《未來移動通信論壇：2025年通感一體賦能數字低空網絡白皮書（95頁）.pdf》由會員分享，可在線閱讀，更多相關《未來移動通信論壇：2025年通感一體賦能數字低空網絡白皮書（95頁）.pdf（95頁珍藏版）》請在三個皮匠報告上搜索。

1、摘摘 要要低空經濟是以數字低空網絡為依托，以無人駕駛航空器(無人機)為核心，綜合構建快遞物流、城市管理、農林植保和應急救援等領域的經濟體系。在市場、技術、政策和監管的全方位推動下，低空經濟有望成為全球經濟新的重要增長點，為各行各業帶來新的創新變革和商業模式。低空經濟相關行業主要分為通信、導航、感知、管理四個技術應用方向。其中通信和感知一體化是未來的數字低空網絡重要支撐技術。通信感知一體化是指通過硬件設施共享、頻譜資源共享、信號處理共享等一體化設計，使通信設備（基站或終端）同時具備通信與感知雙功能的新型信息處理技術。通信感知一體化具有低成本、廣覆蓋、高精度等特點，將使能通信運營商提供新型的感知業

2、務，帶來業務形態的升級和商業模式的轉變，為未來 5G-A(5G-Advanced)、6G 網絡演進帶來全新的信息服務范式。本白皮書深入剖析數字低空場景下的通感一體關鍵技術，首先介紹數字低空對通感的技術需求、通感一體化技術的發展現狀和挑戰;然后圍繞通感融合理論缺失、低空立體覆蓋不足、感知精度受限、感知可信性不足和全局干擾復雜這五大挑戰，通過通感融合理論、低空通感一體架構及關鍵技術二個章節分別按順序論述對應的解決方案；接下來，為推進通感一體技術的落地，介紹了相關技術對標準化的影響；最后介紹了低空通感試驗驗證。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

3、，應注明來源。目目 錄錄1 數字低空網絡對通感的需求數字低空網絡對通感的需求.11.1 數字低空發展趨勢.11.1.1 國內外低空政策.11.1.2 低空市場規模與預期.21.1.3 低空技術方向.21.2 不同場景對通感一體的需求.32 通感一體技術發展現狀與挑戰通感一體技術發展現狀與挑戰.62.1 國內外發展現狀.62.2 通感一體賦能數字低空面臨的挑戰.113 通感融合理論通感融合理論.133.1 通感評價指標.133.1.1 通信性能.133.1.2 感知性能.143.1.3 通感一體性能.163.2 感知信道建模.173.3 多模態融合理論.193.3.1 低空傳感器與環境建模技術.

4、193.3.2 環境表征算法.194 低空通感一體架構及關鍵技術低空通感一體架構及關鍵技術.224.1 網絡架構.224.1.1 數字低空整體架構.224.1.2 通感架構.234.2 覆蓋增強技術.264.2.1 覆蓋范圍提升.264.2.2 連續覆蓋技術.274.3 感知精度提升技術.314.3.1 波形設計.314.3.2 感知接收算法.334.3.3 融合感知.414.3.4 非理想因素及消除方法.434.4 感知可信度提升技術.454.4.1 NLoS 感知方法.454.4.2 雜波抑制方法.474.5 干擾抑制.524.5.1 干擾分析.524.5.2 干擾協調和功控.534.5.

5、3 協作感知中的自適應波束零陷方案.554.5.4 參考信號靜默算法.575 通感一體標準化影響通感一體標準化影響.605.1 參考信號設計.605.2 TDD 幀結構配置.625.3 資源搶占與回避.635.3.1 資源搶占指示.655.3.2 資源回避.665.4 信令交互.665.4.1 基站間信令交互.665.4.2 終端-基站信令交互.686 低空通感試驗驗證低空通感試驗驗證.736.1 室內驗證.736.2 外場驗證.766.2.1 低頻外場驗證.766.2.2 高頻外場驗證.797 總結與展望總結與展望.80縮略語列表縮略語列表.81編寫組成員編寫組成員.85參考文獻參考文獻.8

6、51/911 數字低空網絡對通感的需求數字低空網絡對通感的需求本章系統梳理低空經濟發展現狀與趨勢，首先從政策維度，全面分析國內外在立法保障、基礎設施建設和金融資本支持等方面的政策舉措；然后基于市場調研數據，深入研判低空經濟市場規模及發展預期，并重點圍繞通信、導航、感知、管理等關鍵技術方向進行論述；最后立足產業發展需求，聚焦快遞物流、農業植保、應急救援、低空安防、無人機導航避障及巡檢巡查等典型應用場景，深入剖析數字低空發展對通信感知一體化技術的核心訴求。1.1 數字低空發展趨勢數字低空發展趨勢1.1.1 國內外低空政策國內外低空政策全球低空經濟發展分為應用探索階段、規范化發展階段和普及應用階段。

7、應用探索階段是 18 世紀末至 2006 年：18 世紀末，熱氣球技術在法國巴黎的成功試驗，開啟了低空經濟的先河；2006 年，英國石油公司將無人機應用于海上油田平臺的監測，進一步推動了無人機在工業領域的實際應用。規范化發展階段是 2006 年至 2019 年：2006 年，NASA（NationalAeronautics and Space Administration）與 FAA（Federal Aviation Administration）合作推進美國無人機交通管理系統（UAVTraffic Management，UTM）的建設，為無人機安全飛行奠定了基礎；2019 年，歐洲航空安全局

8、進一步發布了兩部無人機通用條例，全面規范了歐洲無人機的標準和運營要求。普及應用階段為 2019 年至今：2020 年，美國總統簽署了低空飛行安全法，簡化無人機低空飛行授權流程，促進無人機技術的廣泛應用。與此同時美國政府通過設立大型科研創新項目、直接資助研究項目、設立專項資金或基金等方式，為電動垂直起降飛行器(electric Vertical Take-off and Landing，eVTOL)產業的發展提供了強大的支持。例如，NASA 開展了大量 eVTOL/UAM（Urban Air Mobility）關鍵性技術研究，并撥款資助了多所大學和科研機構。2021 至 2023 年間，歐盟也發

9、布了遠程標識法規，要求無人機在飛行時廣播身份和位置信息，增強了飛行安全，并且通過“地平線 2020”和“歐洲地平線”兩期計劃，孵化出了多個城市空中交通相關的項目和企業。歐盟最早制定 eVTOL 專用條件作為適航認證基礎，為 Volocopter 等發了相關執照，體現了歐盟對行業監管的前瞻性。中國政府高度重視低空經濟的發展，從國家層面到地方層面陸續出臺了相關法規政策和行業標準規范。2021 年 2 月，“低空經濟”概念首次納入國家規劃。2023 年 12 月，中央經濟工作會議將其進一步明確為戰略性新興產業。2024 年 3 月，國務院全國兩會政府工作報2/91告首次寫入“低空經濟”，作為國民經濟

10、的新增長引擎。自 2024 年以來，全國已有 27 個?。ㄊ?、自治區）在各自的政府工作報告中提及低空經濟的發展。這一系列進展表明，低空經濟正在逐步成為國家經濟發展的重要組成部分。通用航空裝備創新應用實施方案（20242030 年）提出到 2030 年推動低空經濟形成萬億級市場規模，以推動基礎設施建設，促進金融投資，拓展應用場景。為了增加基礎設施建設，鼓勵地方政府將低空基礎設施納入城市建設規劃，支持探索推進樓頂、地面、水上等場景起降點建設試點；為了促進金融投資，政府層面推動地面基礎設施建設和金融投資等方面的配套保障，以促進低空經濟的發展和應用場景拓展。多個省市已將低空經濟寫入政府工作報告，并發布

11、相關低空經濟高質量發展行動計劃，主要涉及基礎設施建設、下游應用場景拓展等。綜上所述，國內外在低空政策上均表現出積極鼓勵的態度，通過政策支持、立法、基礎設施建設、金融投資等多方面促進低空經濟的發展，同時也在不斷加強監管，確保飛行安全和產業發展的可持續性。1.1.2 低空市場規模與預期低空市場規模與預期當下全球低空經濟正處于進一步的應用普及階段。全球低空經濟，特別是無人機市場，在過去十年間展現出強勁的增長勢頭。無人機行業的投資規模從 2013 年的 1.21 億美元急劇攀升至 2022 年的 48.06 億美元，實現了近 40 倍的增長。隨著技術的不斷進步和市場需求的持續增長，預計未來該領域將繼續

12、保持強勁的增長態勢。2023 年，中國低空經濟規模達到5059.5 億元，增速約為 33.8%。2024 年底中國低空經濟市場規模將繼續擴大，可能突破 7000億元大關。民航局預估，到 2025 年，低空經濟市場規模有望突破 10644.6 億元，3 年復合增速高達 28.1%；到 2026 年，低空經濟市場規模將達 1.5 萬億元，到 2035 年有望達到 3.5 萬億元，10 年復合增速達 8.84%。綜上所述，國內外低空經濟市場規模在過去幾年中顯著增長，未來幾年內預計將繼續保持高速發展。投資機構普遍看好低空經濟的未來發展前景，預測市場規模將突破數萬億元。1.1.3 低空低空技術方向技術方

13、向低空經濟的發展需要依托通信、導航、感知、管理四大技術方向的支持。通信技術是低空經濟的基石，主要負責無人機與地面控制中心之間的信息傳輸。5G 和 5G-A 技術提供了高速、低延遲的通信網絡，讓低空飛行更加安全、高效。低空飛行器需要與地面控制中心保持實時通信，接收指令和傳輸飛行狀態信息。目前，5G-A 網絡和低軌衛星通信是低空通信3/91的主要手段。此外，廣播式自動相關監視系統(Auto Dependent Surveillance-System，ADS-B)、二次雷達也是低空通信的手段。導航技術涉及的技術包括基站定位技術、衛星導航技術、雷達導航、視覺導航和慣導等。針對低空飛行器，這些技術幫助確

14、定飛行器的精確位置和飛行路徑。通用航空裝備創新應用實施方案提及了北斗導航，另外城市的地理信息系統（Geographic Information System，GIS）應用也非常重要。感知技術用于對各型無人機、通航飛機、飛鳥、空飄物等目標進行三維空間定位與識別，應用于低空飛行航路監管、重要區域低空入侵檢測，實現對低空感知目標的實時監控、跟蹤、安全預警等功能。管理技術涉及低空空域的管理和監控，包括 UTM 系統、空域規劃、協調服務，以及通信與導航服務。低空經濟的發展帶來了對低空空域管理的迫切需求，無人機交通管理、低空空域的監控與管理，以及相關通信與導航設施的開發和運營是行業發展的重要方向。此外，低

15、空經濟的實現離不開先進的技術支撐，主要包括空管系統、通信、導航和監視等方面。綜上所述，低空經濟的發展依賴于通信、導航、感知和管理四個關鍵技術領域的協同發展，每個領域都扮演著不可或缺的角色，共同推動低空經濟的安全、高效運行。尤其通感一體技術，將極大拓展移動通信網絡的服務邊界，為用戶提供更加精準、智能、高效、廣泛的感知服務。1.2 不同場景不同場景對通感一體的需求對通感一體的需求低空經濟已成為新質生產力的重要組成部分。隨著相關技術的發展和政策的不斷完善，低空飛行器被廣泛應用于快遞物流、農業植保、應急救援、低空安防等場景中，開展多樣的經濟活動，促進經濟增長1。通感一體技術作為 5G-A 以及 6G

16、移動通信網絡的新技術，將革命性地擴充系統功能，既能提供高速通信功能，又能對低空飛行器和周圍環境進行感知，實現對感知區域的無縫覆蓋，彌補傳統雷達感知能力的不足2。該技術可被應用于多種低空場景中，通過通信網絡實現實時數據傳輸，并由感知技術輔助低空飛行器更好的完成任務，促進建設智能調度、信息交互、實時監測為一體的低空經濟網絡3。尤其是在低空安防和導航避讓領域，利過通感技術可有效監控非法的無人機設備，鎖定違規目標，從而保障空域的安全；同時也可以利用大規模天線的高精度感知能力協助合法無人機行進中的導航和避讓，提升飛行效率，同時也有效避免亂飛和逃費等非法行為。下面用 6 個主要場景分別描述數字4/91低空

17、對通感一體的需求。1)快遞物流領域隨著人們生活水平的提升，城市居民對快捷高效的物流配送服務的需求也在不斷提升。傳統物流方式受天氣和交通等因素影響較大，存在效率低以及靈活性低的問題，而無人機配送可以緩解地面交通壓力，提高效率，同時可以實現柔性調控，因此在快遞物流領域存在廣泛的應用4。通信與感知技術在無人機快遞的各個環節都可以發揮重要作用?；究梢酝ㄟ^低空通感一體化技術獲取到的信息對無人機進行有效的路徑規劃和環境感知，保證其飛行安全，避免碰撞；也可以通過實時天氣、交通和環境數據的感知和通信，可以動態調整運輸路線，以避免堵車、惡劣天氣等因素，提高運輸效率并實現對無人機的實時狀態監控。同時，該技術可以

18、根據實際需求實現對于無人機設備的靈活調度，以更高的效率完成配送任務5。2)農業植保領域在農業生產中，需要實現對于農作物狀態的實時監測，通過監測數值對作物進行補水、施肥、通風、驅蟲等操作，使其能夠茁壯生長。通感一體無人機網絡在該領域具有廣泛的應用，多個無人機設備通過通信網絡彼此互聯，并攜帶高分辨率相機以及各類傳感器，實時收集精確的遙感數據6。所獲得的數據通過通感一體網絡傳遞回數據中心進行分析，為農業生產提供指導。3)應急救援領域低空通感一體化技術在應急救援中的應用可以顯著提升災害響應速度、數據采集準確性以及資源配置效率。在發生自然災害（如地震、洪水、火災）后，無人機搭載感知設備能迅速飛往災區，通

19、過高分辨率攝像頭和熱成像儀獲取實時圖像和溫度數據。通過低空通信網絡，實時傳輸現場情況至指揮中心，為決策提供精準依據。在搜救和救援行動中，無人機可以攜帶救援物資進入救援人員無法進入的領域，同時可以通過感知設備輔助搜索，加快救援進度。通感一體化網絡能夠對無人機進行實時的監測以及數據的交互，借助通信網絡將獲取的感知數據回傳，從而對無人機救援進程進行調度，同時在面對突發狀況時可以進行快速響應。4)低空安防領域在低空場景中無人機設備得到廣泛應用，隨之而來的是無人機飛行的安全問題。如何做到低空空域的可管、可控，對于低空安全至關重要。對于合法無人機，可通過通感一體化技術對其進行實時監控，確保各設備的飛行路線

20、不會沖突，保證安全；同時根據場景需求，對其進行調控，提升工作效率。對于非法的無人機設備，同樣可以使用該技術對其進行感知，5/91鎖定違規目標，從而保障空域的安全。5)無人機導航避讓未來通感一體化技術可借助 6G 網絡的大規模天線陣列等技術，實現對低空區域的網絡覆蓋，獲得無人機的位置，利用無人機終端、基站、中繼等節點對無人機位置的周圍環境進行實時感知，并結合提前感知的環境地圖輔助構建更加精準、全面、實時的導航地圖，協助空中交管部門實現授權無人機的導航、避障。6)巡查巡檢領域低空通感技術可用于檢測橋梁、路面、建筑等城市基礎設施的狀態。這種實時的監測可以幫助及時發現和處理安全隱患，延長設施使用壽命。

21、在難以到達的人口稠密地區，低空無人機可以進行電力線、管道等基礎設施的巡檢，確保設施的不斷電和安全運行。通過低空通感設備收集的多維數據（如人口流動、區域溫度等），能夠支持更加科學的城市規劃設計?；趯崟r和歷史數據分析，城市管理部門可以優化資源配置，如調整垃圾清理、公共交通車輛調度等。6/912 通感一體技術發展現狀與挑戰通感一體技術發展現狀與挑戰本章系統闡述通感一體技術發展現狀與核心挑戰。首先重點論述在國內外權威技術組織與標準化機構推動下，通感一體技術在標準化與研究應用方面取得的重要進展，具體涵蓋感知技術體系架構、典型應用場景、關鍵性能指標及核心技術突破等內容；而后深入分析通感一體技術在數字低空

22、領域規?；瘧弥忻媾R的五大主要挑戰：通感融合理論缺失、低空立體覆蓋不足、感知精度受限、感知可信性不足、全局干擾復雜。2.1 國內外發展現狀國內外發展現狀在國際電信聯盟（International Telecommunication Union，ITU）、第三代合作伙伴計劃（3th Generation Partner Project，3GPP）、電氣與電子工程師協會（Institute of Electrical andElectronics Engineers，IEEE）、IMT-2020/2030（International Mobile Telecommunications for202

23、0/22030）推進組、中國通信標準化協會（China Communications Standards Association，CCSA）等國內外標準組織的推動下，通感一體的標準化和相關研究工作取得了很大進展。1)ITUITU-R 工作組自 2022 年 2 月啟動“面向 2030 年及以后的 IMT（IMT towards 2030 andbeyond）”相關研究工作，目標是形成 ITU-R 關于“未來技術趨勢”的報告。2022 年 12 月形成報告 M.25167，將通感一體（Integrated Sensing and Communication，ISAC）明確列為新興技術趨勢，并給出

24、相關的使能技術，包括頻譜和硬件等資源協調共享、信號處理集成、聯合波形和統一波束成形方案、AI 使能網絡協作和多節點協同感知技術等。2023 年 6 月通過建議草案“2030 年及以后 IMT 未來發展的框架和總體目標（Framework and overall objectivesof the future development of IMT for 2030 and beyond）”，將通感一體列為 IMT-2030 的六大應用場景之一。ITU-R 在 2023 年 11 月通過了關于 IMT-2030 框架的新建議書 M.21608。其中定義通感一體是指將感知能力與通信能力結合，以支持新

25、應用和服務。它利用 IMT-2030提供的廣域多維感知，提供關于未連接物體及其運動和環境的空間信息。使用場景包括導航、活動檢測和運動跟蹤（如姿態/手勢識別、跌倒檢測、車輛/行人檢測）、環境監測（如雨水/污染檢測）等技術需要支持高精度定位和感知相關能力，包括范圍/速度/角度估計、物體檢測、定位、成像和地圖繪制等。ITU-T 也開展了一系列與通感一體化相關的研究。2023 年 11 月，SG13 研究組中由中7/91國電信牽頭的 TR.ISAC-fra9研究報告正式立項。報告旨在探討 IMT-2020 及未來網絡中ISAC 的潛在網絡功能需求和框架。2024 年 8 月，SG13 提出面向 IMT

26、-2020 及未來的融合感知與通信服務質量保障研究 TR.qos-req-isac10，該技術報告旨在研究 IMT-2020 及未來網絡中 ISAC 的感知服務質量（Quality of Service，QoS）保障需求與框架，以促進多域資源協調的效率。2024 年 9 月，SG16 提出融合感知與通信的沉浸式現場體驗（Immersive LiveExperience，ILE）服務需求與框架 H.ILE-ISAC-req11，明確了使用 ISAC 的 ILE 服務的要求和框架，旨在指定 ISAC 在遠程操作和遠程協助等 ILE 服務場景中的應用目標，并規定了使用ISAC的ILE服務的框架和要求

27、，目的是為用戶提供一個高度互動且實用的沉浸式體驗，同時確保成本效益和效率。2)3GPP通感一體的前期研究于3GPP R19版本開始。2022年3月，通感一體技術報告TR 22.837“Study on Integrated Sensing and Communication”12在 3GPP SA1 開啟立項，在此后的迭代版本中，逐步完善定義了 5G 系統在不同垂直領域/應用場景下的感知服務用例和潛在需求。TR 22.837 中的 32 個用例展示了 5G 系統在融合感知和通信方面的潛力，包括智能家居入侵檢測、高速公路行人/動物入侵檢測、降雨監測、透明傳感用例、智能城市洪水感應、智能家居周圍入

