角度的關聯關系，即不建模目標的位置坐標，直接生成感知簇的時延、角度參數。方案三：

67、不考慮感知目標的空間位置與時延、角度的關聯關系，從 CDL 信道模型原有信道簇中選擇一個或多個作為感知簇。2.2.3.1 基于感知目標空間位置的建模方法方案一考慮感知目標的空間位置，因此需要在原 CDL 信道模型基礎上增加感知信號發送節點、接收節點以及感知目標空間位置關系的建模，具體流程如下。1.建立全局坐標系，信號發送節點、接收節點、感知簇的初始位置均定義在全局坐標系中。其中，對于雙基地感知模式，接收節點和發送節點的位置可以根據 LOS 徑的離開角和到達角確定，或者根據所設置的接收節點和發送節點的位置對 CDL 信道參數表格中的信道簇角度參數進行修正。2.確 定 信 號 發 送 節 點 位

68、置 坐 標,和 接 收 節 點 位 置 坐 標,，對于單基地感知模式，收發節點位置相同。3.確定感知目標個數以及目標撒放區域，生成各個感知目標的位置坐標,，=,。4.根據感知目標的位置坐標，生成與感知簇的時延、角度參數：相對時延計算：=+，其中表示光速相對時延，表示收發節點間的距離，對于單基地感知模式=，對于雙基地感知模式假設收發節點之間存在 LOS 徑。角度計算：根據感知目標位置坐標以及收發節點位置坐標分別計算全局坐標系下感知簇的離開角、，以及到達角、。5.生成與感知簇的功率參數，CDL 信道模型中簇的功率參數為相對功率值，感知簇的功率參數與感知目標 RCS 特征以及雜波特征（信號雜波比）相

69、關聯，可34以根據仿真需求限制感知簇的功率范圍，隨機生成功率參數。6.根據感知簇的 AOD、AOA、ZOD、ZOA 以及相應的簇內角度擴散因子，生成目標 Cluster 內各個射線（子徑）的角度并進行隨機組合。7.生成交叉極化增益，以及生成極化組合的初始相位。8.確定感知目標運動模式（包括勻速直線運動、圓周運動、往復運動等）以 及 運 動 速 度 矢 量，進 而 計 算 出 感 知 簇 的 時 域 多 普 勒 項?,?+?,?，其中?為感知目標在時刻的速度矢量，?,表示從發送節點指向去波方向的歸一化矢量，?,表示從接收節點指向來波方向的歸一化矢量。9.生成非感知簇的參數，可以通過查表的方式，具

70、體計算過程同 TR 38.901，非感知簇的時域多普勒項的計算可參考步驟 8（若有）。10.根據感知簇和非感知簇的參數生成信道系數，具體計算過程同TR 38.901。注：每次更新信道時，需要根據感知目標運動速度，更新感知目標的位置坐標，以及感知簇的時延、角度等參數，以及根據其他簇的運動速度或信號收發節點運動速度更新相關簇參數（若有）。2.2.3.2 基于隨機統計性的建模方法此方法基于隨機統計模型，不考慮感知目標的空間位置，因此無需生成收發節點以及感知目標的位置坐標，而是通過感知目標簇建模感知目標鏈路信道。近一步的，在生成感知目標簇時，又可分為新生成簇和繼承簇兩種方法：新生成感知目標簇在確定感知

71、目標個數后，根據感知場景或仿真需求直接隨機生成感知簇的時延、角度參數，對于速度參數，速度大小和方向可以是固定值或隨機生成。其他信道參數包括功率參數、多普勒項等的計算方法同方案一，信道系數的具體計算過程同 TR38.901。表格 10 表格 11 分別給出了單基地感知、雙基地感知模式下信道簇參數示例，其中感知簇參數可根據給定的取值范圍隨機生成，表格中具體信道參數取值可根據信道實測結果進行修正。35表格 10 單基地感知信道參數表格 11 雙基地感知信道參數ClustertypeCluster#Normalized delayPower indBAOD in AOA in ZOD inZOAinV

72、elocityDopplerNon-sensing Cluster(s)10.0000-13.4-178.151.350.2125.4020.38190-4.2-152.793.291.3030.4025-2.2-4.2-152.793.291.3040.5868-4-4.2-152.793.291.3050.4610-690.276.612294060.5375-8.290.276.612294070.6708-9.990.276.612294080.5750-10.5121.5-1.8150.247.1090.7618-7.5-81.7-41.955.2560101.5375-15.915

73、8.494.226.430.10111.8978-6.6-8351.9126.458.80122.2242-16.7134.8-115.9171.6260132.1718-12.4-15326.6151.449.20142.4942-15.2-17276.6157.2143.10152.5119-10.8-129.9-747.2117.40163.0582-11.3-136-2340.4122.70174.0810-12.7165.4-47.243.3123.20184.4579-16.2148.4110.4161.832.60194.5695-18.3132.7144.510.827.202

74、04.7966-18.9-118.6155.316.715.20215.0066-16.6-154.1102171.71460225.3043-19.9126.5-151.822.7150.70239.6586-29.7-56.255.2144.9156.10SensingCluster(s)10.2,5.0-16,-2-180,180-180,1800,1800,1800,2020.2,5.0-16,-2-180,180-180,1800,1800,1800,20Per-Cluster ParametersParametercASDin cASAin cZSDin cZSAin XPR in

75、 dBValue(Non-sensing Clusters)5113310Value(Sensing Clusters)000010ClustertypeCluster#ClusterPASNormalizeddelayPowerin dBAOD inAOAinZOD inZOAinVelocityDopplerNon-sens1Specular0.000-0.030-18099.680.4036繼承感知目標簇在確定感知目標個數后，直接查表得到感知簇相關參數，即從已有的信道簇中選取一個或多個作為感知簇，未被選中的簇作為環境簇，并增加多普勒/速度參數，若增加速度參數，速度大小和方向可以是固定值或