28、侵檢測、鐵路入侵檢測、輔助汽車機動和導航、工廠中的 AGV（Automated GuidedVehicle）檢測和跟蹤、UAV（Unmanned Aerial Vehicle）飛行軌跡追蹤等。TR 22.837 還提出了一系列潛在的新需求，以支持各種用例，包括對 5G 網絡的功能要求和性能要求。這些要求涉及授權、配置、網絡暴露、安全性、計費等方面。此外，還提出了一系列 KPIs，用于評估傳感服務的性能，如定位估計的準確性、速度估計的準確性、傳感分辨率、最大傳感服務延遲、刷新率、漏檢率和誤報率等。此外，RAN1 也啟動了通感融合信道模型研究，課題包括通感一體的信道建模RP-23406913和對

29、7-24 GHz 范圍內的 3GPP 信道模型的驗證 RP-23401814。這些研究項目旨在進一步發展和完善 5G 及未來 6G 網絡中的 ISAC 技術，確保通信和傳感功能的高效集成。RP-234069 專注于定義一個通用的信道建?？蚣?，以支持各種目標的檢測和跟蹤，而RP-234018 則致力于驗證現有信道模型在特定頻率范圍內的有效性，為 ISAC 技術的實際部署和應用提供科學依據。通過這些研究，RAN1 希望能夠推動 ISAC 技術的發展，使其在多種應用場景中發揮關鍵作用，包括無人駕駛、智能交通系統、工業自動化等領域。3)IEEE8/91在 2020 年 9 月，IEEE 成立了 802

30、.11bf15標準組，這標志著通感一體化標準化的開始。IEEE 802.11bf 標準組的成立，旨在推動無線局域網（Wireless LocalArea Network，WLAN）在通信和感知功能方面的進一步發展。該標準的核心目標是利用 IEEE 802.11 PHY（PhysicalLayer）和 MAC（Media Access Control）特性來獲取測量數據，這些數據可用于估計感興趣區域內對象的特征，如距離、速度、角度、運動等。這些對象可以是人、動物等，而感興趣的區域可以是家、企業、車輛等。802.11bf 標準預計將促進無線網絡在多個領域的應用，如物聯網（Internet of T

31、hings，IoT）、車聯網等。Wi-Fi 感知技術已被證明在多種應用案例中有效，包括接近度檢測、手勢識別、目標計數和健康監測。該技術利用現有的 Wi-Fi 設備進行環境感知和活動識別，無需額外的傳感器或攝像頭，從而減少對特定監控設備的需求。例如，在物聯網領域，Wi-Fi Sensing 可以用于智能建筑中用戶存在檢測和環境監測，以及遠程健康監測。在車聯網（Vehicle-to-Everything，V2X）領域，Wi-Fi Sensing 技術可以支持車輛之間以及車輛與基礎設施之間的通信，為自動駕駛提供輔助。同年，IEEE 通信學會（IEEE Communications Society,C

32、omSoc）為了響應通感一體化這一新興技術領域的發展趨勢，成立了 ISAC-ETI（ISAC-Emerging Technology Initiative）通感一體化新興技術倡議委員會，旨在推動 ISAC 技術的研究、標準化及應用，促進學術界與工業界之間的交流合作。ISAC-ETI 通過聚集不同社區中對 ISAC 有共同研究興趣的相關研究人員和專家，支持和推廣與 ISAC 相關的學術和工業活動。這些領域包括但不限于信息論、信號處理、移動計算、航空航天和電子系統（雷達系統）、以及車輛技術和智能交通系統。ISAC-ETI 的活動多樣且具體16，包括組織工作坊、特別會議和專門的會議。ISAC-ETI

33、 成功地在 Wi-Fi Sensing 2022（中國深圳）舉辦了工作坊，并在 ICC 2024（美國丹佛）、ICASSP2024（韓國首爾）等重要會議上舉辦了工作坊。特別會議方面，ISAC-ETI 在 SPAWC 2021（意大利盧卡）舉辦了關于感知通信一體化的特別會議。而專門的會議則包括 IEEE JC&S2024（比利時魯汶），這是與 ISAC-ETI 聯合舉辦的正式會議。這些活動不僅加強了學術界和工業界的聯系，還為 ISAC 技術的未來發展提供了一個合作和交流的平臺。4)CCSA2020 年 11 月，CCSATC5 WG6 前沿無線技術工作組開展了無線通信與無線感知融合技術與方案研究

34、報告17立項，2023 年 5 月輸出內部研究報告。CCSA 于 2022 年 8 月成立了針對 5G 通感融合技術的研究立項，主要研究 5G-A 網絡架構及相關無線關鍵技術18。5)IMT-2020/2030 推進組9/91IMT-2020（5G）在 2021 年 7 月成立“通感任務組”，展開通感一體化應用場景、網絡架構、無線空口技術和仿真評估方面的研究。2021 年 12 月，完成面向 5G-Advanced 通感一體化測試驗證。2022 年 7 月 31 日，IMT-2020（5G）推進組組長、中國信息通信研究院副院長王志勤在“2022 中國算力大會”期間的“通感算一體化創新發展”分論

35、壇上發布5G-Advanced通感融合場景需求研究報告19。此報告聚焦于 5G-A 階段的通感融合技術，探討了其應用場景和技術需求，為后續的研發和標準化工作提供了指導。在之后，也發布了一系列通感一體技術相關報告，如 2022 年 11 月發布5G-Advanced 通感融合網絡架構研究報告、2023 年 6 月發布5G-Advanced 通感融合仿真評估方法研究報告、2023 年 9 月發布5G-Advanced 通感融合場景需求研究報告 V2.0、2024 年 4 月發布5G-Advanced 通感融合空口技術方案研究報告。表1 IMT2020（5G）推進組發布的通感一體化研究報告系列時間報

36、告名稱2022 年 7 月5G-Advanced 通感融合場景需求研究報告 V1.02022 年 11 月5G-Advanced 通感融合網絡架構研究報告2023 年 6 月5G-Advanced 通感融合仿真評估方法研究報告2023 年 9 月5G-Advanced 通感融合場景需求研究報告 V2.02024 年 3 月5G-Advanced 通感融合網絡架構研究報告 V2.02024 年 4 月5G-Advanced 通感融合空口技術方案研究報告IMT-2030（6G）也在通感融合方面開展了一系列工作。2021 年 4 月，IMT-2030（6G）推進組無線技術組成立“融合技術子組”，包括

37、 AI 任務組和通感一體化任務組。2021 年 9 月，發布第一版通感一體化技術研究報告，該研究全面探討了 6G 通感一體化，涵蓋其研究現狀與發展趨勢、應用場景、基礎理論及關鍵技術等方面。2022 年 11 月，發布第二版通感一體化技術研究報告，并同步開展了基于全頻段的通感一體化測試。2023 年 10 月 27日西安，在第三屆 6G 通感一體化學術研討會上，IMT-2030（6G）推進組發布通感系列研究報告，包括6G 感知的需求和應用場景研究報告、6G 通信感知一體化評估方法 研究報告20、6G 通感融合系統設計研究報告21。2024 年 11 月，發布6G 通信感知一體化空口關鍵技術研究報

38、告、6G 通信感知一體化協作感知關鍵技術前沿報告和6G通信感知一體化仿真評估與方法研究報告（第二版）。10/91表2 IMT2030（6G）推進組發布的通感一體化研究報告系列時間報告名稱2021 年 9 月通信感知一體化技術研究報告2022 年 11 月通信感知一體化技術研究報告 V2.02023 年 10 月6G 感知的需求和應用場景研究2023 年 10 月6G 通信感知一體化評估方法研究報告2023 年 10 月6G 通感融合系統設計研究報告2024 年 11 月6G 通信感知一體化空口關鍵技術研究報告2024 年 11 月6G 通信感知一體化協作感知關鍵技術前沿報告2024 年 11

39、月6G 通信感知一體化仿真評估與方法研究報告（第二版）6)未來移動通信論壇（FuTURE）FuTURE 針對數字低空網絡召開多次大會，對針對低空信息基礎設施建設和標準的總體規劃、低空經濟的場景與需求、通感一體化相關技術、相關標準以及技術/網絡/應用/服務創新進行了大量討論，為通感一體化技術和未來產業發展注入新的活力和動力。2024 年 4 月 16 日，以“創新預見 6G 未來”為主題，未來移動通信論壇舉辦了全球 6G技術大會。中國電信首席科學家畢奇先生在會上提出，展望 6G，AI、泛在連接、通感融合一體化將成為最具潛力的三個發展方向。其中，基于通感融合一體化技術的“低空經濟”有潛力為運營商帶

40、來大概雙位數增長，將在無人機巡檢與外賣、輕量級的物流等場景發揮更大價值。2024 年 8 月 2 日，未來移動通信論壇舉辦數字低空大會，大會以“筑牢數字底座，助推低空發展”為主題，探討了低空網絡的發展。中央網信辦信息化發展局副局長方新平在致辭中指出，發展低空經濟需要加強頂層設計和布局，完善低空經濟發展政策、技術、標準、產業和監管體系。推進 5G、6G、通感一體化、高精度導航等數字技術與低空飛行產業融合創新，前瞻布局空天地協同和通信、感知、導航、管控一體的低空信息基礎設施，筑牢低空經濟發展數字底座。未來移動通信論壇于 2024 年籌備成立了數字低空工作組,在本次大會上該工作組正式啟動，并發布了工

41、作組愿景。2024 年 8 月 11 日，未來移動通信論壇數字低空工作組啟動會召開，工作組主席及中國電信首席科學家畢奇先生提到，未來移動通信論壇數字低空工作組將重視產業鏈的發展，引導關鍵技術發展，包括通感一體化技術，將學術研究和產業發展相結合。11/912.2 通感一體賦能數字低空面臨的挑戰通感一體賦能數字低空面臨的挑戰通感一體技術賦能數字低空業務的同時，面臨著資源融合、覆蓋、精度、可信度、干擾等諸多關鍵問題與挑戰。這些問題不僅制約通感一體技術的有效發展，更直接關系到低空網絡的安全性與可靠性。為確保數字低空業務的高性能、高質量和高效率地穩定運行，本小節將著重探討通感融合理論缺失、低空立體覆蓋不

42、足、感知精度受限、感知可信性不足、全局干擾復雜五大關鍵問題。1)通感融合理論缺失目前通信系統的性能指標主要包括有效性和可靠性，如容量、誤碼率和誤塊率等。感知系統的主要性能指標包括精度、分辨率、檢測概率和虛警概率等。通信和感知的指標完全不同。然而在實際通感一體化網絡中，通信和感知業務會同時存在，二者相輔相成，共同為提升網絡性能和用戶體驗服務。因此，通感尚需統一的性能指標來評價通感一體系統的整體性能，提升整體系統效率。此外，通感融合理論的缺失還包括感知信道建模方式的缺失，以及多模態融合理論的缺失。2)低空立體覆蓋不足低空立體覆蓋是實現數字低空的基礎。然而，傳統通信基站主要覆蓋地面用戶，天線垂直掃描

43、角度僅 20左右，且通常下傾部署以便在保證覆蓋的同時降低鄰區干擾，實際覆蓋高度不足百米，難以滿足數字低空場景超 300 m 高度的低空覆蓋需求。同時，考慮到感知能力主要依賴于目標的回波信號質量，相比通信引入更多的路徑傳播損耗，探測距離在數百米范圍，遠距離覆蓋也成為亟需解決的難題。此外，未來數字低空業務需兼顧“地+空”“通+感”的需求，如何在保證高傳輸速率的同時，確保低空感知業務的連續性和穩定性，是通感融合網絡亟待解決的關鍵問題。3)感知精度受限高精度感知是滿足數字低空業務基本需求的關鍵。在傳統雷達系統中可以使用高發射功率、超大規模天線陣列等方案來保證系統精度。通感一體系統受限于民用系統的發射功

44、率、迎風面以及低空環境傳播損耗等，其感知精度相比于傳統雷達系統存在較大差距。在目前的4.9 GHz 5G-Advanced 技術試驗中，低空場景下感知精度僅約 020 m，可基本滿足低空探測業務需求，無法滿足軌跡追蹤、輔助避障等業務的感知精度需求。此外，單節點感知能力受限于其固有的處理能力，精度提升存在瓶頸。以關鍵感知性能指標克拉美羅界（Cramr-Rao Lower Bound，CRLB）為例，多節點 CRLB 與單節點 CRLB12/91呈線性增強關系，但同時多節點協作通感技術依賴于節點間的同步性能。因此，如何避免節點間同步誤差的影響，發揮多節點協作通感技術優勢，利用多節點數據融合提升感知

45、精度，突破單節點感知的局限性，成為亟待解決的關鍵問題。4)感知可信性尚不足高可信性通感是數字低空業務安全運行的保障。然而，非感興趣目標的雜波和非直視徑（Non-Line of Sight，NLoS）直接影響感知的準確性，可能導致虛警率、漏檢率較高，嚴重降低感知可信性。實際系統中，回波信號不僅攜帶了目標信息，還混雜大量來自地面、建筑物、山脈等固定物體形成的靜雜波以及飛鳥、云層等動態物體形成的動雜波。雜波的強度復雜多變、難以預測，給雜波消除帶來挑戰，對目標檢測與識別等造成干擾。另外，建筑物遮擋的 NLoS 傳輸場景，可能導致檢測出“假目標”，與真實目標的位置估計存在較大偏差，嚴重降低感知可信度。因

46、此，如何充分發揮協作網絡感知優勢，實現智能多維雜波消除及 NLoS的識別與利用，提升實際場景中目標感知的可信性，是亟待解決的關鍵問題。5)全局干擾復雜全局干擾可控是大規模部署數字低空網絡的前提。然而，感知功能的引入將帶來感知與感知、感知與通信之間的干擾問題，尤其是對空發送的通感信號將不可避免地導致超遠距離干擾。具體而言，感知回波信號中同時存在上行用戶干擾、鄰區干擾、遠端基站干擾等。復雜且嚴重的干擾不僅考驗著網絡的穩定性和可靠性，也直接影響用戶的通信體驗和感知服務精確度。上述干擾類型多樣及環境動態變化，具有實時性且復雜難解，直接影響網絡通信質量與感知性能。此外，干擾信號強度不僅與通感資源相關，并

47、且具有時變性和全局性。如何設計全局普適的動態干擾識別與控制方法，實現多重干擾高效管理與智能控制，是亟待解決的關鍵問題。13/913 通感融合理論通感融合理論本章將重點圍繞通感融合理論缺失這一核心問題展開深入探討。如 2.2 節所述，感知融合理論的缺失主要體現在通感一體化整體性能指標體系不完善、感知信道建模方法欠缺以及多模態融合理論尚未建立等關鍵方面。針對這一系統性挑戰，本章首先從基礎理論層面入手，分別闡述了通信與感知的性能評價指標體系，并在此基礎上引入通感一體化綜合性能指標；其次，針對感知信道特性，詳細介紹了分段級聯的感知信道建模方法；最后，深入探討多模態融合理論框架，重點涵蓋環境建模方法與環

48、境表征算法等核心技術，為構建完整的感知融合理論體系奠定基礎。3.1 通感評價指標通感評價指標為系統評估通信、感知及通感一體化系統的性能邊界與理論極限，亟需構建完整的性能表征體系。鑒于通感一體化系統需兼顧通信與感知雙重性能，本節從性能評價維度出發，系統性地闡述傳統通信、感知及通感一體化性能指標體系。其中，傳統通信性能指標主要涵蓋系統有效性（如頻譜效率、信道容量）和可靠性（如誤碼率、誤比特率）兩個維度；感知性能指標則包括測量精度（如均方誤差）、分辨率、目標檢測概率與虛警概率、感知容量等；針對通感一體化系統，提出以等效均方誤差（Equivalent Minimum Square Error）為代表的

49、綜合評價指標，旨在實現通信與感知性能的統一量化評估。3.1.1 通信性能通信性能通信系統的作用是實現信息傳輸，一般從有效性和可靠性兩個方面評價其優劣。1)有效性有效性指通信系統的信息傳輸效率。表征系統有效性的性能指標有多種，包括信道容量、傳輸速率、頻帶利用率、能量效率、延遲等。信道容量指在一定條件下，信道能夠無差錯傳輸的最大信息速率。傳輸速率指單位時間內傳輸的字符數、碼元數或比特數。頻帶利用率指單位頻帶內的數據傳輸速率。能量效率指單位能量可以傳輸的最大比特數。延遲指數據從發送端傳輸到接收端的時間。其中，信道容量是最常用的通信表征，定義了通信系統的根本限制。以下分別對時不變與時變信道中的信道容量

50、進行介紹。對于單用戶時不變信道，香農信道容量定義為信道輸入和輸出之間的最大互信息量14/91I(;)，即 C=maxp(x)I(;)bit/s 或 bit/符號。上述容量定義的應用也可以擴展到多用戶時不變信道，如多址信道、干擾信道、廣播信道、中繼信道等22。無線衰落時變信道可以分為快衰落和慢衰落兩類。對于快衰落信道，信道容量定義為遍歷容量，即平均意義下最大可實現傳輸速率，是對長時間內不同信道狀態下信道容量的統計平均。遍歷容量可以表示為信道狀態的容量函數的期望Cerg=HC()，其中，C()表示特定信道狀態下的瞬時容量，表示對信道狀態的期望。對于慢衰落信道，信道可能長時間處在不利狀態，使瞬時容量

51、低于所需的傳輸速率，導致通信中斷。在此情況下，信道容量定義為中斷容量，即在給定的中斷概率下，信道能達到的最大傳輸速率23。中斷容量關注通信中斷的情況，用于在不穩定信道環境下表征通信的連續性和穩定性。2)可靠性可靠性指通信系統傳輸信息的準確度。表征系統可靠性的性能指標主要有信噪比、誤比特率/誤碼率、網絡覆蓋率。信噪比指信號功率和噪聲功率的比值，是評估信道質量的重要指標，信噪比越高表明信息傳輸的可靠性越高。誤比特率/誤碼率指傳輸過程中錯誤的比特數/碼元數占總比特數/碼元數的比例，誤比特率/誤碼率越低表明信息傳輸的可靠性越高。網絡覆蓋率指在某一區域內，給定一個最小閾值，用戶能夠接收到超過此閾值的信號

52、功率的區域在總區域內的面積占比，網絡覆蓋率越高，表明該區域內信息傳輸可靠性越高。3.1.2 感知性能感知性能1)均方誤差及其相關下界感知系統需要通過估計諸如角度、距離、多普勒頻移等基礎參數完成目標定位。評價參數估計準確性的指標主要有 MSE 及其相關下界和等效費希爾矩陣（Equivalent FishersInformation Matrix，EFIM）。1均方誤差準則：均方誤差是評價估計子性能時常用的指標，表示為 MSE=?2。其中，是真實參數向量、?是估計參數向量。一般通過最小化 MSE 的值來確定最優估計子。但是這種方式得到的估計通常難以構建，MSE 的最小值也不易表征。為了方便研究，采

53、用 MSE 的相關下界作為估計指標，包括克拉美羅下界（Cramer-Rao Bound，CRB）和貝葉斯下界（Bayesian Lower Bounds）?？死懒_下界是最常用的指標，給出了無偏估計量方差的理論最小值，定義為 CRB=I1。其中，I 是費希爾信息量（Fisher Information），衡量觀測數據 X 中包含參數信息量的多少，定義為 I =2lnf;2，其中 f;是觀15/91測數據 X 的概率密度函數24?？死懒_下界可以擴展到參數為隨機變量且先驗分布已知的情況，即后驗克拉美羅界（posterior CRB），為后驗估計量提供了方差下限25。由于克拉美羅界的對數似然函數缺

54、少全局信息，因此克拉美羅界只考慮了局部誤差，在高信噪比條件下精確度較高，而在低信噪比條件下表現較差。為了提高精確度，提出了貝葉斯下界，用于處理參數為隨機變量且先驗分布已知的情況。貝葉斯下界中最有代表性的兩個界限是維斯-溫斯坦下界（WeissWeinstein Bound，WWB）和齊夫-扎凱下界（Ziv-Zakai Bound，ZZB）。WWB 在 CRB 基礎上消除了一些正則化條件并引入了自由參數，擴展 CRB 的應用范圍至全局信噪比，除了無偏估計外還可以用于有偏估計26。ZZB 基于 MSE 矩陣的二次形式得出，同樣也擴展了 CRB 適用的信噪比范圍27。這兩種下界的精確度更高但難以計算，

55、因此除了特定條件或對精確度要求很高的場景，CRB 仍被廣泛使用。2等效費希爾信息矩陣：EFIM 是費希爾信息矩陣的簡化形式。FIM 是描述參數估計精度的重要指標，定義為 I =logp;logp;T，其中，是參數估計向量，p;是觀測數據 x 的似然函數。EFIM 只關注特定參數或子參數的估計精度，由 FIM 在感興趣參數的子空間投影得到，簡化了計算過程。2)分辨率在雷達系統中，評價目標識別性能的一個重要指標是雷達分辨率。分辨率越高，雷達區分相近目標的準確度就越高。雷達分辨率最常用的一個理論估計模型是R=c2B，其中，c表示光速，B 表示帶寬。此模型用于表征雷達的距離分辨率，即雷達能夠分辨的兩個

56、相近目標之間的最小距離。此外，對于測速和測角度的分辨率分別為：=2T 0.886D其中，代表電磁波波長，T 代表雷達信號間隔，D 表示天線面板孔徑。另一個常用的估計模型是模糊函數，定義為 A,=+s?s ej2d，其中，是時延，是多普勒頻移。此模型用于表征信號在不同時延和頻率偏移下的相關性。在此基礎上擴展出了歸一化互模糊函數28和多維模糊函數29，引入了更多參數，以表征距離、角度和多普勒分辨率之間的折衷。3)檢測概率和虛警概率目標探測的兩個重要性能指標分別是檢測概率和虛警概率。檢測概率指目標存在的情況16/91下，成功檢測到目標的概率。虛警概率指目標不存在的情況下，錯誤的判斷為目標存在的概率3

57、0。提高檢測概率往往會導致虛警概率的提高，因此在設計系統時需要考慮二者的折衷。4)感知容量指標上述感知指標如感知分辨率、感知精度等，更多的描繪了單點的感知能力。面向低空網絡的感知指標，需要體現網絡化感知的系統性能，其 QoS 至關重要。因此提出感知容量（Sensing Capacity）的系統性指標體系，其定義為：在感知服務質量要求（Sensing QoS）下，每平方公里可以感知的最大目標數量。Sensing QoS 可包含多種要求，包括感知時延、定位精度、測速精度、誤檢率、虛警率等。針對不同的場景、業務，可對 Sensing QoS 進行動態的定義。例如針對黑飛入侵監測，感知服務質量可聚焦誤

58、檢率、虛警率等；面向無人機物流場景，感知服務質量可更多的關注感知時延、定位精度、測速精度等。感知容量的評估方法中會加入來自通信的干擾，來體現通感系統綜合能力。我們給出感知容量指標的評估方法，可利用該評估方法得到感知容量的 KPI 要求：步驟 1：在系統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%的撒點目標總數滿足感知質量要求。步驟 4：基于撒點總數 N，計算感知容量/感知密度

59、 C=N/A,面積 A 為仿真所用 TRxP 的覆蓋總面積。感知容量將作為數字低空網絡的重要指標，將為通感的技術研究、系統設計以及標準制定提供指引。3.1.3 通感一體性能通感一體性能為表征通感一體整體性能的指標，提出容量-失真性能指標，用于衡量通信容量與感知失真。以下介紹三種表示容量-失真性能指標的方法：等效通信容量：基于將感知指標轉化成通信指標的思想，提出感知估計信息速率。這種方法提出了觀測值 Y 和真實參數值之間近似互信息的定義。假設服從方差為 P 的高斯分布，估計值為?，且均方誤差為 D，則有以下不等式成立：I;I;?12logPD,因此，17/91參數估計的下界由均方誤差轉變成了感知

60、估計信息速率31?？梢栽谕ǜ幸惑w系統下考慮通信信息速率和估計信息速率的折衷。但這種方法假設感知參數服從高斯分布，且估計子的均方誤差已知，因此在應用中有很大限制。等效 MSE：基于將通信指標轉化成感知指標的思想，提出等效 MSE，即將通信信息速率等效成 MSE 指標。假設一個高斯信道 Y=+，其中 X，Z 服從均值為 0，協方差為 1 的復正態分布。估計輸入 X 和輸出 Y 之間的最小均方誤差（Minimum Mean Square Error，MMSE）為：D =11+，因此，對于給定的通信容量 C =log 1+，可以通過等式=2轉化成 MSE 指標32?？梢栽谕ǜ幸惑w系統下考慮通信等效 M

61、SE和估計 MSE 的折衷。但這種方法只適用于簡單的線性高斯信道模型。容量-失真函數：在不進行通信指標和感知指標轉換的情況下，提出容量-失真函數 C 來表示通信容量和感知失真之間的折衷?？紤]一個點對點通感一體信道，發送機期望向接收機發送信息的同時通過回波信號估計信道狀態，容量-失真函數可表示為：C =p maxI;|，且滿足條件 ,?D。其中，X 和 Y 分別表示輸入和輸出符號，?是估計感知狀態，,?是估計子的誤差均值。3.2 感知信道建模感知信道建模ISAC 信道可以建模為目標信道和背景信道之和，用如下公式表示：=+其中，目標信道是指受到目標影響的所有（多徑）信道成分（所謂信道成分是指構成信

62、道的徑、簇等），而背景信道是指不包含在目標信道中的其他所有（多徑）信道成分。針對背景信道，可以將其建模為隨機雜波/簇，套用現有 3GPP TR 38.901 協議的方法。針對目標信道，可以采用分段卷積的方式建模。分段卷積建模是將目標信道分為兩段，即從發送節點到目標的入射信道，和從目標到接收節點的后向散射信道，如下圖 1 所示。在入射信道和后向散射信道中，往往存在多條徑，形成若干簇。在分段信道建模時，既可以從兩段信道中分別選擇每條徑互相組合、進行卷積，也可以從兩段信道中分別選擇每個簇互相組合、進行卷積，以下以簇粒度的分段卷積為例，建模協作感知信道。18/91圖1分段卷積建模示意圖假設入射信道和后

63、向散射信道中，分別有 P 和 Q 個簇，那么整個目標信道中的簇總數為 N=PQ，其中，第個簇是由入射信道中的第個簇和后向散射信道中的第個簇組成的，且有=P 1+。則第個簇的信道參數是通過以下方式，從入射信道中的第個簇和后向散射信道中的第個簇得到。在得到第個簇的信道參數后，即可將其代入 3GPP TR38.901 協議中的信道模型中，獲得最終的協作感知信道模型。目標信道的簇功率等于入射信道和后向散射信道簇功率的乘積：P=PP目標信道的多普勒頻移相位是入射信道和后向散射信道的多普勒頻移相位的卷積：.exp 2d()0=exp 2d()0exp 2d()0目標信道的離去角等于入射信道的離去角：,ZO

64、D=,ZOD,AOD=,AOD目標信道的到達角等于后向散射信道的到達角：,ZOA=,ZOA,AOA=,AOA目標信道的時延等于入射信道和后向散射信道的時延之和：=+如果目標的散射矩陣可以從交叉極化比矩陣中剝離，則第個簇的交叉極化比矩陣可以表示為：exp(),1exp(),1exp()exp()=exp()1exp()q1exp()exp()19/91exp()1exp()1exp()exp()3.3 多模態融合理論多模態融合理論3.3.1 低空傳感器與環境建模技術低空傳感器與環境建模技術在無人機與環境交互的過程中，最重要的兩類感知是對關注目標的識別和靜態背景環境的建模?；谝曈X類傳感器的目標識

65、別從單幀或者連續視頻抽取關鍵幀的視覺信息中進行目標的提取，近幾年，隨著深度學習技術的普及，目標識別、跟蹤技術日益成熟。與關注目標識別有所不同。在靜態背景環境的建模中，通常需要找到圖像序列中相互關聯的環境信息。在尋找關聯信息時，一般用到視覺相機數據中的特征點。這些特征點通常是圖像中灰度變化劇烈的地方，如角點、邊緣點等。這些算法可以在不同光照、尺度和旋轉等條件下提取特征。激光雷達通過測距的形式在短時間內（常見 0.1s）完成對環境的稀疏掃描，通過臨近點構成的幾何特性提取特征，然后通過相鄰掃描時間段內的特征相互匹配完成整個環境的建模，如圖 2 所示。除了用特征點提取的方法進行視覺信息的匹配，也會采用

66、端到端的深度學習技術來直接完成環境信息的建模。圖2激光雷達環境建模效果3.3.2 環境表征環境表征算法算法卡爾曼濾波（Kalman Filtering）是一種強大的最優估計理論和算法，廣泛應用于信號處20/91理、控制理論、導航系統等眾多領域。核心思想是結合系統的先驗知識（狀態方程）和觀測數據（觀測方程），通過不斷地預測和更新來獲得對系統狀態的最優估計。它在預測階段根據系統模型預測下一個時刻的狀態，在更新階段根據新的觀測數據對預測結果進行修正，從而得到更準確的狀態估計。在滿足線性系統和高斯噪聲假設的條件下，卡爾曼濾波能夠提供系統狀態的最小均方誤差估計。同時其也是一種遞歸算法，只需要上一時刻的狀

67、態估計和當前的觀測數據就可以進行計算，不需要存儲大量的歷史數據，計算效率高，適用于實時處理系統。圖優化（Graph-based Optimization）是一種在機器人學、計算機視覺、機器學習等眾多領域廣泛應用的技術。它以圖（Graph）為數據結構來表示問題，圖中的節點（Node）通常表示系統的狀態、變量或者實體，而邊（Edge）表示節點之間的約束關系或者代價函數（CostFunction）。用于構建這些節點和邊的數據可能來自傳感器（如攝像頭、激光雷達、慣性測量單元等）或者其他先驗知識。圖優化的目標是找到一組節點的狀態值（例如，飛行器的所有位姿和地圖特征的最優估計），使得整個圖的總代價最小，對

68、應傳感器對環境建模的任務中就是使得整個模型更為平滑、精確。深度學習在環境建模領域取得了顯著進展，如今已廣泛應用于相機、激光雷達等設備的端到端方法中。在環境建模過程中，神經輻射場（Neural Radiance Fields，NeRF）和三維高斯濺射（3D Gaussian Splatting，3DGS）技術展現出強大的能力，它們通過對大量數據的學習，能夠精準地構建出復雜環境的模型。這些技術的廣泛應用，不僅提升了環境建模的準確性和效率，還為相關領域如自動駕駛、虛擬現實等帶來了更多的可能性。同樣，在低空所需的環境建模領域，這些技術也能為無人機的高質量服務提供幫助。學科的發展，研究人員對環境信息的獲

69、取顆粒度由粗獷逐漸變為精細。幾十年前，遙感衛星能夠大范圍地進行較低分辨率的地物信息獲取，近幾年，隨著攝影測量、SLAM 技術的進步，對環境的模型也變得越來越精細。Zhongyu Liu 等人33提出基于三維射線追蹤的傳播預測模型，通過數字化地圖獲取環境信息，包括建筑物、地形、綠化帶等的幾何和電氣參數。采用射線路徑分類技術，將傳播路徑分為五類，針對不同類別路徑采用不同方法確定，有效處理多次反射、衍射等復雜情況，提高射線追蹤效率。對環境信息進行預處理，如根據 Tx 和 Rx 位置忽略對預測結果影響小的幾何因素，評估垂直墻壁與模擬點的可見關系，確定垂直墻壁的方向面集等，以提高計算效率。21/91通過

70、建立和利用環境模型，能夠更準確地預測無線電信號在不同環境中的傳播特性，從而為網絡規劃、覆蓋優化、通信性能提升等方面提供重要的輔助和支持。例如，幫助確定基站的最佳位置、天線的方向和高度，優化通信資源分配，提高通信的可靠性和質量等。JakobThrane 等人34提出一種基于深度學習的信號強度預測方法，結合地理圖像與專家知識。利用開放街景圖像（Open Street Map，OSM）圖像生成環境圖像，通過深度學習模型預測 RSRP（Reference Signal Received Power），采用真實數據集評估，與射線追蹤技術相比，平均RMSE（Root Mean Squared Error）

71、降低 53%?？鐖鼍霸u估中，最佳 RMSE 為 6.3 dB。研究發現 250-300 米的圖像距離性能較好，常規圖像比全尺寸圖像 RMSE 更低。22/914 低空通感一體低空通感一體架構及架構及關鍵技術關鍵技術本章系統闡述低空通感一體化技術體系架構與關鍵技術突破，重點圍繞四大核心挑戰展開深入探討：低空立體覆蓋能力不足、感知精度提升受限、感知結果可信度待提升以及全域干擾環境復雜。第一節重點論述數字低空整體架構設計，深入剖析通感一體化子系統的功能架構；第二節針對低空立體覆蓋能力不足問題，詳細闡述覆蓋增強關鍵技術，包括雙波形優化、波束管理及節點切換等核心方案；第三節聚焦感知精度提升受限挑戰，從波

72、束設計、感知算法、和融合感知三個維度深入分析；第四節針對感知結果可信度待提升問題，從 NLoS感知、雜波抑制方法和非理想因素消除三個方面闡述；第五節針對全域干擾環境復雜問題，全面介紹干擾抑制技術體系，重點涵蓋干擾特征分析、協同干擾協調與功率控制、自適應波束零陷優化以及參考信號零陷算法等關鍵技術，并輔以典型場景下的仿真驗證結果。4.1 網絡架構網絡架構4.1.1 數字低空整體架構數字低空整體架構圖3數字低空基本架構數字低空整體架構可由支撐基礎設施、網絡基礎設施和應用及終端組成。其中，支撐基礎設施包括運營監管、數據存儲和地面控制中心。運營監管負責整個低空網絡的服務、監管和運營。包括飛行數據管理、終

73、端權限管理、安全隱私管理、應用擴展、飛行航道規劃等。數據存儲主要是指從傳感器和其他設備采集到的低空飛行相關數據，輔助進行任務規劃、飛行監控和數據分析。地面控制中心主要負責對無人機等智能終端設備的網絡接入、起落升降、飛行軌跡、偏航預警等方面的實時監控和管理。網絡基礎設施包括通感網絡、衛星網絡和邊緣算力網絡。通感網絡依托地面網絡基礎設23/91施，比如現有的 5G-A 公網和未來的 6G 網絡，并且優化現有公網或者建設低空專網，為一定高度下的低空智聯終端提供通信或者感知服務。衛星網絡可作為通感網絡的有效補充，通過結合北斗、差分定位等技術，為低空飛行棋提供三維立體高精度定位服務。邊緣算力網絡可實現低

74、空數據處理、優化，以及提供導航、感知、定位等智能算法能力。支撐基礎設施和網絡基礎設施共同為智能終端提供服務，并且提供創新應用的對外接口。4.1.2 通感架構通感架構4.1.2.1 通感整體架構通感整體架構圖4通感整體架構在 6G 通感融合場景中，通感融合進一步細分為對外感知服務（NET for Sensing）和感知輔助網絡（Sensing for NET）。對外感知服務最典型的例子就是通感服務與低空經濟結合，根據 IMT-2020 通感任務組報告預估，飛行路徑管理和避障等相關場景的感知數據傳輸速率約為 10Mbps 數量級。感知輔助網絡包括基于感知獲得的信道環境信息來輔助移動性管理和波束管理

75、等。通感融合促使 6G 網絡不僅傳輸傳統用戶數據,還產生、處理和使用大量網內數據，然而，由于 5G-A 網絡中網內數據主要是信令，其特點是數據量小、優先級高，并且是在短時間內有效的即時性數據。面向 6G 網絡內的感知數據，由于其具有數據量大，數據的傳輸終結點靈活，優先級靈活等特征，因此需要從網絡架構層面提供統一和高效的解決方案。為了滿足大量感知數據收集、傳輸和處理需求，同時考慮 5G-A 標準單用例相關的數據收集方案存在用戶設備（User Equipment,UE）/網絡功能數據重復、基于控制面空口數據收集存在重復協議功能等問題，6G 網絡架構可以引入數據面，以避免控制面承載大量非信令數據，同

76、時確保用戶面傳輸終結在移動網絡內部。數據面的功能設計和參數配置旨在提供統24/91一優化的解決方案，從而避免單個用例的碎片化。并且，通過數據面協議設計及優化來提升數據傳輸效率。因此，引入數據面不僅可以提高數據傳輸效率，還能實現數據復用，增強跨域數據協作，并且便于擴展以滿足新增需求。如上圖所示，端到端的數據面功能包括數據隱私和安全功能、數據控制功能、數據傳輸功能、數據處理功能、數據存儲功能。具體如下：數據源：面向通感融合應用場景，數據源主要指從基站和 UE 收集到的感知數據。感知功能：通感融合場景中，感知功能是數據消費者。感知功能獲得不同感知請求所需的感知測量數據，并響應目標檢測，環境監測等用例

77、請求。數據隱私與安全功能：用于支持對于數據訪問的認證及授權機制。此外需要考慮數據的隱私和安全功能，用于支持數據功能發起的認證，授權，訪問控制等隱私和安全機制。數據控制功能：用于支持數據收集協調、數據服務配置（如數據包大小、間隔等）、數據傳輸配置（如建立/修改/釋放數據面傳輸通道）和數據處理配置（如數據預處理或數據分析配置等）。核心網或無線接入網根據不同感知用例的數據需求進行收集協調，避免基站或UE 重復收集數據。數據傳輸功能：用于支持根據數據控制功能的配置進行數據面數據的轉發和傳輸。根據數據傳輸的對等端不同，數據面傳輸包括 UE 和 RAN，RAN 和 CN，UE 和 CN，RAN 內部功能間

78、或 CN 內部功能間等多種數據傳輸協議。數據處理功能：通感相關的數據處理包括感知數據分析，多模態數據融合等。通過數據分析功能對數據進行預處理和聚合，可以減少跨網絡節點的原始數據的數據采集，例如可以根據數據消費者的需求從數據生產者收集原始數據，對原始數據進行歸納整理，關聯，輸出規定粒度且符合時間周期要求的數據。通過數據融合功能，基站可以將多個 UE 的感知測量數據和基站的感知測量數據進行融合產生多維譜信息。數據存儲功能：5G 網絡中很多數據是短時使用的即時數據，不會進行持久化存儲，如輔助調度的終端上報的測量信息。然而在通感融合中可能需要存儲和處理大量的數據。例如面向無人機入侵監測、環境感知、交通

79、流量和天氣狀況等感知需求，基站或 UE 將測量生成大量的感知數據。為了支持不同感知用例的感知測量數據復用，以及基于 AI 的感知處理算法的 AI 模型訓練等，6G 需要提供持久化數據的存儲機制。4.1.2.2 感知功能架構感知功能架構面向感知服務的系統需要包含的主要功能實體如下圖所示，圖中以總線形式來概括感知25/91功能之間可能存在交互。感知功能是邏輯功能，可能存在多個功能由一個設備實現的情況。圖5感知功能感知服務管理功能實體負責與感知客戶端交互，以使其獲取感知服務。感知任務控制功能實體控制感知任務的執行以實現基礎感知功能。感知任務控制功能實體可根據感知任務確定感知方法、感知所需的資源、感知