76、隨機生成。其他信道參數包括功率參數、多普勒項等的計算方法同方案一，信道系數的具體計算過程同 TR 38.901。表格 12 表格 13 分別給出了單基地感知、雙基地感知模式下信道簇參數示例，根據實際場景中感知目標個數與特征選擇合適的信道簇作為感知簇。為了保證仿真的遍歷性和隨機性，也可以在每個感知參數計算周期（相干處理時間）重新選取感知簇。表格 12 單基地感知信道參數ingCluster(s)Laplacian0.000-22.030-18099.680.402Laplacian0.5133-15.857.518.2104.280.403Laplacian0.5440-18.157.518.2

77、104.280.404Laplacian0.5630-19.857.518.2104.280.405Laplacian0.5440-22.9-20.1101.899.480.806Laplacian0.7112-22.416.2112.9100.886.307Laplacian1.9092-18.69.3-155.598.882.708Laplacian1.9293-20.89.3-155.598.882.709Laplacian1.9589-22.69.3-155.598.882.7010Laplacian2.6426-22.319-143.3100.882.9011Laplacian3.7

78、136-25.632.7-94.796.488012Laplacian5.4524-20.20.514798.981013Laplacian12.0034-29.855.9-36.295.688.6014Laplacian20.6419-29.257.6-26104.678.30SensingCluster(s)1-0.2,5.0-16,-2-180,180-180,1800,1800,1800,202-0.2,5.0-16,-2-180,180-180,1800,1800,1800,20Per-Cluster ParametersParametercASDin cASAin cZSDin c

79、ZSAinXPR in dBValue(Non-sensing Clusters)511378Value(Sensing Clusters)000010ClustertypeCluster#Normalized delayPower indBAOD in AOA in ZOD inZOAinVelocityDopplerNon-sensing10.0000-13.4-178.151.350.2125.4037表格 13 雙基地感知信道參數Non-sensing20.38190-4.2-152.793.291.30Non-sensing30.4025-2.2-4.2-152.793.291.30

80、Non-sensing40.5868-4-4.2-152.793.291.30Non-sensing50.4610-690.276.6122940Non-sensing60.5375-8.290.276.6122940Non-sensing70.6708-9.990.276.6122940Sensing80.5750-10.5121.5-1.8150.247.120Non-sensing90.7618-7.5-81.7-41.955.2560Non-sensing101.5375-15.9158.494.226.430.10Non-sensing111.8978-6.6-8351.9126.4

81、58.80Non-sensing122.2242-16.7134.8-115.9171.6260Sensing132.1718-12.4-15326.6151.449.220Non-sensing142.4942-15.2-17276.6157.2143.10Non-sensing152.5119-10.8-129.9-747.2117.40Non-sensing163.0582-11.3-136-2340.4122.70Non-sensing174.0810-12.7165.4-47.243.3123.20Non-sensing184.4579-16.2148.4110.4161.832.6

82、0Non-sensing194.5695-18.3132.7144.510.827.20Non-sensing204.7966-18.9-118.6155.316.715.20Non-sensing215.0066-16.6-154.1102171.71460Non-sensing225.3043-19.9126.5-151.822.7150.70Non-sensing239.6586-29.7-56.255.2144.9156.10Per-Cluster ParametersParametercASDin cASAin cZSDin cZSAin XPR in dBValue(Non-sen

83、sing Clusters)5113310Value(Sensing Clusters)000010ClustertypeCluster#ClusterPASNormalized delayPower indBAOD inAOAinZOD inZOAinVelocityDopplerNon-sensing1Specular0.000-0.030-18099.680.40Laplacian0.000-22.030-18099.680.40Non-sensing2Laplacian0.5133-15.857.518.2104.280.40Sensing3Laplacian0.5440-18.157

84、.518.2104.280.420Non-sensing4Laplacian0.5630-19.857.518.2104.280.40Non-sensing5Laplacian0.5440-22.9-20.1101.899.480.80Non-sensing6Laplacian0.7112-22.416.2112.9100.886.30Sensing7Laplacian1.9092-18.69.3-155.598.882.720Non-sensing8Laplacian1.9293-20.89.3-155.598.882.70Non-sensing9Laplacian1.9589-22.69.

85、3-155.598.882.70382.3 網絡部署網絡部署針對第二章中所討論的評估場景，本報告提出相應的網絡部署方式如下Layout-1：密集城區：密集城區對于密集城區場景，典型感知目標為 UAV。仿真時，當前 Layout 中 UAV 部署方式為：按設定的密度隨機部署在一定的高度范圍內。圖 25 密集城區部署方式Layout-2：城區網格：城區網格城區網格的部署方式如圖 2 所示：街區道路、建筑和基站按圖中方式部署，基站設置在建筑邊緣區域，可作為評估城區中建筑、道路、車輛等目標的檢測、定位、重構性能的 Layout。感知目標的部署方式包括：-車輛：按設定的密度隨機部署在道路上，運動方向與道

86、路走向一致。-建筑與道路：按圖部署建筑物與道路。Non-sensing10Laplacian2.6426-22.319-143.3100.882.90Non-sensing11Laplacian3.7136-25.632.7-94.796.4880Non-sensing12Laplacian5.4524-20.20.514798.9810Non-sensing13Laplacian12.0034-29.855.9-36.295.688.60Non-sensing14Laplacian20.6419-29.257.6-26104.678.30Per-Cluster ParametersParam

87、etercASDincASAin cZSDin cZSAinXPR in dBValue(Non-sensing Clusters)511378Value(Sensing Clusters)00001039圖 26 城市網格部署方式Layout-3：高速公路：高速公路對于高速公路場景，典型的感知目標為行駛的車輛、入侵物體（例如動物）、公路橋梁等。對于公路橋梁類感知，其對應的感知目標可以是高速公路上的隨機的單點或者多個觀測點。圖 27 高速公路部署方式Layout-4：室內工廠室內工廠對于室內工廠-ISAC 的三個測試環境，檢測、定位、重構的目標主要是工廠中的40AGV、人員、機器設備、墻柱等。

88、5G 中用于 Indoor Factory 評估的 Layout 可以用于室內工廠-ISAC 的三個測試環境評估，如圖 3 所示。仿真時，各類型感知目標的部署方式包括：-AGV、人員、機器設備：按設定的密度隨機部署在廠房區域內。-墻柱：墻體按照工廠的外圍形狀部署；如有柱體，根據一定的間隔均勻分布在廠房內。圖 28 室內工廠部署方式Layout-5：室內室內辦公室辦公室對于室內場景的通感仿真評估也可以采用 3GPPTR 38.901 的 indoor office 場景。在 120m x 50m 的矩形室內空間內，部署 12 個 TRPs,隨機部署若干個終端（可選）和若干個感知目標，例如行人。圖

89、 29 室內辦公區部署方式Layout-6：室內室內房間房間參考 3GPPTR 38.808 的 indoor-B 場景，在 20m x 20m 的矩形室內空間內，部署1-2 個 TRPs,隨機部署若干個終端（可選）和若干個感知目標。網絡拓撲示意如圖 30所示。相比于室內辦公區和室內工廠場景，室內房間縮小的空間更適合于建模智慧家41庭用例的信號傳播和干擾環境。圖 30 室內房間部署方式2.4 參數配置參數配置ISAC 仿真中，基站和 UE 作為收發感知信號的主體，其配置參數的類型可參考IMT-2020 通信性能評估的參數配置中的參數類型，包括頻率、帶寬、天線數量、功率、UE 密度、UE 速度等

90、，具體的參數值需根據 6G 潛在的網絡能力進一步考慮。表格 14 列舉了 M.2412 給出的 Indoor Hotspot-eMBB 和 Outdoor-eMBB 兩個測試環境的仿真配置（每個測試環境均有三種 configuration 體現不同頻段的測試參數，僅以ConfigurationA 為例）。此外，ISAC 仿真中需引入感知目標相關的參數配置。表格 15 列舉了與感知目標（target）和環境目標（object）相關的參數，包括目標密度、目標移動模型、目標尺寸、目標 RCS 模型等。表格 14 通信類指標的仿真配置示例（M.2412）ParametersIndoor Hotspot

91、-eMBBDense Urban-eMBBConfigurationAConfigurationACarrier frequency4 GHz1 layer(Macro)with 4 GHzBS antenna height3 m25 mTotal transmit power perTRxP24 dBm for 20 MHz bandwidth44 dBm for 20 MHz bandwidth21 dBm for 10 MHz bandwidth41 dBm for 10 MHz bandwidthUE power class23 dBm23 dBmInter-site distance

92、20 m200 mNumber of antenna elementsper TRxPUp to 256 Tx/RxUp to 256 Tx/RxNumber of UE antennaelementsUp to 8 Tx/RxUp to 8 Tx/RxDevice deployment100%indoor80%indoor,20%outdoor(in-car)42Randomly and uniformly distributed overthe areaRandomly and uniformly distributedover the area under Macro layerUE m

93、obility modelFixed and identical speed|v|of all UEs,randomly and uniformly distributeddirectionFixed and identical speed|v|of all UEsof the same mobility class,randomlyand uniformly distributed direction.UE speeds of interest100%indoor,3 km/hIndoor users:3 km/hOutdoor users(in-car):30 km/hInter-site

94、 interferencemodelingExplicitly modelledExplicitly modelledBS noise figure5 dB5 dBUE noise figure7 dB7 dBBS antenna element gain5 dBi8 dBiUE antenna element gain0 dBi0 dBiThermal noise level174 dBm/Hz174 dBm/HzTraffic modelFull bufferFull bufferSimulation bandwidth20 MHz for TDD,10 MHz+10 MHz forFDD

95、20 MHz for TDD,10 MHz+10 MHz forFDDUE density10 UEs per TRxP10 UEs per TRxPrandomly and uniformly dropped throughoutthe geographical areaRandomly and uniformly distributedover the area under Macro layerUE antenna height1.5 mOutdoor UEs:1.5 mIndoor UTs:3(nfl 1)+1.5;nfl uniform(1,Nfl)whereNfl uniform(

96、4,8)表格 15 ISAC 評估所需的仿真配置參數示例（針對感知評估新增的參數）TestEnvironmentOutdoor-ISACIndoor-ISAC檢測定位追蹤-對天檢測定位追蹤-對地環境目標重構 特征檢測檢測定位追蹤環境目標重構特征檢測系統/基站/UE等參數表格 14表格 14表格 14表格 14表格 14表格 14表格 14NetworkLayoutLayout-1Layout-2Layout-2Layout-3Layout-2Layout-4Layout-3Layout-4Layout-5Layout-4Layout-5Layout-6Layout-4Layout-5Layou

97、t-3Layout-4Layout-5Targetdeploymentoutdoorindoor,outdooroutdooroutdoorindoorindoorindoorTarget densityN per cellN per cellN per cellN per cellN per cellN per cellN per cellTarget 3DmobilityUp to180km/hup to 120km/h Up to 60km/h3km/hUp to 3km/hUp to 10km/hUp to 3km/hTarget SizeTypicalTypical Type:Typ

98、ical Type:TypicalTypical Type:Typical Type:43(L*W*H)Type:UAVType1:1.6mx 1.5m x0.7mType2:0.3mx 0.4m x0.2mvehicleType1:5m*2m*1.6mType2:13m*2.6m*3mbuilding,verhicle，etcBuilding 200mx 100m x 20m;Vehicle isType1:5m*2m*1.6m,Type2:13m*2.6m*3mType:human:0.5m x0.5m x1.75mTypicalType:AGV,human etc.AGV:7.5m x2

99、.5m x 3.5 mHuman:0.5m x 0.5mx 1.75mwall,table,etcIndoor Wall:120mx50mx3mTable:5m x 2mx 1mHuman:0.5m x 0.5mx 1.75mTarget RCSmodel參考目標特征建模小節TypicalEnvironmentalobjectBuildings,vehicle,human,UAV,birds,AGV,etc.Typical size:UAV:0.3m x 0.4m x 0.2mBuildings:200m x 100m x 20m;Vehicle:Type1:5m*2m*1.6m,Type2:

100、13m*2.6m*3m;Human:0.5m x 0.5m x 1.75m;AGV:7.5m x 2.5m x 3.5 m;Birds:0.3m x 0.4m x 0.2mEnvironmentalObjectdeploymentoutdooroutdooroutdooroutdoorindoorindoorindoorEnvironmentalObject densityUp to N/TRxPUp to N/TRxPUp to N/TRxPUp to N/TRxPUp to N/TRxPUp to N/TRxPUp to N/TRxPEnvironmentalObject 3Dmobili