80、信號發送/接收節點以及感知數據處理功能節點。面向低空的感知的目標主要是低空無人機，可以根據電子圍欄區域、無人機航跡選擇合適的感知信號發送/接收節點進行感知。感知數據處理功能對感知數據的處理包括對原始感知數據（包括感知信號的接收數據和第三方感知獲得的感知數據）處理得到中間結果感知數據，以及對中間結果感知數據處理得到最終結果感知數據。由于低空無人機通常是移動的，可能會跨越不同感知信號收發節點的感知覆蓋范圍，從而網絡可能獲得多個針對同一目標的感知數據，需要對多個感知數據進行融合。對于聯網的無人機，也可利用其自身的第三方感知技術獲得感知數據，以輔助網絡進行感知。感知信號發送需要使用無線感知資源。無線感

81、知資源調度功能實體根據對無線感知資源的需求確定感知信號發送使用的無線感知資源。下表為一種感知功在網絡中的部署的示例。表3感知功在網絡中的部署感知功能核心網接入網終端感知服務管理功能感知任務控制功能感知數據處理功能無線感知資源調度功能感知信號發送/接收第三方感知功能26/914.2 覆蓋增強技術覆蓋增強技術4.2.1 覆蓋范圍覆蓋范圍提升提升在基站自發自收感知模式下，采用收發分時的脈沖波形能夠避免對于全雙工能力的要求，從而大大降低設備的硬件成本。采用脈沖波形時，在完成感知信號的發射之前返回到基站的回波信號無法被接收，從而使得無法探測近距離感知目標，即存在近距離盲區。設脈沖寬度為，則與基站之間的距

82、離小于c 2的感知目標都會處于近距離盲區。而降低脈沖寬度會使得感知信號功率減小，從而無法對遠距離感知目標進行有效探測。為了兼顧遠距離和近距離的感知覆蓋，可以采用兩種脈沖波形設計來提升感知覆蓋能力。如圖 6 所示，波形一用于遠距離覆蓋、波形二用于近距離覆蓋。兩種波形的調制方式可以相同或者不同；例如，波形一是 LFM（Liner Frequency Modulation）波形、波形二是 OFDM（Orthogonal Frequency Division Multiplexing）波形，或者波形一和波形二都是 LFM 波形。設波形一的脈沖寬度和脈沖周期分別為1pulse和1period，脈沖二的脈

83、沖寬度和脈沖周期分別為2pulse和2period。則波形一的近距離盲區邊界和最大不模糊探測范圍分別為c1pulse2和c1period2，波形二的近距離盲區邊界和最大不模糊探測范圍分別為c2pulse2和c2period2。這里假設波形一和波形二中各個脈沖的調制序列都是相同的，這也是雷達技術中通常采用的設計。如果能夠通過調制序列區分同一種波形內的各個脈沖，則能夠增大最大不模糊距離。為了實現一定距離范圍內的連續覆蓋，波形二的最大不模糊測量范圍需要小于或等于波形一的近距離盲區邊界，即要求2period 1pulse。同時，為了最大化利用脈沖波形的時域資源，需要滿足Mperiod MOFDMTOF

84、DM，=1 或 2，即，連續的M個個脈沖需要與連續的MOFDM個OFDM 符號的時間對齊，這里TOFDM表示 OFDM 符號時長。圖 6 中示意的即是波形一的連續 2 個脈沖與 1 個 OFDM 符號對齊、波形二的連續 8 個脈沖與 1 個 OFDM 符號對齊。圖6雙脈沖波形感知信號示意圖綜上，根據上述的雙波形設計方法，通過波形二設計較小周期補償波形一盲區覆蓋不足27/91的問題，能夠以較少的參數設計出盲區小、覆蓋能力較高的感知信號波形。4.2.2 連續覆蓋連續覆蓋技術技術4.2.2.1 波束管理波束管理在雷達領域，相控陣雷達所采用的波束賦形技術具有成熟的硬件實現方案和信號處理方案。目前大規模

85、部署的 5G 基站具備 32 天線端口，而 LTE 基站也具備 8 天線端口，每個天線端口連接多個天線陣子，為基于波束賦形的多天線感知打下了堅實的物理基礎。通過數字或者模擬波束賦形，配備多天線的感知節點可以形成高增益的窄波束，使感知信號大部分能量集中在感知區域或者感知目標上。一方面提高了反射信號的信噪比，另一方面對來自其他方向的雜波干擾也能形成較好的抑制效果。圖7波束賦形各天線端口信號關系示意圖基于波束賦形的感知技術，各發射天線端口信號是相關的，彼此之間只相差與天線間距和波束指向角度相關的相位差，如圖 7 所示。這種方案實現簡單，但同時也存在一定局限性。一方面，當陣列進行波束賦形時，系統的角度

86、感知精度，即系統陣列的角度估計分辨率與波束寬度有關。當兩個感知目標的角度差值小于一個波束寬度時，基于波束賦形的感知無法在角度域區分這兩個目標，此時需要在其他域（例如時延域、多普勒域）對目標進行區分；另一方面，當感知區域范圍較大，或者一個環境中存在多個待感知區域時，基于波束賦形的多天線感知可能需要借助波束掃描完成。波束掃描相比于單次感知占用了更長時間，容易導致對時變環境（例如，高速飛行的無人機）的感知性能下降。雖然我們可以使用一個較寬的波束對感知區域或感知目標進行覆蓋，但這在發送總功率相同的情況下又一定程度犧牲了感知精度或感知信噪比。圖 8 為假設基站感知模式為自發自收，感知目標為某個區域的無人

87、機，上述兩種情況的示意圖?；诓ㄊx形的多天線感知，感知波束的配置（例如波束寬度、波束數量、波束掃描時間等）可能需要基于一些感知目標/感知區域先驗信息，例如感知目標28/91大致分布范圍、感知目標密度、感知區域大致大小/方位等進行確定。圖8基于波束賦形的多天線感知示意圖(a)感知目標間距小于波束寬度，導致無法區分 2 個目標(b)感知區域范圍大于波束寬度，需要結合波束掃描需要注意的是，對于通感一體化場景，由于感知目標與通信目標不一定是同一個目標，因此感知波束和通信波束可能不是同一個波束。對于通信功能，通信波束需要對準通信接收端，以獲得可靠穩定的通信鏈路；對于感知功能，需要根據感知區域或感知目標

88、的具體位置配置感知波束，如圖 8 所示。然而，在感知初期，感知區域或感知目標的精確位置往往是未知的。針對這個問題，一種可以采用的策略是通感一體化系統首先使用寬波束進行粗粒度感知，在確定感知區域或感知目標的大致位置后再使用窄波束進行細粒度感知；另一種可以采用的策略是通感一體化系統執行感知波束掃描和感知波束測量過程，基于感知波束測量結果確定感知波束。通感一體化系統可以使用多個波束，這些波束中一部分是服務于通信，一部分是服務于感知，或者同時服務與通信和感知。在波束管理流程上，通信波束管理流程和感知波束管理流程可能是兩個相互獨立的流程。對于基站或終端自發自收的感知模式，感知波束管理可以直接基于自身算法

89、實現，不需要與通信的另一端交互；對于基站和終端 A 發 B 收的感知模式，基站和終端通過通信波束掃描確定最佳發送/接收波束；同時，通過感知波束掃描，基站或終端基于感知性能評估指標，例如感知信干噪比（定義為感知目標反射信號功率與雜波和噪聲功率和的比值）等的測量值，確定最優的基站和終端的發送/接收波束。此外，通信波束管理和感知波束管理也可以是一個聯合處理流程，即通過相同的一套波束配置，在波束掃描步驟，基站或終端通過波束測量同時獲得通信測量量測量值、感知測量量測量值，或者通感一體化聯合評價指標的測量值。29/91基于上述測量值，確定最優通信波束和最優感知波束。4.2.2.2 感知節點切換感知節點切換

90、移動通信網絡中的感知節點，例如基站、UE 等，可以通過節點彼此之間發送或接收感知信號，或者通過節點自發自收感知信號兩種不同感知模式進行感知/通感一體化業務。感知目標的狀態（包括空間位置、空間朝向、運動速度等等）或感知環境發生改變，以及感知節點發生移動（例如 UE 移動），都可能導致感知性能發生改變。為了保證感知/通感一體化業務連續性，以及持續保障感知/通感一體化 QoS，網絡可能需要進行多節點協作感知。然而多節點協作需要多個基站或者 UE 服務同一感知目標，造成較大的物理硬件和時頻資源開銷，因此另一種替代方案是網絡進行感知節點切換?？紤]到不同感知節點的感知能力的差異、感知節點分布的不均勻性，以

91、及感知環境的不確定性，感知節點切換的過程還可能伴隨著不同感知方式的切換：感知能力的差異，體現在不同基站間的能力差異，以及基站與終端間的能力差異。例如，不同基站間天線陣列孔徑的差異，或者基站和 UE 間天線端口數量的差異。感知節點分布的不均勻性，主要指 UE 的分布存在較強的隨機性和變化性。感知環境的不確定性，指的是不同感知節點附近的環境存在差異，例如不同感知節點附近的建筑物不同，出現遮擋、多徑等電波傳播現象的程度也不同。圖9A發B收感知模式下的感知節點切換場景示意圖下面簡要討論幾種典型的感知節點切換場景。圖 9(a)和圖 9(b)給出了基站作為感知節30/91點并發生切換的場景，包括 A 發

92、B 收模式下發送端或者接收端其中一者切換，以及兩者同時切換的情況。圖 9(c)-(e)給出了終端參與 A 發 B 收感知時，終端或者基站至少一者發生切換的場景。圖10自發自收感知方式下的感知節點切換場景示意圖對于感知節點自發自收感知方式，為了保證感知/通感一體化業務連續性，同樣可能需要感知節點切換。圖 10(a)和(b)分別給出了基站和終端自發自收，發送切換的場景。上述感知節點切換場景均以無人機作為感知目標進行示意。無人機的飛行范圍較大，一般從幾百米到即千米，因此目標無人機從基站 1 移動到基站 2 的過程中，經過目標無人機反射的感知信號質量可能會由于基站 1 與目標無人機之間距離增大或者目標

93、無人機雷達散射截面積（Radar Cross Section，RCS）變化而顯著降低，進而引起感知/通感一體化業務性能下降，甚至業務中斷?；?1 或感知網元可以根據所掌握的該區域內的其他基站信息，調度基站 2 作為切換后的感知節點進行感知。圖11感知模式切換示意圖感知節點切換時還可能伴隨著感知模式的切換。仍然以對飛行的無人機定位/軌跡追蹤31/91為例子，圖 11 給出了一個感知方式切換的示意圖。假設在切換之前，基站通過自發自收感知信號的方式實現對目標無人機的感知。當目標無人機逐漸遠離基站，由于感知信號回波路程增大或者目標無人機 RCS 變化，或者目標無人機 RCS 變化可能顯著下降，進而引

94、起感知/通感一體化業務性能下降甚至業務中斷。此時，基站或者感知網元可以根據所掌握的該區域內的其他基站以及終端信息，調度目標無人機區域附近的終端與基站，通過基站發感知信號終端接收的方式（或者終端發感知信號，基站接收）對目標無人機進行持續追蹤。需要說明的是，在這種場景下切換后參與感知的基站與源基站可以是不同的基站。在某些情況下，基站發送感知信號終端接收（或者終端發送感知信號基站接收）的感知模式，也可切換為基站（或終端）自發自收感知信號的感知模式。4.3 感知精度提升技術感知精度提升技術4.3.1 波形設計波形設計通感一體化波形：波形設計是通感一體化系統的重要基礎，面向數字低空網絡中目標小、移動慢的

95、復雜應用場景，高感知精度的波形設計優化需求更加突出。已有大量研究工作致力于通感一體化系統中波形的優化與設計，大致可以分為以雷達為中心、以通信為中心和聯合設計。雷達為中心的波形設計：雷達系統中常用的感知波形有脈沖波形(Pulse Waveform，PW)、連續波形(Continuous Waveform,CW)、調頻連續波形(Frequency Modulated ContinuousWaveform,FMCW)、相位編碼波形（Phase Coded Waveform,PCW）。脈沖波形具有高峰值功率，能夠檢測遠距離目標。脈沖波形的時延分辨率與脈沖寬度有關，結合脈沖壓縮，可以實現較高的時延分辨率

96、，能夠準確測量目標的距離。脈沖雷達的缺點是存在近距感知盲區，且脈沖重復頻率（Pulse Repetition Frequency，PRF）限制了速度測量的能力，對于快速移動的目標，可能會出現多普勒模糊。連續波形可以提供連續的速度和距離測量，且對低速目標的探測靈敏度高，缺點是不能直接測量距離，通常需要與調制技術結合使用。調頻連續波形雷達常用的是線性調頻（LinerFrequency Modulation,LFM）波形，常用線性鋸齒波頻率調制、線性三角波頻率調制、分段線性頻率調制三種類型的波形，如圖 12 所示。調頻連續波波形頻譜效率高，能夠在較小的帶寬內實現較高的距離分辨率，但是對于快速移動目標

97、，存在距離和多普勒耦合，會導致距離估計誤差。32/91(a)線性鋸齒波頻率調制(b)線性三角波頻率調制(c)分段線性頻率調制圖12三種常用的LFM波形相位編碼波形具有較強的抗干擾能力，可以提高信噪比，適用于多目標探測，能夠在同一頻率下同時探測多個目標。相位編碼信號對多普勒敏感，回波信號中存在多普勒頻移時會嚴重影響脈壓性能，所以只適用多普勒頻率范圍較窄的場景。對于以雷達為中心的方法，通常將通信符號嵌入到雷達波形中35，典型的嵌入方法有波束模式調制36、索引調制37和快時調制38等。波束模式調制通過控制雷達波束的旁瓣承載信息，然而這種方法要求雷達波束的主瓣指向目標，這限制了通信的靈活性。索引調制將

98、信息嵌入激活態的無線電資源的索引，如用于傳輸的天線或載波頻率的索引?？鞎r調制在雷達波形上嵌入通信符號，與上述兩種方法相比可以提高通信速率，但是雷達性能會有所降低。然而，通常上述三種方法能實現的通信速率有限，只能適用于對通信需求不高的場景中。通信為中心的波形設計：通信波形可以分為單載波和多載波兩種波形，常見的單載波通信波形有單音正弦波、脈沖信號、調幅信號（Amplitude Modulation,AM）、調頻信號（FrequencyModulation,FM）和調相信號（Phase Modulation,PM）等，而多載波通信波形包括 OFDM，正交時頻空（Orthogonal Time-Fre

99、quency-Space,OTFS）調制等。單載波信號實現簡單，對系統設計和硬件要求較低，功率效率較高，且信號處理簡單，適用于信號質量要求高的場景。然而，單載波信號的頻譜利用效率較低，抗多徑干擾的能力差，信號傳輸效率有限，不適用高數據率要求的場景。多載波信號頻譜效率高，抗多徑干擾能力強，且可以根據信道狀態動態調整數據傳輸速率，然而實現較為復雜，對硬件要求、計算和處理開銷都比較高，載波間可能出現載波間干擾（Inter-Carrier Interference，ICI），影響信號質量，對系統同步的要求較高。33/91對于以通信為中心的 ISAC，雷達感測是直接利用通信波形來實現的，如 OFDM 波

100、形39、40和正交時頻空間 OTFS 調制41波形。相比 OFDM 波形，OTFS 對較大的 Doppler 頻移更具魯棒性。通信波形本質上是隨機的，由于峰值平均功率比（Peak to Average Power Ratio，PAPR）、隨機自相關特性和分辨率降低等各種問題，通常會導致傳感性能下降42。聯合設計：以雷達為中心的波形設計和以通信為中心波形設計，通信速率和雷達性能之間存在折中，需根據實際應用場景綜合考慮。一些研究致力于聯合通感波形設計43-46，主要是綜合考慮通信和感知的性能指標，例如基于互信息（Mutual Information，MI）43、波形相似度44、CRLB45和聯合編

101、碼46的性能指標。然而，這些聯合設計方法通常涉及復雜的優化問題，求解難度大，耗時長。此外，MI、波形相似度等性能指標不能直接反映感知性能，CRLB 表達式復雜，基于 CRLB 的聯合性能優化求解難度較大。一些研究通過感知和通信波形結合設計 ISAC 波形，如47提出了一種利用傳統脈沖雷達的等待時間來傳輸通信信號的方案設計 ISAC 波形，與以雷達為中心的信息嵌入脈沖波形相比，在有效抑制自干擾的前提下，顯著提高了通信速率，并減輕了近目標盲距問題，與以通信為中心的 ISAC波形相比，保留了用于傳感的經典雷達波形，具有更好的自相關特性。4.3.2 感知感知接收接收算法算法隨著社會信息化的深入發展，無

102、線電探測技術在軍事、民用等領域的作用愈加突出。陣列信號處理作為現代無線電探測技術中的關鍵一環，在當今大規模陣列探測系統中的發揮了重要作用。其中,信號的到達角（Direction of Arrival，DOA）和距離估計即對陣列天線接收信號的方位角進行估計，是陣列信號處理中的核心技術之一48-50，支撐了諸多領域中多天線陣列探測系統的高性能工作51-53。在航空領域中，無線電檢測系統通過估計分析飛行路徑中障礙物的位置信息，指導航線規劃54，在水聲探測領域，借助 DOA 估計技術對水下未知環境進行探測，保證水下活動的順利開展，提高海洋開發的效率55，在軍事領域，高精度達系統通過 DOA 估計確定非

103、友方信號源目標位置，進而識別敵軍無線電頻譜干擾并與之對抗56。同時 DOA 估計技術在災情救援、無人駕駛、電子對抗等領域都有極大的應用前景57-59。隨著探測技術水平的發展，DOA 估計技術需要向更高精度、更快速、更可靠的方向發展60。但傳統方法在信號噪聲嚴重、信號源密集、多徑效應等情況下表現不佳，因此亟需更高性能的 DOA 估計技術來應對這些挑戰61。1)一維 DOA 估計34/91隨著社會信息化的深入發展，無線電探測技術在軍事、民用等領域的作用愈加突出。陣列信號處理作為現代無線電探測技術中的關鍵一環，在當今大規模陣列探測系統中的發揮了重要作用。其中,信號的 DOA 和距離估計即對陣列天線接

104、收信號的方位角進行估計，是陣列信號處理中的核心技術之一，支撐了諸多領域中多天線陣列探測系統的高性能工作。在航空領域中，無線電檢測系統通過估計分析飛行路徑中障礙物的位置信息，指導航線規劃，在水聲探測領域，借助 DOA 估計技術對水下未知環境進行探測，保證水下活動的順利開展，提高海洋開發的效率，在軍事領域，高精度達系統通過 DOA 估計確定非友方信號源目標位置，進而識別敵軍無線電頻譜干擾并與之對抗。同時 DOA 估計技術在災情救援、無人駕駛、電子對抗等領域都有極大的應用前景。隨著探測技術水平的發展，DOA 估計技術需要向更高精度、更快速、更可靠的方向發展。但傳統方法在信號噪聲嚴重、信號源密集、多徑

105、效應等情況下表現不佳，因此亟需更高性能的 DOA 估計技術來應對這些挑戰。1Capon 算法Capon 算法的核心思想是，通過計算輸入信號的協方差矩陣，可以得到信號的空域譜密度分布，然后根據這個譜密度分布計算最優權值，從而形成最小方差波束。在實際應用中，協方差矩陣可以通過信號采樣和數字信號處理技術得到。通過對協方差矩陣進行逆運算，可以得到最優權值，進而形成最小方差波束。在傳統波束成形的框架下保持最小輸出功率,抑制干擾信號的同時在預設定方向上使增益最大，即:min|X()|2=min H(4-1)其中，X()為接收到的信號，為陣元加權系數。此時求得最優化問題，即：=R1a aH R1a(4-2)