101、tyUp to 180km/hUp to 120km/hUp to 120km/hUp to 120km/hUp to 3km/hUp to 10km/hUp to 3km/hObject RCSmodel參考目標特征建模小節Minimum 3Ddistancesbetween pairsofTx/Rx/sensingtarget/objects10m10m10m10m10m10m10m2.5 評估流程評估流程對于通信感知一體化關鍵技術的評估，需同時仿真評估網絡通信性能和感知性能，在以往傳統通信系統仿真評估中，從系統級和鏈路級方面分別評價通信網絡和通信鏈路的性能。在此基礎上，在滿足通信功能性能

102、需求的基礎上，評估感知功能的性能。44因此，在評估中，需要明確給出通信和感知的資源復用方式、資源占比等相關可以表征通信和感知關系的性能度量。與通信指標的評估方法類似，ISAC 指標的評估方法主要包括系統級仿真(System-level simulation，SLS)和鏈路級仿真（Link-level Simulation，LLS），仿真中的具體流程要針對感知特定的需求進行適配。鏈路仿真主要評估面向感知的物理層信號設計、信號處理算法（如參數估計、感知算法等）在給定網絡參數下的性能，通常具有小規模的網絡配置（例如單對的 Tx/Rx）。系統仿真則具備更大的網絡規模（如 21或 57 扇區），可建模評

103、估感知業務模型、感知資源調度和小區間動態干擾包括通信與感知之間的干擾）等因素對指標性能的影響。系統仿真中的信號處理環節通常從鏈路仿真中抽象出來，并導入到系統仿真中，稱為物理層抽象。系統級仿真可進一步分為“全系統仿真（Full-SLS）”和“準系統仿真（Semi-SLS）”。Full-SLS 的典型示例是傳統的通信性能系統級仿真，面向 ISAC 仿真時，需進一步完善流程設計及信道模型，仿真中體現出目標的位置、存在狀態、通信與感知信道的相關性、多節點的聯合感知等特征和過程。Semi-SLS 簡化了多次信道生成、多時隙的仿真過程，折中出的計算能力可用于運行較為復雜的信號處理過程。Semi-SLS 的

104、一個例子是 5G 中 UE 的定位性能評估。表格 16 評估場景與指標評估方法分類評估指標評估場景定位跟蹤（室內、室外）環境目標重構（室內、室外）特征檢測（室內）定位精度Semi-SLS/Semi-SLS重構精度/Semi-SLS/速度精度Semi-SLS/感知容量Semi-SLSSemi-SLSSemi-SLS距離精度Semi-SLSSemi-SLSSemi-SLS角度精度Semi-SLSSemi-SLSSemi-SLS多普勒精度Semi-SLSSemi-SLSSemi-SLS檢測概率Semi-SLSSemi-SLSSemi-SLS/LLS位移精度/Semi-SLS452.5.1 系統級仿真

105、評估流程系統級仿真評估流程通感一體化系統級仿真（包括 Full-SLS 和 Semi-SLS）可以用一個統一的流程描述，如圖 31 的 Full-SLS 流程所示，Semi-SLS 可在此基礎上進行簡化。圖 31 系統級評估流程圖（以 Full-SLS 為例）通感一體化系統級評估流程主要包括以下幾個步驟：步驟 1：仿真參數配置。設置站點（基站或 UE）的參數配置，包括天線、頻點、帶寬、發送功率等。步驟 2：根據評估場景部署網絡，生成小區拓撲。不同場景的網絡部署和小區拓撲可能是不同的，例如 UMi 場景是蜂窩狀拓撲，Indoor 場景是網格狀拓撲等。這個步驟包括部署基站的位置、UE 的初始位置、

106、UE 的移動模型等。步驟 3：根據評估場景，設置感知目標的特征和感知模式。感知目標的特征包括感知目標的初始位置，移動模型或運動模型，感知目標的散射模型（RCS 特征）、形狀模型等并配置該場景下的感知模式（單基、雙基、多基或混合模式等）。步驟 4：生成各網絡節點之間的信道，包括基站和 UE 之間的初始通信信道、感知發送端和感知接收端的初始感知信道、其他發送段和感知接收端之間的干擾信道46等，包括單基地（mono-static）、雙/多基地（bi-static）的感知和干擾信道。步驟 5：當前時隙，根據業務模型（traffic model）進行收發端資源配置和調度，進行通信和感知信號的發送。步驟

107、6：根據目標移動狀態、目標的存在狀態進行各個發射機與接收機間的信道更新，通信信號和感知信號經過信道。在 Semi-SLS 中，若目標處于靜止或慢變狀態（例如評估環境目標重構場景）且仿真時隙數較少時，通常只在步驟 3 中生成當前仿真所需的信道，仿真過程中不再更新信道。步驟 7：作為接收機的 UE 或基站進行通信特征的計算，感知接收端進行感知特征的計算，包括對目標關聯徑的時延、到達角、多普勒、相位等測量參數的估計，以及檢測、定位、重構、位移等感知算法的運算。步驟 8：若仿真未結束，返回步驟 5。若仿真結束，統計待評估通信和感知KPI。在 Semi-SLS 中，若不進行多個時隙的重復仿真，則步驟 8

108、 中統計待評估的通信和感知 KPI，不返回步驟 5。特別地，對于“重構精度”，根據上述評估步驟，下圖給出一個具體示例。47圖 32 重構精度的評估流程示例對于感知容量的評估，根據上述仿真步驟，下面給出一個系統級仿真的示例19：步驟 1：在系統級仿真中對感知目標進行撒點，撒點總數為 N，并進行空口時延等仿真參數配置。步驟 2：生成發送信號，并得到接收信號，進行感知處理并計算每個目標對應的感知定位誤差r，以及滿足感知定位精度 QoS 要求的目標比例。步驟 3：如需，更改撒點總數 N，并重復步驟 1-2，直到至少 90%的撒點目標滿足感知定位精度 QoS 要求。步驟 4：基于撒點總數 N，計算感知容

109、量 C=N/A,面積 A 為仿真所用 TRxP 的覆蓋總面積。此外，除了以上系統級仿真方法，下面給出一個系統級加鏈路級仿真的示例：48 步驟 1：進行系統級仿真，感知目標的撒點總數為 N。得到接收端的 SINR，并繪制 CDF 曲線。步驟 2：進行鏈路級仿真，并得到感知定位誤差與 SINR 關系的曲線。步驟 3：從感知定位誤差與 SINR 關系的曲線得到滿足感知定位精度 QoS 要求的 SINR 門限，并基于 SINR 門限從 SINR CDF 曲線得到滿足感知定位精度 QoS 要求的目標比例 R%。步驟 4：計算滿足感知 QoS 要求的目標數量 Nc=N R%，并得到感知容量 C=Nc/A，

110、面積 A 為仿真所用 TRxP 的覆蓋總面積。2.5.2 鏈路級仿真評估流程鏈路級仿真評估流程ISAC 鏈路級仿真流程如圖 33 示：圖 33 鏈路級感知的流程圖具體的：步驟 1：仿真參數配置：與系統仿真相比，鏈路仿真通常中只包含一個或幾個站點，因此一般不需要部署網絡。鏈路級的通信評估通常是對基站和 UE 之間的鏈路或者 UE 和 UE 之間的鏈路性能進行評估，仿真中設置通信發送端和通信接收端。而在鏈路級感知的評估中，由于感知存在單站模式和雙站模式，而且站點存在基站和UE 兩種屬性。因此，在鏈路級仿真中也是需要對感知模式進行設置。步驟 2：基于目標特征生成感知通道：根據每個目標特征的預定義信道

111、特征49生成感知信道。步驟 3：根據資源配置生成感知信號和通信信號并發送。步驟 4：根據目標移動狀態、目標的存在狀態進行信道更新，通信信號和感知信號經過信道。若目標處于靜止或慢變狀態且仿真時隙數較少時，通常只在步驟 2中生成當前仿真所需的信道，仿真過程中不再更新信道。步驟 5：信號接收、感知參數估計、感知算法運行：在 LLS 中，通常需要觀察不同信噪比下的性能。因此，在本步中，可在接收到的信號上添加具有一定功率的噪聲，產生含噪聲的接收信號。運行感知算法，估計感知參數，獲得感知結果，例如獲得目標的特征。步驟 6：指標統計：統計待評估的 KPI。第第三三章章 評估評估結果結果結合前序章節討論，本章

112、節將針對三大典型評估場景，開展通感一體化仿真評估工作。由于不同應用場景對感知能力的需求不同，所選取的評估指標也不盡相同。在4.1,4.2 和 4.3 小節針對的不同評估場景的性能仿真中，首先介紹目前業界重點關注的評估指標，如表格 17，表格 24 和表格 26 所示。其次各小節介紹仿真網絡部署和配置參數，最后結合 3.5 小節的評估方法給出性能仿真結果。3.1 檢測定位跟蹤評估結果檢測定位跟蹤評估結果參考2.1評估指標章節討論，檢測定位跟蹤類感知應用的評估主要考慮以下指標。表格 17 檢測定位跟蹤場景業界重點關注評估指標評估場景業界重點關注的評估指標描述檢測定位跟蹤定位精度（包含距離、角度）目

113、標的估計位置與真實位置的接近程度。根據評估需求可進一步的劃分為角度和距離精度。速度精度目標估計速度與真實速度的接近程度。漏檢概率實際存在目標或事件特征，卻判斷為不存在目標或事件特征的概率，通常建立在一定的虛警概率假設下。虛警概率：實際不存在目標或事件特征，卻判斷為有目標或事件特征的概率。感知容量在給定的空口傳輸時間內，單位面積上可探測到的50滿足感知 QoS 的目標數量，其中感知 QoS 可包括感知精度、檢測概率等。3.1.1 室外無人機檢測和定位評估室外無人機檢測和定位評估參考 3.3 小節的密集城區部署（具體為 7 站 21 扇區），以及表格 18 的參數配置，我們對無人機的檢測概率、定位

114、精度進行了評估。表格 19 給出了在不同虛警率的仿真假設下，檢測概率的仿真結果?？梢钥闯?，隨著虛警率的下降，檢測門限變得嚴苛，導致檢測概率變差，檢測概率和虛警率是一個折中。圖 34 給出了無人機場景的感知定位誤差 CDF 仿真結果，90%置信度下的定位精度為米級，50%置信度下的定位精度為亞米級。表格 18 無人機檢測和定位的仿真參數參數室外測試環境室內測試環境中心頻點7 GHz26 GHz基站天線高度25 m3 m每個 TRxP 的總發射功率52 dBm for 100 MHz bandwidth24 dBm for 400 MHz bandwidth站間距200 m20 m每個 TRxP

115、的天線數Up to 256 Tx/Rx(e.g.M,N,P,MP,NP=16,8,2,8,8)Up to 256 Tx/Rx(e.g.M,N,P,MP,NP=16,8,2,8,8)基站噪聲系數5 dB5 dB基站天線增益8 dBi5 dBi基站下傾角11for vehicle-11for UAV90雷達截面積10m2for vehicle0.1m2for UAV1m2表格 19 無人機場景的檢測概率評估結果虛警率10-310-410-510-610-710-810-9撒點總數10500105001050010500105001050010500可檢測到的目標個數1050010495103619

116、953922783537477檢測概率100%99.95%98.68%94.79%87.88%79.55%71.21%51圖 34 無人機場景的感知定位誤差 CDF 仿真結果此外，我們利用 3.5.1 小節給出的針對感知容量的系統級加鏈路級評估流程，完成了對無人機的感知容量評估。具體的，網絡拓撲為 7 站 21 扇區，如圖 25 所示，站間距 ISD=200m，面積 A=21*2002*sqrt(3)/6=242487m2=0.2425km2。針對無人機目標，撒點總數為 2100，其余仿真參數如表格 18 所示。通過鏈路級仿真所得到的無人機感知精度與 SINR 對應關系的曲線如圖 35 所示。