106、可得 Capon 的空間譜函數為：PCapon=1aH R1a(4-3)通過對空間角度譜估計，峰值坐標即為接收信號的到達角信息。Capon 算法的優點是可以精確估計信號源的位置和強度，從而在多目標跟蹤和信號識別等應用中有很高的精度和可靠性。但是，該算法在處理非均勻噪聲和非平穩信號時效果較差,且計算量較大，需要更高的計算資源和存儲空間。Capon 算法是對 CBF（ConventionalBeamforming）算法的優化，雖然 Capon 算法的分辨率高于 CBF 算法，然而 Capon 算法仍無法突破“瑞利限”，且需要對陣元接收信號添加權重，造成硬件成本的增加，因此仍需研究更適用于實踐的 D

107、OA 估計算法。35/912)子空間類估計算法1MUSIC（Multiple Signal Classification algorithm）算法MUSIC 算法是一種基于頻譜分析的高分辨率空域譜估計算法，用于在陣列信號處理中進行信號源定位等場景。同時 MUSIC 算法是一種非參數算法，不需要對信號的統計特性做出任何假設，因此具有很好的通用性和適用性。其基本思想是將噪聲子空間在頻域上從接收信號中分離出來同時對目標信號子空間進行分析。結合數字信號處理基本理論，利用矩陣論知識對接收矩陣預處理，并對所得預處理矩陣進行特征值分解，再依據空間譜估計理論可以得到信號源在空間中的空間譜，從而實現信號源定位和

108、波束形成。MUSIC 算法具有較高的分辨率和抗噪聲性能。本小節首先對 MUSIC 算法的基本原理進行介紹。對空間中的K個遠場窄帶信源，假設第i個信源功率為2，同時假設環境中噪聲的功率為2，對于陣列接收信號()，預設接收快拍數為，可知接收信號矩陣的維度為 。對接收矩陣求解協方差矩陣，具體如下：=1=1?()()=+=+=+2(4-4)構造空間譜函數PMUSIC，遍歷空間中的角度譜搜索該函數的峰值坐標，可以得到K個互相獨立的遠場信號的 DOA?？臻g譜函數的數學表達式如下:MUSIC=1 =1,2,(4-5)MUSIC 的算法流程如下:代入式(4-4)計算接收矩陣的協方差矩陣作為待使用的預處理矩陣；

109、將上一步中得到的預處理矩陣特征值分解，得到分解后的特征值和對應特征向量，并將特征向量按照對應特征值從大到小排序；將上一步中計算所得后 M-K 個特征向量重新組合得到中間矩陣，即為噪聲子空間；代入式(4-5)搜索譜峰值坐標點，獲得信號的 DOA 信息估計值。MUSIC 算法具有很高的空間分辨率和噪聲抑制能力，在處理復雜的信號場景和噪聲環境時具有很好的性能。但是，該算法需要對接收信號矩陣進行特征值分解等預處理計算，計算復雜度較高，且高維度矩陣計算需要更多的計算資源和存儲空間。36/912ESPRIT 算法子空間估計的另一大經典算法為 ESPRIT 算法。該算法是一種基于旋轉不變性技術的高分辨率空域

110、譜估計算法，用于在陣列信號處理中進行信號源定位等場景。與 MUSIC 算法相同，ESPRIT 算法也是一種非參數算法，不需要對信號的統計特性做出任何假設，因此同樣具有很好的通用性和適用性。ESPRIT 算法利用特征向量構成子空間的旋轉不變特性結合子空間分解技術求解聯合方程對信號 DOA 進行估計。由于 ESPRIT 算法是通過計算直接得到信號 DOA 信息，因此與 MUSIC 算法相比降低了計算復雜度。將前子陣列與后子陣列接收的信號矩陣1 和2()合并，進而得到新的信號矩陣()，即：=12=12 +12=11 +12=+(4-6)因此可以計算合并后信號矩陣的協方差矩陣 R 為：=+(4-7)式

111、中為發射信號的自相關矩陣，表示發射信號的信息，為噪聲信號的自相關矩陣。此時對預處理矩陣特征值分解可得：=H=sssH+NNNH(4-8)進一步推導：s=s1s2=11(4-9)進一步推導兩子陣列信號子空間2和1之間的關系，即:S2=S11=S1(4-10)前子陣列與后子陣列接收數據中信號子空間相差一恒定的值，即滿足旋轉不變性，其中則被稱為旋轉矩陣。根據以上的條件，當陣列接收遠場窄帶信號互相獨立時，前子陣列的導向矢量1為列滿秩的矩陣，此時前后子陣列導向矢量之間相差的可通過以下形式表示：=1(4-11)其中為對角矩陣，即僅在對角線上有值且為矩陣中的特征值。ESPRIT 算法不需要像37/91MUS

112、IC 算法一樣通過對空間角度譜遍歷搜索就能求解得到接收信號的 DOA 信息?？偨Y ESPRIT 的算法流程如下:根據陣列天線劃分后的結構，代入式(4-8)計算兩子陣列合并后接收信號的協方差矩陣作為預處理矩陣;將上一步中得到的預處理矩陣特征值分解，得到特征值和特征向，并將特征值從大到小排序;將上一步中計算所得特征值排序后，取前 K 個大特征值，并找到對應的特征向量，重新組合獲得信號子空間;根據式(4-10)得到矩陣中的M個特征值及對應的特征向量，并完成對接收信號DOA的估計。ESPRIT 算法同樣具有很高的空間分辨率和噪聲抑制能力，在處理復雜的信號場景和噪聲環境時具有很好的性能。同時與 MUSI

113、C 算法相比，該算法的計算復雜度較低，適合在計算資源和存儲空間較為有限的情況下使用。然而，該算法對陣列中相鄰陣元之間的相位差精度要求較高,因此需要考慮陣列幾何結構的設計和精度等因素。3)二維 DOA 估計二維 DOA 估計可以準確的估計出信號在立體空間中的具體定位，因此二維 DOA 估計的研究尤為重要。二維 DOA 估計通常采用 L 型陣列、面陣或圓陣等陣列來接收入射信號，從而實現信號入射仰角和方位角的二位角度估計。本節以 L 型陣列為代表介紹 MUSIC 算法和 ESPRIT 算法的二維 DOA 估計。如圖所示，L 型陣列分布在 X-Y 平面，由分別均勻分布在 X 軸和 Y 軸上的 M 個陣

114、元構成，共 2M-1 個陣元，以 X 軸和 Y 軸共有的陣元為參考陣元，相鄰陣元間距為 d。圖13 L型陣列示意圖假設遠場空間來波中有個載波波長為的非相干窄帶信號，分別以仰角和方位角為,的角度入射到上圖所示的 L 型接收陣列，取個快拍數進行采樣，則該陣列沿著 X 軸38/91均勻線陣的接收數據矢量和沿著 Y 軸均勻線陣（去掉參考陣元）的接收數據矢量分別為：=+(4-12)=+(4-13)其中，和分別為 X 軸和 Y 軸均勻線陣的接收數據矢量，為遠場空間來波信號數據，和分別為 X 軸和 Y 軸線陣的噪聲數據，x和y分別為 X 軸和 Y 軸接收數據矢量的導向矩陣：=1112cos1sin12cos

115、2sin22cossin2 1 cos1sin12 1 cos2sin22 1 cossin(4-14)=2sin1sin12sin2sin22sinsin22sin1sin122sin2sin222sinsin2 1 sin1sin12 1 sin2sin22 1 sinsin(4-15)4)二維 MUSIC 估計算法由 X 軸和 Y 軸的接收信號式(4-14)和式(4-15)，構造矩陣：=+=,+(4-16)式中，=，,=。則的協方差矩陣為：=(4-17)根據協方差矩陣特征分解理論可得：=(4-18)=,+(4-19)其中，和分別表示信號子空間和噪聲子空間，為對角矩陣，對角線元素為的特征值

116、，=，2為噪聲功率，為(2 1)單位矩陣。由于和彼此正交，對式(4-18)等式左右同乘可得：=2121 21=2(4-20)聯立式(4-19)和(4-20)可得：=,+2=2(4-21)所以有：,=(4-22)由于為非奇異矩陣故,=，這說明矩陣,的各列和噪聲子空間是彼此39/91正交的，即：,=,=1,2,(4-23)則其空間譜函數為：2DMUSIC,=,(4-24)利用空間譜函數進行二維角度搜索，極大值對應的二維角度即信號入射估計仰角和方位角。這種方法雖然可以獲得高分辨率，但是計算復雜度很高。由本小節分析可得 L 陣列中基于 MUSIC 算法的二維 DOA 估計的步驟為：根據陣列接收數據按照

117、式(4-16)構造矩陣。通過分解的協方差矩陣，得到噪聲子空間。由式(4-24)搜索空間譜，即可求得空間來波信號到達接收陣列的波達方向估計值。5)二維 ESPRIT 估計算法對圖 13 所示的 L 型陣列接收的信號矢量和，以及對應的陣列流型矩陣x和y進行如下處理：=1xM=x12=1yM=y12x=x1axM=ax1x2=y1ayM=ay1y2(4-25)其中，x1,xM代表的第一行與第行；y1,yM代表的第一行與第行；ax1,axM代表x的第一行與第行；ay1,ayM代表y的第一行與第行。構造式（4-25）中各部分的互相關矩陣：1=11=11+1(4-26)2=E 21=11+2(4-27)3

118、=E 12=11+3(4-28)4=22=11+4(4-29)=diag 2cos1sin1/,2cos2sin2/,2cosxsinx/，=diag 2sin1sin1/,2sin2sin2/,2sinxsinx/，1,2,3,4表示噪聲矩陣，當信源彼此獨立時，為對角矩陣，因此式(4-27)和(4-29)也可寫為：2=11+3(4-30)40/914=11+4(4-31)基于 ESPRIT 算法的二維 DOA 估計首先利用式(4-26)、(4-30)和(4-31)構造如下矩陣：=124(4-32)對矩陣進行奇異值分解可得：=012=(4-33)其中,為由陣列流型矩陣1和1得到的矩陣，為非奇異

119、矩陣。令：=1=1(4-34)則由式(4-33)可得：1=02=1(4-35)故有：=0+1=1+2(4-36)將矩陣和的特征值分別記為,=1,2,和,=1,2,，和為對角矩陣，對角線元素分別為,=1,2,和,=1,2,，且其中包含著所有空間來波信號到達接收陣列的波達方向信息，但是仍需進行二維參數配對。在理想情況下，和的特征向量矩陣相同，記為，但是在實際計算時，由于獨立對兩個矩陣進行特征值分解，會使得矩陣出現列模糊的問題，從而導致兩個不一致的矩陣。假設將的特征向量矩陣記為，的特征向量矩陣記為，可以利用兩個特征向量矩陣的強相關性重新構造一個排序矩陣，對特征值的順序進行調整，從而最終實現二維參數的

120、配對。首先構造排序矩陣：=(4-37)由于 L 型陣列 X 軸和 Y 軸接收相同的信號，即使分開處理，和不一致，但是二者具有強相關性，因此可以利用矩陣的每一行中絕對值最大的元素的矩陣坐標，來調整對角矩陣和中的對應坐標元素的順序以此獲得正確匹配的二維參數,=1,2,，最后通過下式獲得入射信號的俯仰角和方位角估計：41/91?=arcsin 2+22(4-38)?=arctan(4-39)由本小節介紹內容可得 L 型接收陣列中基于 ESPRIT 算法的二維 DOA 估計的運算步驟為：利用沿 X 軸陣列和沿 Y 軸陣列接收的數據矢量按式(4-25)構造1，2，1和2。利用式(4-26)至(4-31)

121、，由式(4-32)構造矩陣。對矩陣進行奇異值分解得到式(4-33)。由式(4-34)得到x和y。分解矩陣x和y，特征值分別記為,=1,2,和i，=1,2,以及特征向量矩陣x和y。按照式(4-37)構造矩陣，利用矩陣對相應的特征值進行配對，最后得到配對的二維參數,=1,2,。由式(4-38)和式(4-39)得到最終的二維角度估計。4.3.3 融合感知融合感知4.3.3.1 多節點數據融合多節點數據融合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感知隨機性對感知性能的影響。感知隨機性包括隨機信道狀態與隨機測量誤差，前者包括目標運動引起的隨機 RCS 變化

122、、目標路徑的突然遮擋等，后者主要來源于接收端接收的干擾信號、噪音、硬件物理狀態等對信號估計、目標識別、目標測量的影響。利用多節點信息可以有效減小這類隨機性對個別接收節點感知業務的影響，保證感知服務的連續性與準確性。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與測速，有效解決單節點測速中只能測量徑向速度的多普勒盲問題；還可以通過融合算法去除重復目標，實現目標感知精度提升。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81，同時需要綜合考慮服務器與接收節點的信號處理能力、數據傳輸開銷等多方面因素。因此，對感知測量量進行融合可以有效平衡協作感知增益與處理復

123、雜度。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、信號強度等42/91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。在該融合方法中，目標信息的計算復雜度由服務器與接收節點分擔，降低服務器與接收節點計算負荷。另外，接收節點僅將部分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。在多節點信息融合時，參與協作的接收節點數并非越多越好，這是因為節點數量增加會占用更多的通信資源。因此接收節點數量的選擇需要平衡資源與感知性能。如圖 14 多節點協作定位結果所示，隨著接收節點數目增加，感知定位誤差逐漸降低。同時，定位誤差的降低速率隨著

124、接收節點數增加而減小，可以預見的是定位誤差最終會逐漸收斂。特別是當接收節點數超過 3 時，感知定位精度提升不再明顯，因此可以認為三個接收節點已經接近最優的感知性能，該結果可用于指導優化協作接收節點選擇。圖14協作定位誤差隨節點數目變化曲線4.3.3.2 多模態數據融合多模態數據融合使用傳統通信信號的單模態感知存在固有的缺陷，例如雷達感知中對于目標類型與輪廓的分辨存在一定困難，而利用傳統的攝像設備結合 AI 技術可以快捷地辨識出目標類型。因此多模態感知也是低空通感的一個重要研究方向。多模態感知指的是利用多種感知方法的測量結果進行數據融合，具有以下優勢：多模態融合可以充分利用已有廣泛分布的設備數據

125、輔助低空感知，例如光學攝像頭、紅外探測儀、WiFi、電磁斷層掃描等技術。多模態感知利用這些設備不會大幅提升成本，卻發揮了不同感知設備的優勢，對不同氣候、環境、地形實現廣泛覆蓋；多模態融合可以利用更多維度的潛在信息，即不同頻率、不同時間與不同空間的信息，這些額外的信息在受限的通信系統中無法被很好開發，卻可以在多種其他設備中輕易獲得，因此可以獲得成倍的感知數據。另一方面，多模態融合也面臨著一些挑戰：一方面由于環境變化或設備隨機誤差的影響，43/91多模態的感知數據存在錯位或丟失的情況，導致多設備的數據無法對齊，因此需要設計合適的數據糾正機制，避免錯誤或丟失的數據對整體感知造成影響；另一方面，多模態

126、數據需要合適的融合方法才能最大化感知精度增益。多模態的數據由于占據時頻空域的資源差別很大，簡單的數據級融合方法無法融合差異較大的數據，因此需要提取多模態感知數據中的重要特征，在匹配感知參數的同時需要重點考慮目標特征的匹配，提升數據融合精度。4.3.4 非理想因素及消除方法非理想因素及消除方法4.3.4.1 感知非理想因素及其影響感知非理想因素及其影響在通感一體化應用中，獲取精確的時延和多普勒測量尤為重要，而器件和硬件電路的非理想因素會顯著影響感知精度76，包括：定時偏差（Timing Offset,TO）：感知信號的接收端和發射端使用各自的時鐘信號進行定時，收發端之間的定時差異會造成定時偏差，

127、給感知信號在頻域上帶來除了由信號傳播時延產生的、額外的相位偏差。因此，定時偏差會造成感知信號時延的模糊，從而帶來距離測量的模糊。載波頻率偏差：包括兩個方面：一是收發端設備本振頻率的偏差，收發端設備使用各自的本振頻率源進行信號生成，收發端設備的本振頻率會有差異；二是由收發端設備之間的相對運動產生的多普勒頻移。隨機相位：設備內部模塊（例如，功率放大器）的狀態變化（例如，開關、增益的調整）可能會引入隨機相位。隨機相位會嚴重影響多普勒或速度的測量，甚至通常導致多普勒或速度無法測量。由于信號處理機制的差異，上述非理想因素對于通信性能的影響較小、但是會對感知性能產生致命影響。在通感一體化中，需要獲取基站和

128、 UE 之間的絕對定時偏差和載波頻率偏差等，以實現對于感知目標的距離和速度的測量，這需要引入一些新的方案來消除上述非理想因素的影響。4.3.4.2 非理想因素消除方法非理想因素消除方法1)CSI（Channel-State Information）商/共軛乘方法對多個共用時鐘源的接收天線的接收信號進行除法運算或者共軛乘運算，能夠抑制收發端之間載波頻率偏差的影響，提取出感知目標的多普勒頻移，該方法在生命體征（呼吸、心跳）檢測的感知應用場景中得到很好的應用，具有較好的性能77。其基本原理是，兩個天44/91線接收信號所承受的載波頻率偏差是相同的，經過除法運算或者共軛乘運算后很容易被去除。進一步地，

129、在靜態徑功率占主導地位的情況下，CSI 商方法能夠提取出感知目標的多普勒頻移。該方法能夠消除載波頻率偏差和隨機相除。2)參考徑方法利用參考徑可以對感知信號的收發端之間的定時偏差和載波頻率偏差進行校準，其核心思想是通過已知信號傳播時延和多普勒頻移的參考徑來估計出疊加在這條徑上的額外的時延和多普勒，即為定時偏差和載波頻率偏差。該方法能夠消除定時偏差、載波頻率偏差和隨機相位。典型的可用作為參考徑的是 LoS 徑78。當感知信號的收發端設備之間因為遮擋等原因而沒有 LoS 徑時，可以利用 RIS 進行中繼來獲得參考徑79，如下圖 15(b)所示。(a)LOS 徑為參考徑(b)經 RIS 反射的參考徑圖

130、15參考徑方法示意圖3)往返測量方法類似于 NR 定位中的往返時間（Round-Trip Time,RTT）方法，可以通過往返測量來估計出感知信號的收發端設備之間的定時頻移和載波頻率偏差80。其基本思想是，在較短的時間內（例如，幾毫秒到幾十毫秒），感知目標的運動狀態（位置和速度）沒有發生變化；對于同一感知目標，基于感知信號的收發端設備之間相互收發感知信號，進行往返測量得到的信號傳播時延和多普勒頻移是相同的，而定時偏差和載波頻率偏差的絕對值相同、正負號相反，因此可以提取出定時偏差和載波頻率偏差。該方法能夠消除定時偏差和載波頻率偏差。45/91圖16往返測量方法示意圖4.4 感知感知可信度可信度提

131、升技術提升技術4.4.1 NLoS 感知方法感知方法1)智能超表面感知智能超表面（Reconfigurable In telligent Surface，RIS）具有低成本、低能耗、易部署等獨特優勢，是目前大規模天線的關鍵技術之一。RIS 不僅可以直接通過聯合優化反射系數直接提升通信性能，從感知輔助通信的角度，RIS 還可以作為無線中繼傳感器靈活操控信道環境，提供 NLoS 感知功能，將雷達無法利用的非視距自由度加以利用，同時提供額外的感知路徑，提升感知覆蓋范圍并增強感知穩健性，進而運用高精度的感知信息提取信道信息，輔助通信決策，降低開銷。通感一體化系統中引入 RIS 可以提升系統資源動態調度