117、無人機感知對應的系統級 SINR CDF 曲線如圖 36 所示。根據上述系統仿真結果圖，我們得到無人機的感知容量為 2551 per km2，具體如表格 20 所示。圖 35 感知精度與 SINR 的對應關系（室外場景）52圖 36 室外場景無人機感知的系統級 SINR CDF 曲線表格 20 感知容量仿真結果場景撒點總數（N）可檢測到的目標中，滿足感知精度要求的比例（R%）被檢測到的目標中，滿足感知精度要求的目標數量（Nc=N R%）TRxP 面積A（km2）感知容量（C=Nc/A）無人機感知210029%6090.24252551 per km23.1.2 室外車輛定位評估室外車輛定位評估

118、參考 3.3 小節城區網格部署，結合通感一體化實際應用得到網絡部署仿真配置為：每個街區中心建筑尺寸為 200m x 100m x 20m?；静渴鹞挥诿總€街區臨街的中央，整個區域共部署 18 個站，站間距為 250m，每站 3 扇區，站高 25m。小區覆蓋如圖 37所示。53圖 37 車輛探測評估網絡部署設置表格 21 車輛探測仿真參數配置頻率6.725-7.125GHz帶寬400MHz基站數量18基站高度25mUE 數量576UE 高度1.5m目標數量27目標尺寸5m*2m*1.6m信道模型感知目標特征建模小節圖 38(a)顯示了目標的分布設置，街道上部署了 21 個 LOS 目標（車輛）和

119、 6 個NLOS 目標（車輛）。部署配置情況如上表所述。圖 38（b）表明，當環境目標未建模時，無法檢測到 6 NLOS 目標。然而，當環境目標在信道中建模時，如圖 11（c）所示，環境目標可以提供有用的附加信息來幫助檢測 NLOS 條件下的目標，這意味著環境目標建?？梢蕴岣?NLOS 檢測性能。54圖 38 車輛探測仿真結果：環境目標輔助 NLOS 探測另一個目標檢測問題是被廣泛討論的“鬼影目標”，這種現象是由傳感目標上的多次反彈引起的。圖 39(a)示出了由于兩個反彈路徑（Tx-環境目標-感知目標-RX）而無法在沒有建模環境目標的情況下正確重構的檢測結果中的重影目標。在圖 39（b）中，當

120、環境目標已被建模時，這些兩次反射可以通過干擾消除算法成功地重建，并且虛警率顯著降低。圖 39 環境目標對“鬼影目標”校正根據仿真和分析，感知性能如下表所示：55表格 22 車輛探測仿真評估結果KPI不考慮環境目標建模時考慮環境目標建模時漏檢率29.6%0%虛警率Unacceptable0%精度Unacceptable(102 m)【Monostatic】90%cdf：0.81m50%cdf：0.18m【Bistatic】90%cdf：2.04m50%cdf：0.27m3.1.3 室內人定位評估室內人定位評估根據 3.5.1 節系統仿真評估方法，以 Indoor office 場景為例，給出室內

121、人的定位和測速評估結果。仿真過程中在網絡拓撲內隨機撒放 5 個 UE，并選擇其中 1 個 TRP作為感知信號發射器或接收器，感知模式包括 TRP 發 UE 收下行感知和 UE 發 TRP收上行感知，暫不考慮來自其他設備的干擾。表格 23 仿真配置參數取值場景Indoor Office感知發射器和接收器屬性TRP 天線配置：(M,N,P,Mg,Ng)=(4,4,2,1,1),(dH,dV)=(0.5,0.5)+45,-45 polarizationUE 天線配置（下行）：(M,N,P,Mg,Ng)=(2,2,1,1,1),(dH,dV)=(0.5,0.5)UE 天線配置（上行）：(M,N,P,M

122、g,Ng)=(1,1,2,1,1),(dH,dV)=(N/A,N/A)感知模式TRP 發 UE 收下行感知、UE 發 TRP 收上行感知感知目標RCS1 3D 移動水平速度：10 km/h3D 分布水平均勻分布，高度 1.5m，1 個/感知區域運動方向隨機感知區域整個網絡拓撲區域載頻4 GHz子載波間隔30KHz仿真帶寬100MHz56基站天線高度3m基站發射功率24dBm基站陣子天線增益5dBi基站噪聲系數5dBUE 天線高度0.8mUE 發射功率23dBmUE 噪聲系數9dB噪聲功率譜密度-174 dBm/Hz信號配置下行：CSI-RS，上行：SRS時域周期：1 slot，頻域連續映射圖

123、38 和圖 39 分別為下行感知和上行感知性能評估結果，包括定位精度和徑向速度估計精度。圖 38 下行感知性能評估結果：定位（左），測速（右）圖 39 上行感知性能評估結果：定位（左），測速（右）3.2 環境目標重構評估結果環境目標重構評估結果環境目標重構類應用需要考慮估計點集和真實點集之間的比較，因此，傳統的單點定位精度估計指標不再適用。需引入更高階的評價指標。參考 2.1 評估指標章節的57討論，環境目標重構仿真評估主要考慮以下指標。表格 24 環境目標重構場景業界重點關注評估指標評估場景業界重點關注評估指標環境目標重構場景重構精度重構結果對真實物體的復現程度，例如針對目標重構出的散射點集

124、與真實散射點集的接近程度。具體評價指標包括：Chamfer 距離，F-score 等，其定義如下Chamfer 距離表達式：1,2=111min222?+122min122?2，其中1為重構的點云集合，2為真實目標的點云集合。F-score 表達式：=2()()+()，其中 =10011min2 22?，=10022min1?22 ，1為重構的點云集合，2為真實目標的點云集合，為給定距離閾值。參考 3.3 小節城區網格部署，結合通感一體化實際應用得到網絡部署仿真配置如下：1）每個街區中心建筑尺寸為 200m x 100m x 20m。2）基站部署位于每個街區臨街的中央，整個區域共部署 18 個