132、的靈活性。在波束管理中，可以實現通信波束與感知波束的分離，從而使系統更好地服務通信目標與感知目標。通過 RIS對環境進行感知監測，在通信需求較大的場景下，可以通過對 RIS 單元的模式進行切換，使一體化系統分配更多的通信波束，提升通信性能。此外，當通信質量不理想時，利用感知獲取環境中 RIS 的位置，通過選擇合適的 RIS，可獲得通信質量相對較好的通信 NLoS 徑，或者基于有源 RIS 對通信信號進行進一步增強，從而保證通信質量。2)近場 NLoS 感知在復雜的城市環境中，由于大量分布的障礙物，基站和目標的視距鏈路很可能被阻擋。由于毫米波信號的路徑損耗嚴重，依賴于 LoS 鏈路的感知方案將會

133、極大受限。為了解決這個問題，有研究通過識別 LoS 鏈路并切換備選基站以尋找 LoS 鏈路63。然而，增加基站同46/91時增加了系統復雜性。實際上，在單基站場景下，即使不存在 LoS 鏈路，僅利用 NLoS 鏈路也可以實現目標感知。在無線定位領域，文獻64已經實現了在不存在LoS鏈路時，單基站毫米波大規模MIMO（Multiple-Input Multiple-Output）也可以通過至少 3 條 NLoS 鏈路實現用戶定位。文獻65證明了即使當 LoS 鏈路存在時，NLoS 鏈路也能對定位性能產生增益。而在 MISO 場景，當LoS 鏈路不存在時，單基站仍然被認為無法定位66。實際上，當具

134、備引起 NLoS 鏈路的散射體的位置信息時，定位是可實現的，接下來通過簡單的幾何關系分析可行性。首先，該分析的有效性基于以下假設67：1高頻帶信道，如毫米波頻段。由于高頻帶的路徑損耗高，接收功率主要由 LoS 鏈路和單次反彈鏈路貢獻；2在信號與散射體作用過程中，散射占主導。圖17單基站感知系統文獻68展示了如果基站天線陣列的近場區域存在散射體，單站 NLoS 定位是可能的。具體而言，通過利用超大規模天線陣列（XL 陣列）提供的近場效應的額外距離感知能力，使用單個基站同時進行環境感知和 NLoS UE 定位。在提出的方法中，基站利用 XL 陣列的近場特性通過陣列信號處理直接估計近場散射體的位置，

135、然后作為 UE 定位的虛擬錨點。接著，估計每條路徑的傳播時延，并根據散射體的位置和路徑時延獲取 UE 的位置。如圖 17，考慮一個單基站感知系統，其中基站配備有天線陣列，目標配備單天線，基站和目標間可以進行通信。目標發射上行毫米波信號，基站接收信號并分析，以感知目標的狀態（位置、速度等）。47/91信道可以建模為：,=1L e2,?(4-40)其中，表示多徑數量，對應于散射體數量。表示信道系數。表示第條路徑的傳播時延。,表示第條路徑的多普勒頻移。目標發送信號 s ，則基站接收信號建模為：y =1Ls 2,+n?(4-41)其中，n 表示加性高斯噪聲。為了簡化，我們分析 2D 情況。令dT,和d

136、B,分別表示散射體到目標和基站參考天線的距離。表示第個散射體相對于基站參考天線的到達角（Angle ofArrival，AoA）。我們主要關注目標位置 xT,yTT的估計，而速度可以通過每條路徑的多普勒頻移估計。根據幾何關系可以列出以下方程組：dB,+dT,=cxT dB,cos2+yT dB,sin2=dT,2for =1,(4-42)由于基站配備天線陣列，可以估計參數 =1和 =1。然而，當變量 dB,=1和 dT,=1均未知時，方程有 2+2 個未知數，但只有 2個方程，導致方程欠定。若變量 dB,=1是已知的，此時方程有+2 個未知數，而仍有 2個方程，只要當 3 時，方程超定，從而可

137、以通過最小二乘法估計目標位置。而得到dB,是可能的，一方面，在采用超大規模陣列的近場場景，由于陣列導向矢量是關于信號源距離和角度的函數，通過陣列信號處理可以額外估計dB,，即實現環境感知。另一方面，散射體可以是人為設置的，如 RIS，它可以有效應對基站與目標間不存在 LoS 鏈路的情況。通過控制入射信號的相位，改變反射信號的傳播，重建信道以構造額外的 LoS 鏈路。綜上所述，即使在 LoS 鏈路被阻擋的情況下，僅利用 NLoS 鏈路可以實現目標感知。4.4.2 雜波抑制方法雜波抑制方法在低空通感一體化系統中，來自低空目標的回波是實現感知算法的有用信號，除此之外還有來自建筑物、樹木等大型物體的靜

138、態雜波以及其他相關物體的雜波，這些雜波往往相對很強，嚴重影響感知算法性能，因此需要考慮對這些較強的雜波干擾信號進行抑制，從而提高感知信噪比，提升感知算法性能。經典雜波抑制方法假設環境中的雜波特性近似保持不變，即將雜波建模為靜態雜波。文獻69早在 1970 年就提出動目標顯示（Moving Target Indication，MTI）算法，MTI 算法利48/91用雜波與運動目標的多普勒頻率的差異，使得濾波器的頻率響應在直流和脈沖重復頻率的整數倍處具有較深的阻帶，以達到“多普勒濾波器”的效果。圖 18 展示了一階、二階、三階多普勒濾波器在頻域上的抑制效果。另一種廣泛應用的雜波抑制方法為動目標檢測

139、（MovingTarget Detection,MTD）算法，70利用多普勒濾波器組來抑制各種雜波。在此基礎上，71提出了一種基于多普勒高通濾波器的雜波抑制技術，基于根 MUSIC 算法來進行目標的運動參數估計。圖18不同階次的MTI濾波器幅頻響應低空通感一體化系統中的雜波抑制可以考慮采用類似的動目標顯示 MTI 算法，即對配置有感知參考信號的兩個相鄰的 OFDM 符號的頻域信號作差，從而將來自靜態目標的雜波濾除掉；也可以考慮采用類似的動目標檢測 MTD 算法，首先對各個接收到的感知 OFDM 符號的時域信號解調得到頻域信號，然后通過對多個感知 OFDM 符號的上相同子載波的頻域信號做快速傅里

140、葉變換（Fast Fourier Transformation，FFT），從而實現多普勒濾波器組的功能，將不同速度的目標落入到不同的多普勒通道中，進一步估計出目標的速度。同時，還可以考慮將 MTI 和 MTD 算法結合，對靜態雜波做一定的抑制后再進行動態目標的檢測。49/91圖19雜波圖將空間劃分成方位-距離單元另一種廣泛應用于目標感知和跟蹤的技術是雜波圖。雜波圖將空間劃分為方位、距離單元（如圖 19），通過時域平均估算環境中的雜波統計數據，通常選擇雜波的空間密度7273。這種技術側重于單靜態場景下雜波強度的統計分布，主要依賴空間固有的雜波信息。因此，基于密度的雜波圖對信號傳輸中的多徑效應很敏

141、感。74給出了雜波圖算法的每個 cell 的雜波數據更新公式為：?=1?1+(4-43)其中，?為第次的估計值，?1k 為第次的估計值，q 為第 n 次的雜波強度測量值，為遺忘因子，用來表征上一時刻的估計值與當前時刻測量值的權重。通過時間上的加權平均，基站得以在二維空間的每一個 cell 內存儲基于空間位置的雜波強度信息。雜波圖技術常常結合 CFAR（Constant False-Alarm Rate）技術進行實現，常見的有 CA-CFAR（Cell-Averaging CFAR）、OS-CFAR（Order Statistic CFAR）、CMLD-CFAR（Censored MeanLev

142、el Detector CFAR）等。若基站測量到的強度強于雜波圖存儲的雜波時間平均強度，則判定為該區域內存在移動目標，雜波圖不進行更新；否則判定目標不存在，并且更新該區域的雜波圖?？紤]雜波的空間特性，在準靜態環境中，對于固定位置的基站，可以近似認為基站接收到的雜波來自固定的方向。傳統方法需要在接收端對每一次接收信號進行雜波信號與目標信號的分離（通過頻域濾波等方式），這樣不僅會將雜波抑制誤差帶入后續目標信號的計算，而且需要極大的在線開銷，為在線實時通信與感知帶來了挑戰。事實上，對于固定的收發機位置，接收信號主要路徑的方向可以近似認為是固定的。根據這樣的思想，75提出了基于50/91信道知識地圖

143、的雜波抑制方法。通過構建雜波角度地圖，將雜波角度離線存儲下來，作為從收發機位置到空間主要雜波角的映射關系clutter:pUE pUE=1pUE,2pUE,LpUE.L 為空間中主要雜波角的數量?？梢詫⒔邮招盘柦殡s波、目標信號與噪聲的和的形式：y =l=1L tls lej2fD,lt?+0s 0ej2fD,0+n(4-44)其中，第一項為雜波信號，第二項為目標信號，最后一項為噪聲?？臻g雜波抑制的核心思想是基站在接收端直接提取當前環境中的主要雜波角的角度，并從空間上進行迫零：ZF=0s0T+(4-45)其中，是陣列在雜波角上的響應,=pUE=1pUE,(2pUE),(LpUE)，將信號投影

144、到與雜波角響應相垂直的空間中去，=H1H。從而，接收端只保留了來自目標方向的信號，因此直接進行角度估計即可感知目標角度?？臻g雜波抑制法改善的陣列相應和感知精度如圖 20、圖 21：圖20在雜波角度上形成凹陷的陣列相應51/91圖21基于先驗知識的雜波抑制后感知精度低空經濟的發展促進了低空無人機、飛行器等在復雜環境下的廣泛應用。這一趨勢對通感技術提出了更高要求，尤其在雜波抑制方面，由二維平面擴展到三維空間的復雜場景帶來了新的挑戰。具體而言，有以下幾點關鍵問題：1)雜波的時空不一致性傳統的二維空間雜波抑制通?；谀繕撕碗s波的相對位置關系，通過角度和距離等特征進行抑制。然而，在三維環境中，雜波的分布

145、不僅僅受到水平面和垂直面的限制，并且會隨著飛行器的高度、速度等動態因素發生變化，存在時空不一致性。這種時空不一致性導致了傳統的二維抑制技術在復雜環境下效果顯著下降。例如，低空飛行時，地面建筑物和樹木等的雜波在不同視角和高度下表現出截然不同的特性，這使得時域和頻域的雜波特征提取難度大幅增加。2)三維散射體的多路徑效應增強在二維遠場雜波抑制中，常常將散射體視為點目標，且無論散射體形狀如何總能將信號散射向基站方向。然而，在三維空間中，雜波往往來源于多種不同類型的散射體，如山體、建筑物、樹木等，且這些散射體體積大、規模大，具有不規則的散射特性。同時，多徑效應在三維環境中更加復雜，導致目標回波和雜波之間

146、更加難以區分。這種多路徑效應不僅會產生更多的雜波干擾，同時會導致雜波在多徑傳播中累積和增益，使得傳統的濾波算法難以適用。此外，不同高度的散射體（例如高樓的頂部和底部）在不同的角度下會產生顯著的回波強度差異，進一步增加了雜波抑制的復雜性。3)三維環境下的實時性和計算復雜度挑戰隨著三維空間內雜波的多樣性增加，對實時性的需求也顯著提升。傳統的二維雜波抑制52/91算法由于計算量相對較小，能夠在硬件資源有限的條件下滿足實時需求。然而，在三維場景下，目標檢測和雜波抑制的計算復雜度大幅增加，尤其是在處理多層次、多角度的雜波時，傳統的快速傅里葉變換等算法難以實現實時運算。同時，三維數據的采樣和處理需要大量的

147、計算資源，這對低功耗、高效能的嵌入式設備提出了嚴峻挑戰，亟需創新的算法與硬件架構相配合。與此同時，數字低空網絡的發展為通感一體化系統中的雜波抑制提供了新的機遇。數字低空網絡能夠通過低空基站和無人機等節點實現動態協同感知，為雜波抑制提供了多視角、多層次的豐富數據。在這種場景中，各節點可以實時共享感知信息和環境特征，從而實現更為全面的空間覆蓋，增強對三維雜波的精準建模與識別。多節點的協同感知可以通過分布式算法對雜波進行綜合分析，從而顯著降低誤報率。此外，協同網絡支持不同節點間的雜波數據實時比對，有助于動態調整抑制策略，通過自適應優化的方法針對性地優化雜波抑制效果。同時，數字低空網絡有望借助近年來興

148、起的機器學習方法進一步提高使用效率與精度。數字低空網絡能夠聚合來自大量無人機、傳感器和基站的數據，形成龐大的三維雜波數據庫，基于這些數據，機器學習和深度學習技術可以用于訓練更加精確的雜波識別模型，通過自適應學習三維環境中雜波的復雜模式和變化特征，顯著提升識別精度。此外，基于數字低空網絡的實時數據更新機制可以實現模型的持續優化與在線學習，使得雜波抑制模型能夠動態適應不斷變化的低空環境，從而在不同場景下提供更加可靠的雜波抑制效果。4.5 干擾抑制干擾抑制4.5.1 干擾分析干擾分析圖22通信-感知互干擾示意圖通感融合干擾廣泛存在于整個網絡，具有時變性和全局性。為了降低干擾對網絡性能的53/91影響

149、，實現感知節點間高效協同，需要采用有效的干擾管理與智能控制技術。本節首先對組網干擾特性進行分析，其次提出環形感知組網方案，實現全局實時性干擾管理，以同時滿足網絡的感知需求與通信需求。圖 23 仿真了蜂窩網絡中同站及鄰站干擾對感知精度的影響?？梢钥闯?，同站鄰扇區干擾尤為強烈，有必要進行同站鄰扇區干擾管理。此外，在實際應用中，結合不同場景下的感知需求，其他干擾基站進一步進行按需干擾管理，提升感知精度。(a)同站址互干擾強度 CDF 曲線圖(b)測距 RMSE 與鄰站址干擾強度關系圖圖23上下行交叉鏈路干擾對感知精度的影響4.5.2 干擾干擾協調和功控協調和功控4.5.2.1 干擾協調干擾協調在通感

150、一體化系統中，干擾抑制是確保通信與感知功能高效協同的關鍵。干擾主要分為小區內和小區間兩類，具體包括通信與感知之間的互相干擾，以及感知與感知之間的干擾。為了在通感一體化系統中有效抑制這些干擾，可以采取多種技術手段，具體如下：1)小區內干擾抑制策略干擾協調可以采取的策略包括 FDM、TDM、SDM、CDM。這些復用機制，使得通信和感知信號被分到不同的頻域、時域、空域或者碼域資源上，使得通信和感知信號在資源層面就保留了一定的隔離度，可以有效減少干擾。但是，需要注意的是，上述復用機制也存在一些問題，比如 FDM 需要占用額外的資源，不適用于資源受限的環境；TDM 在實時性和頻譜利用效率方面有些限制；S

151、DM 實現復雜度相對較高，需要精確的控制和調整；CDM 在高噪聲環境下，碼間的互相關性可能導致碼間干擾，影響解碼的準確性。所以，總體而言，需要根據不同的環境或者情況，靈活使用不同的復用機制。2)小區間干擾抑制策略54/91小區間的干擾通常發生在鄰近小區之間的通信和感知信號的相互干擾中?？赡艿臋C制包括：基于測量的干擾評估，進行協作感知和信號融合實現對干擾信號的利用，基于靈活的資源配置和動態調整進行發送時間和/或發射功率的靈活調整。以下從從網絡整體角度考慮小區間干擾管理，提出協作通感模式“環狀”組網方案，通過全局節點間高效協同提升網絡整體效率，如圖 24 所示，同站址三扇區同時發射感知信號，周邊六

152、站十八扇區中的一個或者多個進行協作接收，可有效降低同站址三扇區之間以及相鄰站址之間的交叉鏈路干擾。當感知信號傳輸存在遮擋物時，可采用寬波束+窄波束掃描方案，以及 NLoS 感知算法以減少遮擋物對信號接收質量的影響。此外，可以結合感知幀結構設計、智能調度等方案，進一步降低遠端基站干擾與上行用戶干擾。圖24環形組網方案示意圖4.5.2.2 功率控制功率控制為了有效管理交叉干擾，可以采用干擾協調技術，即對同基站不同扇區、不同基站或者不同用戶的通信信號或感知信號進行時分、頻分、空分、功分、碼分等，規避不同信號之間的干擾碰撞。以功分為例，采用自適應功率控制技術則可減少小區內上行通信用戶對其他接收節點的干

153、擾。如圖 25 所示，采用等功率分配、固定功率分配及固定功率分配技術可實現通感帶寬、發送功率等隨感知業務需求自適應動態調整，滿足業務數據解調、感知精度需求、時延等需求。55/91(a)等功率分配(b)固定功率分配(c)自適應功率分配圖25功率分配方案4.5.3 協作感知中的自適應波束零陷方案協作感知中的自適應波束零陷方案如圖 26 所示，對于執行感知任務的節點 A 和節點 B 來說，節點 A 發出的感知信號，除了經由目標到達節點 B 外，還可能存在從節點 A 到節點 B 的直接路徑，以及從節點 A，經由其他環境物體的反射，到達節點 B 的多徑。所述的后面兩種路徑的信號，都可以被認為是干擾信號。

154、為了降低干擾信號對有用信號的影響，可以采用干擾零陷的方法，通過干擾零陷預編碼設計，使干擾信號方向的能量最小化，從而將能量集中于有用信號的方向。然而對于干擾相對較小的信道空間(如部分 NLoS 徑)，進行波束零陷造成的感知精度損失(零空間投影導致的波束功率損失)有可能超過干擾本身帶來的精度損失。因此需要選取合適的干擾零陷的零空間個數以及對應的特征向量來構造零空間，使感知傳輸達到波束賦形和干擾抑制的最佳折中，同時也可降低干擾信道測量反饋的開銷。圖26存在直射干擾、多徑干擾的協作感知系統模型在如圖 27 所示的仿真結果中，假設期望的波束方向為 10，例如用戶位于節點 C 的 10方向。干擾信號的方向

155、分別為 30和-30。那么，采用干擾零陷算法，如最小方差波束形成算法（Linearly Constrained Minimum Variance，LCMV）后，從波束方向圖 27 可見，在 10具有最大的波束能量，而在-30和 30，形成了兩個“零陷區”，使得這兩個方向的信號能量最弱。56/91圖27干擾零陷波束方向圖在存在多個干擾方向、干擾信號時，傳統的干擾零陷方法是將所有方向的干擾信號全部零陷。但由于不同干擾路徑的信號能量不同，例如多徑干擾信號的能量較弱，并不會對感知性能造成較大影響，對其進行零陷對性能增益不大，反而會造成有用信號的能量損失。因此，可以采用自適應的部分干擾零陷算法，針對性地

156、對強干擾方向的信號進行零陷，在降低干擾的同時，盡可能地保證有用感知信號的能量，提升感知精度。圖 28 的仿真中，假設存在三個干擾徑，一個較強的直達徑和 2 個較弱的 NLoS 徑。分別對比了對三個徑都做零陷的全干擾零陷方案和只對一個直達徑做零陷，保留 2 個 NLoS 徑干擾的自適應干擾零陷方案，結果可知，當感知端口數相對較小時，采用自適應干擾零陷方案的信干噪比(Signal InterferenceNoise Ratio,SINR)有多達 5dB 的性能增益。天線端口數量小通常適用于采用模擬波束賦性的中高頻感知系統中。圖28不同干擾零陷方案SINR對比圖57/914.5.4 參考信號靜默算法

157、參考信號靜默算法低空通感一體化網絡中干擾源比較復雜，存在上下行交叉鏈路干擾、小區內和小區間的通信-感知/感知-感知等多種干擾，僅通過發射端的干擾零陷或者動態調度難以實時抑制多干擾源產生的干擾。因此將感知信號所處的RE位置或者附近RE預留一部分資源作為靜默RE，用來估計感知參考信號所受的實時干擾情況，是一種有效方式。尤其是當靜默 RE 配置相對密集時，估計出的干擾可有效反映出相鄰感知參考信號所處時頻位置受到的真實干擾，且受到干擾類型、強度等變化較小，具有較高的精確度和魯棒性。如下圖所示,圖29感知參考信號部分靜默示意圖假設存在干擾時，接收端在感知 RE 收到的感知協方差信號H為：H=HH+(4-

158、46)其中和是信道矩陣和感知符號，為高斯白噪聲功率，為干擾協方差矩陣。同時，在靜默 RE 位置由于沒有感知信號，可以測出干擾協方差矩陣為。通過干擾刪除，即可得到感知 RE 收到的感知信號為?H?=HH+(4-47)進一步，可通過最小二乘法/MMSE 等信道估計算法得到信道估計結果：?=H1H?(4-48)繼而可采用 2D-FFT（2 Dimensional-Fast Fourier Transform）/MUSIC 等感知算法進行感知結果估計，如角度/時延/多普勒等。下面通過仿真驗證了在部分參考信號 RE 靜默用來估計干擾的情況下，減少感知 RE 資源對感知精度的影響。在基礎測距場景下，配的的

159、仿真參數為：子載波間隔為 15kHz，信號帶寬為 200Mhz，對信號做 1048 個點的 2D-IFFT（2 Dimensional-Inverse Fast Fourier Transform）可以得到信號的速度和距離；信號載波中心頻率為 7Ghz，OFDM 時隙為 0.125ms。目標一58/91的位置為（100,-50,1.5），目標二的位置為（200,-20,1.5），目標三的位置為（105,-50,1.5），三個目標的速度依次分別為 20m/s，0m/s，15m/s；三個目標的 RCS 依次為 0.1，0.2，0.8m2。如下圖 30 所示，在距離維度，信號隨著信道干擾的增加，逐漸

160、被噪聲淹沒，當信干比為-20dB 的時候，已經完全無法提取目標信號。因此有必要采用干擾抑制算法來提高目標檢測性能。圖30信干噪比對目標距離檢測的影響如下圖 31 所示，在距離維度，信號隨著頻域 FFT 點數的增加系統的距離分辨率逐漸增強，原本相距 5m 在 256 點 FFT 情況下無法分辨的目標 1 和目標 3（淹沒在同一主瓣中），在 FFT 點數增加到 512 時，通過設置合適的濾波門限值已經可以清晰被目標檢測算法分辨。因此，原本采用 1024 個 RE 進行 1024 點 FFT 的感知參考信號，選取不超過 50%（512）的RE 作為靜默 RE 進行干擾估計，不僅可以有效消除干擾，也不

161、會對感知分辨率造成較大影響。并且由于頻域 FFT 點數與 RE 資源的頻率維度數量之間相關聯，在頻率維度選擇合適的RE 數目可以在節約系統資源的同時也可滿足系統的距離分辨率要求。59/91圖31減少頻域通道對有目標距離精度的影響60/915 通感一體標準化影響通感一體標準化影響本章系統闡述低空通感一體化關鍵技術對標準化的影響。首先重點論述物理層關鍵技術標準化，包括參考信號優化設計與 TDD（Time Division Duplexing）幀結構創新方案；然后深入分析資源調度機制的標準化需求，著重探討通信與感知業務發生資源競爭時的搶占與回避方案；最后全面闡述通感系統信令交互的標準化框架，重點涵蓋

162、基站間接口信令交互優化以及終端與基站間 Uu 接口信令增強方案，為低空通感一體化系統的標準化部署提供技術支撐。5.1 參考信號設計參考信號設計基于現有通信系統的 OFDM 波形，典型的感知實現算法是 2D-FFT 處理算法，可用于測距和測速。2D-FFT 算法利用信號的傳播時延引起的頻偏進行測距。最大測距范圍為Rmax=c2f，測距精度為R=c2Kf，其中f=nf，f指感知信號所占用的子載波之間的間隔，f為子載波間隔，n 為頻域 Comb，K 為實際占用的子載波個數。在感知所用子載波個數不變的條件下，當采取稀疏的頻域配置時，f較大，測距精度高，但是最大測距范圍??；當采取密集的頻域配置時，f較小

163、，最大測距范圍大，但是測距精度低。這里測距精度和最大測距范圍（也稱最大不模糊距離）是一個權衡。因此，可根據不同的需求以及可用時頻資源，考慮非均勻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。對于均勻頻域映射和非均勻頻域映射，利用圖 32 所示的頻域資源圖樣進行了鏈路仿真，仿真結果如圖 33 所示。圖 32 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 RE）,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 30 可以看出，當占用參考信號

164、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。61/91圖32均勻映射與非均勻映射的頻域占用情況對比圖33均勻映射與非均勻映射的測距精度對比對于測速以及時域資源配置，與上述測距以及頻域資源配置的關系類似。最大不模糊速度為vmax=4Tc，Tc表示符號間隔。假設一個周期傳輸 N 個符號，速度維頻率分辨率為 2/N，則速度分辨率為v=2NTc。最大不模糊速度與兩個符號的間隔有關，速度分辨率與發送符號的總時長有關。為了準確的測速（最大不模糊速度和速度分辨率），需要減小感知符號間隔，拉長感知周期，這會造成較大的資源開銷，對通信影響較大，因此必須在資源開銷和測速準確度之

165、間尋找折中方案。對于通感一體系統，要求在有限的資源下實現速度測量，這對資源配置方案提出了更高的要求，可考慮利用雙周期測量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。通過雙周期測量，當 N=N1N2時，我們同樣能夠保持這樣的性能，既保證速度測量的準確性，又有效地控制感知資源，如圖 34 所示。第一個周期P1持續時間短，但是配置符號密，符號間隔為Tc=/4vmax，包括N162/91個符號，此時最大不模糊速度v1=4Tc；第二個周期P2持續時間長，但是配置符號稀疏，符號間隔為T2=N1Tc，包括N2個符號（N2=P2/T2），速度分辨率

166、為v2=2N2N1Tc。圖34雙周期配置感知信號下面對雙周期配置進行仿真驗證，其中感知精度要求為：最大不模糊速度需求為vmax=57.7m/s;速度分辨率需求為v=0.48m/s。根據最大不模糊速度配置周期 1 的參數為Tc=0.5ms，N1=6，P1=3ms；然后根據速度分辨率配置周期 2 的參數為T2=N1Tc=3ms，N2=40，P2=120ms。速度設定 v=24m/s，通過仿真估計得到速度為vesti=(2 1)19.2308+(11 1)0.4808=24.04m/s（如圖 35 所示），即驗證了雙周期配置的可行性。（a）第一個周期 FFT 結果（b）第二個周期 FFT 結果圖35

167、通過仿真驗證雙周期配置的可行性5.2 TDD 幀結構配置幀結構配置在低空場景中，由于需要同時滿足通信和感知的需求，通信和感知的信號要進行融合設計。在 5G 中，低頻通常是采用 2.5ms 雙周期的幀結構（圖中的 S 是靈活時隙、D 為下行、U 為上行、G 為保護間隔），如圖 36 所示。63/91圖36 2.5ms雙周期幀結構在上述幀結構中，需要考慮低干擾、低開銷以及對通信影響最小的設計思路，將感知信號放在每 2.5ms 開始的第一個下行時隙中，優選上行時隙后的下行時隙的前幾個 OFDM 符號發送感知信號，達到規避遠端干擾的效果，如圖 37 所示。感知占用的符號可以根據業務的需求設計，并且可以

168、可以融合上面的雙波形、雙周期設計等方案。調整感知和通信的配比，可以滿足不同感知場景的業務需求。未來可以考慮進一步的提高感知的開銷占比來提高感知的性能。圖37感知和通信融合的幀結構設計5.3 資源搶占與回避資源搶占與回避在通感一體化系統中，可能出現資源沖突的問題。一旦發生資源沖突可能對感知過程和通信過程造成影響，甚至造成感知或者通信失敗。資源沖突可能包括兩大類：1)感知資源-感知資源之間的沖突，例如：相鄰的兩個感知信號發送設備：在相同的時頻資源上發送了相同的感知信號。該場景下，可以要求相鄰兩個感知設備發送的感知信號不同（最好是正交），或者，要求相鄰兩個基站使用的感知頻率不同?；緦τ谄涓兄Y源有

169、獨立的控制能力，即：相鄰基站不會就其所使64/91用的感知資源進行協商，各自獨立配置感知資源。但是，在網絡部署時，可以要求兩個相鄰的基站使用不同的感知頻率和/或不同的感知信號。同一個設備參與了多個感知操作：該場景下，可以要求多個感知操作的感知資源配置設備之間進行資源協商，避免該類沖突?；蛘?，可以基于感知業務的優先級，確定只執行優先級較高的感知業務。2)感知資源-通信資源之間的沖突，例如：如果感知資源與通信資源共享物理資源，可能發該類沖突，然后造成感知或者通信失敗。在協作感知場景中通感沖突的問題尤為嚴重。如果需要解決感知資源和通信資源的沖突，可以從以下幾個方面考慮：干擾協調/刪除，具體包括：小區

170、內/間干擾協調策略，包括頻分復用（Frequency Division Multiplexing，FDM）、時分復用（Time division multiplexing，TDM）、空分復用（Spatial DivisionMultiplexing，SDM）、碼分復用（Code Division Multiplexing，CDM）等方式。通感資源沖突解決方案，具體包括：設置資源優先級，根據優先級決定通信和感知之間的處理順序：優先級可能有兩類，感知資源優先級高于通信資源優先級，或者，感知資源優先級低于通信資源優先級。不過，需要注意的是，感知資源本身可能也有優先級，使用不同感知資源的感知業務可能優

171、先級不同；通信資源本身也有優先級，因為使用通信資源的通信業務可能優先級或者重要性也不同。資源搶占：發送指示信息，讓感知搶占已經調度給通信的資源完成感知任務：這實際上是一種動態的資源優先級指示。不過需要強調的是，第一，感知資源不僅僅會與通信的數據傳輸資源沖突，還可能與控制信道資源沖突。如果是與控制信道發送資源沖突，那么，如何進行資源搶占，可能是一個需要討論的問題。第二，即使是與數據傳輸資源沖突，如果是跨子幀調度或者多子幀調度，網絡還可能在調度PDSCH 之后、傳輸 PDSCH 之前發送資源搶占指示信息。否則，發送資源搶占指示信息的時間是不是足夠值得商榷。資源回避：使用速率匹配，使得通信資源避開感

172、知資源：當前的通信系統中，已經支持速率匹配機制。比如，可以通過速率匹配的方式讓 PDSCH 避開一些不可用的資源位置（比如其它 UE 的 PDCCH 資源、預留資源等）。因此，如果感知資源65/91與 PDSCH 的資源發生沖突，感知信號位置也可看作不可用，使用速率匹配的方式避免感知資源和 PDSCH 資源的沖突。5.3.1 資源搶占指示資源搶占指示感知業務可能存在突發性，因此在通感一體化系統中，感知信號傳輸可能需要搶占通信業務傳輸資源。在基站 A 發基站 B 收的感知模式下，突發的感知信號傳輸既可能與小區 A中的 PDSCH 沖突，也可能與小區 B 中的 PUSCH 沖突，需要設計上下行沖突

173、解決機制。圖38感知信號和上下行通信 傳輸沖突示意圖面向 A 發 B 收感知模式的資源沖突解決機制應具有以下特點：上行資源沖突和下行資源沖突的指示范圍和粒度應具有一致性。對于小區 A 和小區 B 來說，感知信號所占的資源相同，這與目前 NR 系統中上行高可靠低時延（ultra-reliable and low-latency communication，URLLC）和上行增強移動寬帶（enhanced Mobile Broadband，eMBB）、下行 URLLC 和下行 eMBB 的沖突不同。NR 系統中，考慮到終端功率受限，URLLC PUSCH 相比 URLLC PDSCH 一般占用更少

174、的時頻資源，上行取消指示的資源范圍和粒度需要更小。因此，面向 A 發 B收感知模式的資源沖突解決機制中，下行搶占指示和上行取消指示的資源范圍和粒度應具有一致性。此外，不同感知性能需求需要感知信號占用較多時域資源或較多頻域資源，或者兩種資源都較多，這就要求沖突資源的指示范圍和粒度應更加靈活。搶占指示應攜帶業務優先級。由于通感系統中存在不同的感知模式（如基站自發自收、基站 A 發基站 B 收、基站發終端收、終端發基站收、終端自發自收、終端 A發終端 B 收）、不同的感知用例（如感知移動目標、感知靜態目標）對于感知測量量、各測量量的精度要求都具有差異性，業務優先級更加復雜。因此，需要在沖突指示中攜帶

175、業務優先級，即感知業務的優先級是否高于通信業務，從而支持終端根據優先級確定是否需要忽略相應的下行傳輸或取消相應的上行傳輸?；谏鲜龇治?，我們認為上下行通感資源沖突指示信令可以使用同一種 DCI format，該66/91DCI 應至少包含 1 bit 鏈路上下行方向指示域、N bits 優先級指示域、M 個沖突資源位置指示。5.3.2 資源回避資源回避通信系統中，可以通過速率匹配的方式讓 PDSCH 避開一些不可用的資源位置。感知信號也可看作一種不可用資源，使用速率匹配的方式避免感知和 PDSCH 的沖突。如圖 39 所示，基站 A 和基站 B 進行協作感知，感知資源與基站 A 服務的 UE

176、資源沖突時，可以通過速率匹配的方式向 UE 指示感知信號位置不可用。速率匹配包括 RB 級別和 RE 級別，可以根據感知符號的配置決定使用 RB 級速率匹配還是 RE 級速率匹配：如果感知信號占用的頻域資源較多，使用 RB 級別的速率匹配；如果感知信號占用的頻域資源較少，使用 RE 級別的速率匹配。圖39速率匹配示意圖5.4 信令交互信令交互5.4.1 基站間信令交互基站間信令交互5.4.1.1 感知節點選擇感知節點選擇感知節點選擇，首先要根據感知業務需求，選擇感知區域，和感知模式。然后根據選擇的感知模式和感知區域，通過基站間信令交互選擇并通知參與感知的基站和/或終端。感知節點的選擇，也與感知

177、模式有關。比如，如果是基站發送-基站感知或者基站自發自收的感知模式，感知節點的選擇權可能在感知管理功能單元(SMF，Sensing ManagementFunction)。因為感知功能單元更容易獲得感知區域內基站的感知能力信息。當然，對于基站發送-基站接收的感知模式，也可以采用混合的感知節點選擇模式，比如，SMF 選擇感知信號發送基站，而由感知信號發送基站通過基站間信令交互選擇感知信號接收基站。對于其它的感知模式，比如基站發送-UE 接收、UE 發送-基站接收、UE 自發自收和 UE發送-UE 接收，可能需要采取混合的的感知節點選擇模式。比如，根據感知區域通過基站間67/91信令交互首先選擇一

178、個基站，由該基站負責選取一個或者多個 UE 參與感知信號發送和/或感知信號接收；或者有基站選擇感知信號發送 UE，進一步由感知信號發送 UE 選擇感知響應接收 UE。具有感知節點選擇權的設備在選擇感知節點時，也需要考慮多方面的因素。以終端參與感知的感知模式選擇終端為例，影響終端感知節點選擇的因素可能包括：感知終端的移動性：對大多數感知業務而言，如果在感知業務期間感知節點保持相對靜止，就比較容易得到穩定準確的感知目標信息。因此，可以根據感知業務需要，選擇靜止或者相對靜止的終端作為感知節點。當然，對于感知精度要求低或不要求測量感知角度等業務，終端小范圍的移動或轉動并不會對感知結果有太大影響；感知能

179、力是否滿足感知業務的需求：感知能力包括：支持的感知測量量（如時延、多普勒、角度、成像等），可以達到的感知精度和分辨率，能覆蓋的感知范圍，可進行的感知時間等。這些能力可以通過終端上報獲得；感知 SINR 是否滿足需求：只有當感知 SINR 達到一定水平目標才能被準確檢測到，所以要選擇感知 SINR 滿足需求的終端；終端節點的位置以及位置精度是否滿足要求：需要估計目標位置和速度等感知業務一般需要知道發送和接收節點的準確位置。位置信息的準確程度對感知結果有一定影響，所以需要根據感知業務精度要求選擇能提供對應位置精度的節點。比如位置精度要求高時，要選擇 positioning 精度高，或支持 GPS

180、定位，或已知部署位置的終端節點。另外，還可以考慮的信息是設備狀態：設備是否正在進行感知/通信業務、當前可用頻帶、可使用的計算資源等。類似的，在選擇參與感知基站的時，也需要考慮基站具有參與感知的能力，感知的信號強度，以及是否存在感知 LoS 徑等因素。當然，如果考慮衛星設備作為基站參與感知，還需要考慮基站的移動性因素。5.4.1.2 移動性移動性移動性需要考慮的可能場景包括：由于感知目標和/或感知節點移動，感知目標與感知節點的相對位置較遠，感知目標回波信號信噪比低，導致感知性能下降。例如，無人機路徑管理用例中，隨著無人機移動，無人機與進行感知的基站相對位置可能會過遠。由于感知目標和/或感知節點和

181、/或環境物體移動，感知目標與感知節點之間出現遮68/91擋，感知目標回波信號較弱，甚至檢測不到感知目標回波信號，導致感知性能下降。由于感知目標和/或感知節點移動，感知目標與感知節點之間的相對方位發生變化，非各向同性反射/散射可能導致感知目標回波信號信噪比低，導致感知性能下降。在上述場景下，由于移動性可能帶來感知業務連續性的問題：當前的感知鏈路可能不再可靠，需要通過基站間信令交互進行感知節點重選和感知鏈路重建，才能滿足感知業務的需求。5.4.2 終端終端-基站信令交互基站信令交互5.4.2.1 感知結果感知結果資源映射資源映射在基站發終端收的感知模式下，終端需要通過終端-基站信令交互將感知測量結

182、果上報至網絡側，上報途徑可以是物理層或應用層。當感知功能位于接入網時，一方面感知數據或感知結果可以用于網絡優化，實現感知輔助通信，另一方面物理層處理時延小，通過物理層上報至基站有利于更快速確定目標狀態，從而提升追蹤目標的實時性。如何通過物理信道高效傳輸感知測量結果需要設計。1)感知測量結果的物理層傳輸方式作為一種新引入的信息類型，感知測量結果既可以作為上行控制信息（Uplink ControlInformation，UCI），也可以作為上行數據（UL data）傳輸。如果作為 UL data 在 PUSCH上傳輸，編碼調制方式可以更加靈活，但一方面由于增加了終端發送的 PUSCH 類型，調度開

183、銷將同步增加，另一方面 PUSCH 由于可以通過 HARQ（Hybrid Automatic Repeat Request）重傳提升傳輸性能，對可靠性的要求比 PUCCH 低，因此這種傳輸方式可能無法滿足某些感知業務的高可靠性要求或低時延要求。如果作為 UCI 在 PUCCH 上傳輸，則載荷大小存在一定的局限性。因此，感知結果作為 UCI 和其他類型的 UCI 或 UL data 在 PUSCH 上復用傳輸是一種比較高效的方式。2)感知測量結果與 HARQ-ACK（Acknowledge Character）、CSI、UL data 的復用規則UCI 在 PUSCH 中的位置與其傳輸可靠性要求