125、站，站間距為 250m，每站 3 扇區，小區覆蓋如圖 40 所示。所有站高均為 25m。3）UE 沿街道單邊均勻部署，整個場景內共 288 個 UE?？紤]到基站和建筑布局的對稱性，本次重構性能評估只考慮位于中心街區的建筑，其他街區建筑重構性能可通過平移得到。58圖 40 場景布局圖仿真參數設置如下：表格 25 環境重構仿真參數ParametersCase1Case2頻點GHz6.725-7.125GHz6.725-7.125GHz帶寬MHz400400發射功率dBm4949噪聲系數dB55噪聲功率譜密度dBm/Hz-174-174天線陣列32Vx16H,(dV=0.8,dH=0.5)32Vx1

126、6H,(dV=0.8,dH=0.5)感知模式基站自發自收/多站非相干融合基站-UE/多站非相干融合感知節點BS1,BS2,BS3,BS6BS1,BS4,BS3,BS6，UE信道模型確定性信道模型從圖 41 圖 42 結果可知，我們可通過多站融合從信道多徑中恢復與墻面相互作用的點集，并重構出環境建筑物形狀。Case 1:CD=1.26m;F-score(d=2m)=0.84;59BBBBBBBB圖 41 環境重構結果 1Case 2:CD=1.06m;F-score(d=2m)=0.88;圖 42 環境重構結果 23.3 特征檢測評估結果特征檢測評估結果特征檢測類感知應用主要通過檢測運動目標的多

127、普勒頻譜的變化特征來進行感知，如人體呼吸和心跳的多普勒隨時間存在規律的變化特征。參考 2.1 小節，在特征檢測感知評估中主要考慮以下指標：表格 26 特征檢測場景業界重點關注評估指標評估場景業界重點關注的評估指標描述特征檢測多普勒精度目標的估計多普勒頻移與真實多普勒頻移的接近程度。3.3.1 人體呼吸檢測評估人體呼吸檢測評估根據 3.2.3 小節鏈路仿真評估方法，對呼吸監測場景進行仿真評估。假設收發設備之間存在 LOS 傳播路徑以及其他靜態反射路徑，呼吸帶來的胸腔往復運動對應信60道中的動態反射路徑的幅度變化可以忽略不計，主要體現為相位變化。設備接收到的信號為各個路徑信號的疊加，基于接收信號進

128、行信道估計得到的信道狀態信息受到動態反射路徑相位變化的影響，其幅度和相位均隨著呼吸運動周期性變化。在仿真中，將呼吸運動建模為感知簇以微小幅度進行往復運動，或者根據 3.2.1 節中微多普勒建模方法，對呼吸關聯的感知簇的多普勒特征進行建模。具體仿真參數配置如下表所示。表格 27 呼吸監測仿真參數配置頻率4GHz帶寬100MHzTx 天線配置(Mg,Ng,M,N,P)=(1,1,1,1,2)，(0.5,0.5)(V,H)Rx 天線配置(Mg,Ng,M,N,P)=(1,1,1,4,2)，(0.5,0.5)(V,H)感知信號CSI-RS，周期：40 slots，頻域密度：1信道模型參考目標特征建模小節

129、不同信噪比條件下時域呼吸波形檢測結果和多普勒域檢測結果圖 43 所示，通過多次呼吸速率計算統計得到呼吸速率的 RMSE 結果如圖 44 所示。其中，呼吸速率精度對應于評估指標中的多普勒精度。6101002003004005006007008009001000-1-0.8-0.6-0.4-0.200.20.40.60.8respiration rate:0.2 Hz(12 breaths per minute)01002003004005006007008009001000-1-0.8-0.6-0.4-0.200.20.40.60.81respiration rate:0.2 Hz(12 bre

130、aths per minute)-1-0.8-0.6-0.4-0.200.20.40.60.8100.10.20.30.40.50.60.70.80.91respiration rate:0.2 Hz(12 breaths per minute)-1-0.8-0.6-0.4-0.200.20.40.60.8100.10.20.30.40.50.60.70.80.91respiration rate:0.2 Hz(12 breaths per minute)圖 43 呼吸監測單次檢測結果：SNR=0dB（左）,SNR=20dB（右）-505101520SNR00.050.10.150.20.25

131、0.30.35Doppler RMSE/HzDoppler RMSE圖 44 呼吸速率對應的多普勒精度統計結果3.3.2 人體心跳檢測評估人體心跳檢測評估參考 3.2.1 節中呼吸和心跳模型，對人體呼吸和心跳進行建模，根據接收信道的相位變化進行呼吸監測，可以從相位的時變規律和相位變化頻率來監測人體呼吸和心跳。仿真參數設置如下：62表格 28 仿真配置表仿真條件仿真參數感知模式自發自收信道模型Indoor office with LOS+NLOSRCS0 dB接收 SNR-10dB,10dB運動建模呼吸模型1()=(2+)其中，=5，=0.2，=0。心跳模型2()=(2+)其中，=2，=1，=0

132、。圖 43 與圖 44 為呼吸運動和呼吸+心跳運動監測過程中回波信號相位隨時間的變化圖。在建模過程中，運動的影響建模在 LOS 徑上。圖 43 與圖 44 中分別包含低SNR 和高 SNR 場景中運動引起的相位變化，其中 NLOS1 為功率次高的徑。SNR=-10dBSNR=10dB圖 43 呼吸運動引起的相位隨時間變化圖SNR=-10dBSNR=10dB圖 44 呼吸+心跳引起的相位隨時間變化圖圖 45 與圖 46 為呼吸運功和呼吸+心跳運動引起的相位變化進行 FFT 變換后的63頻譜圖，在高 SNR 和低 SNR 場景中，都可以清晰的看到頻譜圖中 2 個或 3 個明顯的頻率分量，分別對應噪

133、聲，呼吸和心跳。SNR=-10dBSNR=10dB圖 45 呼吸運動相位的頻譜圖SNR=-10dBSNR=10dB圖 46 呼吸+心跳運動相位的頻譜圖64第第四四章章 總結與展望總結與展望通信感知一體化已被 ITU-R 確認為 6G 三個新的應用場景之一，是未來 6G 網絡實現物理世界與數字世界的融合的重要技術。通感一體化研究涉及多個方面，包括場景、性能指標設定、關鍵技術研究、性能評估、標準化、產業推動和商業部署運營等，本研究報告主要聚焦通感一體化場景、指標、信道模型、評估方法幾部分內容進行了廣泛的討論并給出研究建議。本研究報告首先對通信感知一體化眾多應用場景進行了初步篩選，給出IMT-203

134、0 主要的室外和室內的通感評估場景和相應評估指標，主要聚焦室內室外定位跟蹤、環境重構、以及室內特征檢測等。在第一版本的基礎上，本報告新增對環境目標，感知目標 RCS 物理特征的研究和建模，為仿真評估提供信道模型參考。在網絡部署和評估流程方面，進一步細化典型部署場景和評估流程。最后基于所討論的仿真評估方法，針對通感一體化典型應用場景提出仿真評估結果，對未來通感一體化實踐部署提供評估參考。本研究報告給出的場景指標、性能評估方法是綜合當前產業界的需求、研究觀點、工作組提案討論所得出，旨在為通感一體的技術研究、設備的研發試驗提供建議。目前這方面的研究還處于不斷更新、迭代中，我們希望學術界和產業界更多伙

135、伴能積極參與到通感場景評估指標與仿真研究中來，從而不斷豐富和完善通感用例的評估與技術研究工作。另一方面，通感評估方法為關鍵技術研究提供指標及性能評估指導建議，促進在學術界和產業界達成共識，為后續通感一體化關鍵技術性能評估、及標準制定奠定基礎。未來，隨著產學研三方面的不斷推進，通信感知一體化工作將結合重點評估場景，指標及方法，針對空口波形、協同感知、信號處理、感知輔助通信、原型系統等各項關鍵技術開展更加深入的研究討論和技術驗證，持續推動通信感知一體化技術從理論逐步走向實踐，使能數字孿生，服務千行百業。65參考文獻參考文獻1Report ITU-R M.2160-0 Framework and o

136、verall objectives of the future development of IMT for2030 and beyond.2Report ITU-R M.2410-0 Minimum requirements related to technical performance for IMT-2020radio interface(s).3Report ITU-R M.2412 Guidlines for evaluation of radio interface technologies for IMT-2020.4Y.Chen,Z.Yu,J.He,and et al.,“A

137、 Scatterer-Based Hybrid Channel Model for Integrated Sensingand Communications(ISAC)”,in Proc.of IEEE International Symposium on Personal,Indoor andMobile Radio Communications(PIMRC),20235G.Liu,L.Ma,Y.Xue,L.Han,R.Xi,Z.Han,H.Wang,J.Dong,M.Lou,J.Jin,Q.Wang,and Y.Yuan,“SensCAP:A Systematic Sensing Capa

138、bility Performance Metric for 6G ISAC,”IEEEInternet of Things Journal,vol.11,no.18,pp.2943829454,2024.6G.Liu,R.Xi,Z.Han,L.Han,X.Zhang,L.Ma,Y.Wang,M.Lou,J.Jin,Q.Wang,and J.Wang,“Cooperative Sensing for 6G Mobile Cellular Networks:Feasibility,Performance and Field Trial,”IEEE Journal on Selected Areas

139、 in Communications,vol.42,no.10,pp.28632876,2024.7J.Lou,R.Liu,C.Jiang,et al.A Unified Channel Model for Both Communication and Sensing inIntegrated Sensing and Communication SystemsC，2023 IEEE 98th Vehicular TechnologyConference(VTC2023-Fall).IEEE,2023.83GPPTR 38.901 Study on channel model for frequ

140、encies from 0.5 to 100 GHz9W.Yang et al.,“ISAC channel measurements and modeling methodology”,IEEE GC Wkshps,2023,accepted10KELLER J B.Geometrical theory of diffractionJ.Journal of the Optical Society of America,1962,52(2):116130.doi:10.1364/JOSA.52.00011611CARRIRE R and MOSES R L.High-resolution pa

141、rametric modeling of canonical radar scattererswith application to radar target identificationC.The IEEE 1991 International Conference onSystems Engineering,Dayton,USA,1991.doi:10.1109/ICSYSE.1991.161070.12YAN Hua,ZHANG Lei,LU Jinwen,et al.Frequency-dependent factor expression of GTDscattering cente

142、r model for the arbitrary multiple scattering mechanismJ.Journal of Radars,2021,10(3):370381.doi:10.12000/JR2100513Yi Chen,Ziming Yu,and et al.,Multi-Scattering Centers Extraction and Modeling for ISACChannel Modeling,submitted to 2024 18th European Conference on Antennas and Propagation(EuCAP),2024

143、.14丁鷺飛,耿富錄,陳建春.雷達原理.第 5 版M.電子工業出版社,2014.15Z.Zhang et al.,A General Channel Model for Integrated Sensing and Communication Scenarios,inIEEECommunicationsMagazine,vol.61,no.5,pp.68-74,May2023,doi:10.1109/MCOM.001.2200420.16Micro-Doppler Effect in Radar,2nd edition,Victor C Chen17ITU-R Rec.P.2040-1:Eff

144、ects of building materials and structures on radiowave propagation aboveabout 100 MHz,International Telecommunication Union Radiocommunication Sector ITU-R,07/2015.18ITU-R Rec.P.527-3:Electrical characteristics of the surface of the earth,InternationalTelecommunication Union Radiocommunication Secto

145、r ITU-R,03/1992.19G.Liu,L.Ma,Y.Xue,L.Han,R.Xi,Z.Han,H.Wang,J.Dong,M.Lou,J.Jin,Q.Wang,and Y.Yuan,“SensCAP:ASystematic Sensing Capability Performance Metric for 6G ISAC,”IEEE Internetof Things Journal,vol.11,no.18,pp.2943829454,2024.66貢獻單位貢獻單位序號主要貢獻單位1華為技術有限公司2中國信息通信研究院3中國移動通信有限公司研究院4中信科移動通信技術股份有限公司5西安電子科技大學6中興通訊股份有限公司7OPPO 廣東移動通信有限公司8維沃移動通信有限公司9上海諾基亞貝爾股份有限公司10中國聯通研究院11中國電信股份有限公司研究院12紫光展銳科技有限公司13北京郵電大學14北京理工大學15浙江大學16上海交通大學17清華大學18北京大學19東南大學20廈門大學