184、、信息完整性要求有關，比如 HARQ-ACK的傳輸對可靠性要求越高，應盡量靠近信道狀態信息；CSI part 1 對信息完整性要求較高，應盡量從第一個符號開始映射?；诖?，根據不同類型感知業務的不同可靠性要求或優先級，可以為感知測量結果（記為感知信息）靈活配置碼率補償因子和資源映射類型。感知業務的優先級越高，意味著感知業務對信息完整性要求越高，則應該從較早的符號開始映射；感知69/91業務的可靠性要求越高，則應該從靠近 DMRS（Demodulation Reference Signal）的符號開始映射，且碼率補償因子應該越大以使碼率越低。假設感知信息的可靠性要求與 HARQ-ACK一致為例，

185、各 UCI 與 UL data 在 PUSCH 的映射情況如圖 40 所示。圖40感知信息資源復用示意圖5.4.2.2 感知結果上報感知結果上報網絡化通感一體是面向 6G 的關鍵技術。利用通信/感知信號進行感知可支持目標檢測、高精度定位、環境重構、成像等新業務，可廣泛應用于室內定位、無人機、智慧車輛、物聯網等應用場景中，助力于萬物互聯。在現有協議中，存在一些定位方法，即定位服務器（Location Management Function,LMF）根據 RSRP、時延（差）、角度等測量量確定目標的位置。但是對于更廣泛的感知業務/感知需求來說，需要更多的測量量，這對測量量上報順序和數據壓縮提出了更

186、高的要求。無論進行獨立感知還是協作感知，在進行目標感知時，都可以獲取很多感知測量量，如何高效的進行測量量上報是需要關注的問題。在移動網絡中，感知實體需要根據網絡需求進行感知。為了解決協作高精度感知中測量量頻繁交互和資源利用率不高的問題，我們提出了一種感知測量量上報機制。該機制通過定義測量量優先級排序方案，以及數據壓縮方案，確保收發雙方無歧義理解，保留更重要的交互內容，并提升資源利用率和感知性能。在感知任務中，有多個徑和多種測量量信息需要上報，感知實體根據感知節點能力，配置多個徑/測量量的上報順序，其中上報順序包括配置徑的優先級和測量量的優先級，測量量的優先級順序和徑的優先級順序可通過網絡配置獲

187、得。由此得到，感知節點需要上報多條徑的多個測量量。徑 1：測量量 1，2，.，P.徑 M：測量量 1，2，.，P70/91首先討論多個徑多個測量量的排序問題，提出兩種測量量的排序方式。1)排序方式 1：先徑后測量量，即按照每條徑對所有測量量進行依次排序，示意圖如圖 41所示，其中 resource info 表示一些固定量，Am、Bm、Cm分別表示第 m 條徑不同的測量量。圖41排序方式12)排序方式 2：先測量量后徑，即按照每個測量量對所有徑進行依次排序，示意圖如圖 42所示。Am、Bm、.Xm分別表示第 m 條徑不同的測量量。圖42排序方式2在實際網絡環境中，可能存在感知上報資源不充足的問

188、題，則需要考慮徑的優先級和或測量量的優先級?？紤]優先級情況，將測量量上報內容分為 Sensing-1 和 Sensing-2。其中Sensing-1 大小固定，包含 resource info 和重要測量量，如果沒有占滿則對應比特置為 0。Sensing-2 包括其他優先級較低的測量量。其中 Sensing-1 的內容可包括：1）優先級較高的前 m 個徑的所有測量量；2）所有 M 個徑的優先級較高的前 p 個測量量；3）優先級較高的前 m 個徑且優先級較高的前 p 個測量量；此外，對于感知測量量的上報問題，提出一種數據壓縮方案，即第一條徑進行所有測量量的上報，后面對于任意一條徑的測量量，都與前

189、一條徑的測量量做差分，若當前需求下需要的測量量差值都在某個范圍內，則當前徑的測量量只需上報與前一條徑的差值。圖43數據壓縮示意圖通過配置感知測量量上報規則，實現了在協作高精度感知中高效、準確地傳輸感知數據，不僅確保雙方對測量量組合無歧義的理解，還能夠優先傳輸更重要的感知數據。5.4.2.3 多點型目標下感知波束激活多點型目標下感知波束激活/切換模式切換模式現有的感知技術研究一般將目標建模為理想的單點型目標，導致只發送單個感知信號進71/91行感知，這將無法對目標進行姿態識別和成像。但被感知的真實目標，如建筑、車輛、行人等，往往具有一定的尺寸，需要建模為多點型目標。對于多點型目標，需要發送多個參

190、考信號關聯多個波束來探測同一個目標的多個點，進而綜合獲得感知結果。為實現這一技術效果，感知基站需要通過終端-基站信令交互向終端指示多參考信號的關聯關系，終端需要進行多參考信號的聯合處理和感知結果融合。如果不對同一目標的多個參考信號進行關聯指示，終端會誤認為多個參考信號探測到多個目標，導致感知性能不佳，如圖 44 所示。圖44無關聯信息時，終端對目標錯判為指示發送節點發送的多個參考信號是用于探測同一目標的多個點，可以采取以下方式：設計控制信令 MAC CE（Media Access Control Control Element）中的 TCI（TransmissionCondition Indi

191、cator）state ID 表格，指示目標在一定區域內的不同子區域時，其包含的多個點上，是否有參考信號進行探測。例如，將某一感知區域劃分為 8 個子區域，代表目標可能存在的 8 個位置，在每個位置，目標最多有 4 個點，如圖 45 所示。當目標從區域 1 運動到區域 2 時，更新 MAC CE TCI state 列表。一種可能的 TCI state ID 列表如表 4 所示。Fi,j表示在特定區域的第 i 個子區域，第 j 個點上，是否有參考信號。Fi,j取0則代表無參考信號，取1則代表有參考信號。圖45多點型目標所在區域劃分與更新表4所提用于多點型目標感知的TCI MAC CE結構72/

192、9173/916 低空通感試驗驗證低空通感試驗驗證本章主要闡述低空中的通感一體化中部分業內公司的試驗驗證的進展。首先分別介紹了二家公司室內驗證的進展，主要包括波形測試、通感性能測試、干擾抑制和同步驗證。接下來介紹了外場驗證主要進展，外場驗證包含低頻外場驗證和高頻外場驗證，其中低頻外場驗證又進一步分為自發自收和協作感知兩種模式：自發自收模式中，主要驗證無人機的飛行軌跡追蹤、業務速率和感知性能；協作感知模式中，主要驗證了高精度同步和感知性能。在高頻外場驗證中，主要完成了在多無人機同時飛行下的高精度感知距離、感知高度和感知速度的測試。6.1 室內驗證室內驗證1)諾基亞貝爾在實驗室環境中，由于測試場地

193、的限制，待測感知目標的距離和運動速度的可測范圍非常有限，通常距離都在 30 米以內，運動速度小于 3 米/秒，遠遠不能滿足大多數室外場景的測試需求。為了能在實驗室環境全面驗證通感一體化系統性能，可以引入目標回波信號仿真器，通過軟件配置搭建所需要的測試場景。諾基亞貝爾搭建的通感一體化系統實驗室驗證平臺如圖 46 所示，包括待測通感一體化基站、通信終端、目標回波信號仿真器以及相應射頻前端和喇叭天線，其中射頻前端用于將目標回波信號仿真器的工作頻率變換到待測通感一體化系統的載波頻率。測試過程中，需要根據測試場景需求把目標回波信號仿真器和通信終端放置于所需位置，比如測試通信、感知空分復用時需要目標回波信

194、號仿真器天線和通信終端放置于指定方向。圖46通感一體化系統實驗室驗證平臺74/91合理校準目標回波信號仿真器后，可以通過軟件設置若干目標，配置各個目標的距離、運動速度和雷達散射截面積，完成待測通感一體化系統的測距精度、距離分辨率、最大/最小檢測距離、測速精度、速度分辨率、最大/最小檢測速度、測角精度等基礎感知性能的測試。同時，可以改變通信終端測試條件，測試通信功能系統吞吐率、通感干擾消除性能。也可以更換發射波形，驗證不同通感一體化波形的性能和通感融合指標。圖 47 展示了利用上述通感一體化系統實驗室驗證平臺實現的通感一體化波形測試、通感空分復用測試、通感干擾消除測試所得到的關鍵成果。(a)通感

195、一體化波形測試(b)通感波分復用測試75/91(c)通感干擾消除測試圖47通感一體化系統實驗室驗證平臺測試結果2)中國移動中國移動高頻網絡協作通感一體原型樣機采用 26GHz 頻段，帶寬 400MHz，其中單個基站如圖 48 所示，已完成節點間時間同步測試驗證。該測試利用節點 A 發送感知信號，節點 B 接收直達徑信號和經目標反射的回波信號，基于參考徑時間同步算法實現收發節點間時間同步，從而保證協作感知的可靠性。實驗結果顯示，高頻網絡協作通感一體原型基站能夠把感知站點之間的時延誤差控制在2ns 以內，對感知結果的影響控制在0.5m 以內。該技術驗證為低空經濟、智慧城市等多個前沿領域的應用奠定基

196、礎。圖48高頻網絡協作通感一體樣機76/916.2 外場驗證外場驗證6.2.1 低頻外場驗證低頻外場驗證6.2.1.1 自發自收自發自收2024 年 4 月，中興通訊攜手中國移動在深圳人才公園共同完成了 4.9GHz 5G-A 通感一體低空場景能力驗證測試，本次測試以多個 5G-A 自發自收通感一體基站實現多站協同，成功驗證了拉遠探測、多目標復雜軌跡探測、多站協同下的無人機連續軌跡跟蹤、低空安防的電子圍欄入侵預警、美團外賣無人機航線感知等測試用例，基本覆蓋了低空感知場景全業務。下圖 49 展示了無人機最大拉遠探測距離可達人才公園滿量程。下圖 50 演示了低空多站協同下實現多目標復雜軌跡跟蹤。圖

197、49無人機最遠距離測試圖50低空多站協同實現多目標復雜軌跡跟蹤中信科采用面向 5G-A4.9G 頻段通感一體化基站設備，在外場環境下進行低空通信與感知的測試驗證，完成以下測試內容：無人機低空業務速率驗證、低空感知性能驗證。測試中采用測試終端和無人機。測試環境包括 5G 核心網一套、網管及感知服務平臺等。整體采用 BBU(Baseband Unit)+AAU（Active Antenna Unit）的方案，采用 S111 進行單站和組網測試。77/91圖51室外環境實驗網場景測試規劃示意圖1)低空無人機業務速率驗證低空無人機業務速率驗證的室外空口環境下的系統功能和性能指標測試，需要無人機 1臺，

198、測試終端 1 臺。對 5G-A 基站低頻系統進行室外空口連續覆蓋環境下的低空無人機業務速率系統性能測試，包括單用戶吞吐量測試、覆蓋能力等。1低空無人機上行業務速率測試，通感一體場景對上行業務用戶速率預期沒有影響，重點驗證開啟和關閉感知功能時低空無人機的上行 MIMO 的性能，測試內容包括：上行覆蓋性能測試、上行多流業務接收性能測試、無人機不同飛行路徑上行吞吐量測試。對測試結果進行對比，開啟和關閉感知功能時對上行業務用戶速率方面沒有影響。2低空無人機下行業務速率測試，通感一體場景預期對下行時隙的影響主要為感知幀結構導致部分下行時隙不能用于業務傳輸，重點驗證開啟和關閉感知功能時低空無人機的下行 M

199、IMO 的性能，測試內容包括：下行覆蓋性能驗證、下行多流業務性能驗證、無人機不同飛行路徑下行吞吐量測試。對測試結果進行對比，開啟感知功能時相對于關閉感知功能對下行業務用戶速率方面的影響，下降不超過 20%。2)低空感知性能驗證低空感知性能驗證的室外空口環境下的系統功能和性能指標測試，需要無人機 1 臺。對5G-A 基站低頻系統進行室外空口連續覆蓋環境下的低空感知系統性能測試，包括感知距離、感知角度、感知目標移動速度、感知識別率等。1低空無人機感知距離測試，通感一體場景，重點驗證開啟感知功能時，低空無人機的感知距離的性能，測試內容包括：無人機不同飛行高度的感知結果性能、無人機不同飛行78/91距

200、離基站最大、最小距離的感知結果性能、無人機不同飛行路徑的感知距離精度性能。2低空無人機感知目標移動速度測試，通感一體場景，重點驗證開啟感知功能時，低空無人機的感知目標移動速度的性能，內容包括：無人機不同飛行速度的感知結果性能、無人機不同飛行速度基站最大、最小移動速度的感知結果性能、無人機不同飛行速度不同路徑的感知速度精度性能。3低空無人機感知角度測試，通感一體場景，重點驗證開啟感知功能時，低空無人機的感知角度的性能，內容包括：無人機不同飛行高度、不同角度的感知結果性能、無人機不同飛行角度與基站相對最大、最小角度的感知結果性能、無人機不同飛行速度不同路徑的感知角度精度性能。4低空無人機感知目標識

201、別成功率測試，通感一體場景，重點驗證開啟感知功能時，低空無人機的感知目標識別成功率的性能，內容包括：無人機不同飛行高度時感知目標識別成功率性能、無人機不同飛行路徑時感知目標識別成功率性能。6.2.1.2 協作感知協作感知中國移動采用 4.9GHz 頻點下，100MHz 帶寬進行驗證?？紤]基站間協作的低頻網絡協作通感，原型樣機采用 4.9GHz 頻段，開展面向室外低空無人機場景的測試驗證。該測試利用不同站址的基站對感知信號進行發送和接收，通過創新的同步差分算法消除收發站點時鐘同步誤差，實現低空無人機的高精度檢測、識別和定位。實測結果顯示，該低頻基站間協作原型樣機感知覆蓋距離達到 1km，在 95

202、%置信度下，感知水平/垂直精度達到米級，多目標最小感知距離分辨率達到米級，虛檢率、漏檢率均可達到 5%以下，可滿足低空安防和低空經濟的應用需求。圖52低頻網絡基站間協作通感原型樣機無人機探測場景79/916.2.2 高頻外場驗證高頻外場驗證中興通訊聯合中國聯通以及產業伙伴在河南南陽成功完成 5G-A 通感基站規模組網及20 架無人機機群試驗，標志著智聯無人機和空中交通管理等領域的“顛覆性突破”即將進入大眾視野。此次試驗完成了多機型感知距離、感知高度、感知速度的測試，并涵蓋了多無人機復雜圖形、電子圍欄、最小感知物等多項能力測試，均達到目標性能，尤其是在業界首次實現了20 架無人機機群同時飛行感知

203、多輪次檢測 0 漏檢的能力測試。這些測試不僅驗證了 5G-A低空通感技術在復雜環境下的穩定性和可靠性，還發掘了其在大規模網絡部署方面的優勢。圖5320架無人機的同時驗證中興通訊攜手中國電信已經在南京濱江經濟開發區完成 10 個通感基站建設開通，完成濱江上空 10 平方公里低空通感覆蓋。通感一體規模組網的落地，可以消除單站“燈頂黑”問題，實現區域內感知無死角覆蓋。通過規模組網、跨站協同、算力協同，消除單站感知盲區，實現任意角度零漏檢，并且可以實現復雜軌跡跟蹤，如圖 54 所示。圖54低空無人機復雜軌跡跟蹤80/917 總結與展望總結與展望未來數字低空將傳統交通網從地面向低空空域延伸，創造全新的低

204、空交通數字空間，形成新型三維立體化交通物流體系。6G 網絡可利用通感一體化技術實現對低空區域的網絡覆蓋，彌補傳統雷達的不足，實現環境感知構建、無人機高精度定位和無縫切換等功能，在快遞物流、農業植保、應急救援、低空安防等多種領域中創造經濟價值，打造未來萬億級的新型市場規模。本白皮書從數字低空對通感一體化的技術需求出發，首先，介紹了通感一體技術發展現狀和挑戰，包括國內外各標準與組織和前瞻研究的現狀，以及通感一體賦能數字低空面臨的挑戰。其次，通過介紹通感融合理論，包括通信和感知的評價指標，以及多模態融合理論，為通感一體賦能數字低空提供理論基礎。再次，介紹了低空通感的空口關鍵技術，包括覆蓋增強、感知精

205、度提升和干擾抑制等技術方案，為數字低空通感一體網絡的產品和標準落地提供了技術指引。而后，介紹了通感一體技術對未來標準化的影響，主要包括對協議中的網絡架構和空口的設計改動，為后續通感標準化的開展做出鋪墊。最后，本白皮書介紹了低空通感試驗驗證工作進展，推動低空通感從理論研究到產業落地。面向未來，低空通感一體化技術仍需要加強跨域技術的協調與融合創新，進一步研究和突破通感系統基礎理論、非理想因素解決方案、標準化開展和落地、系統平臺構建與試驗驗證等，同時希望加強國際合作，進一步匯聚國內外產學研等各方力量，有效協同和推動通感融合技術的國際化、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

206、行業快速發展。81/91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ACKAcknowledge Character確認字符ADS-BAuto Dependent Surveillance-System廣播式自動相關監視系統AGVAutomated Guided Vehicle自動導引運輸車AOAAngle ofArrival到達角AoDAngle of Departure離開角AWGNAdditive White Gaussion Noise加性高斯白噪聲BBUBaseband Unit基帶處理單元BSBase Station基站CA-C

207、FARCell-Averaging Constant False Alarm Rate單元平均恒定虛警率CBFConventional Beamforming常規波束形成CCSAChina Communications StandardsAssociation中國通信標準化協會CDFCumulative Distribution Function累積分布函數CDMCode Division Multiplexing碼分復用FDMFrequency Division Multiplexing頻分復用CFARConstant False-Alarm Rate恒虛警率CMLD-CFARCensore

208、d Mean Level Detector CFAR刪除均值CFARCRLBCramr Rao Lower Bound克拉美羅下界CRSCell Reference Signal小區參考信號CSIChannel-State Information信道狀態信息CSI-RSChannel-State Information Reference Signal信道狀態信息參考信號CWContinuous Waveform連續波形DOADirection of Arrival到達角DMRSDemodulation Reference Signal解調參考信號EFIMEquivalent Fishers

209、Information Matrix等效費希爾矩陣82/91eMBBEnhanced Mobile Broadband增強移動寬帶ESPRITEstimation of Signal Parameters viaRotational Invariance Techniques天線陣列的旋轉不變性來估計信號的參數eVTOLelectric Vertical Take-off and Landing電動垂直起降飛行器FAAFederalAviation Administration美國聯邦航空管理局FFTFast Fourier Transformation快速傅里葉變換FMCWFrequency

210、 Modulated ContinuousWaveform調頻連續波形GISGeographic Information System地理信息系統HARQHybrid Automatic Repeat Request混合自動重傳請求ICIInter-Carrier Interference載波間干擾IMTInternational Mobile Telecommunications國際移動通信IEEEInstitute of Electrical and ElectronicsEngineers電氣與電子工程師協會ITUInternational Telecommunication Union

211、國際電信聯盟ISACIntegrated Sensing and Communication通信感知一體化LCMVLinearly Constrained Minimum Variance最小方差波束形成算法LFMLiner Frequency Modulation線性調頻波形LMFLocation Management Function定位服務器MACMedia Access Control媒體訪問控制MAC CEMedia Access Control Control Element媒體訪問控制控制單元MIMutual Information互信息MIMOMultiple-Input Mu

212、ltiple-Output多輸入多輸出MMSEMinimum Mean Square Error最小均方誤差MSEMean Squared Error均方誤差MTDMoving Target Indicator動目標顯示MTDMoving Target Detection動目標檢測MTIMoving Target Indication動目標顯示MUSICMultiple Signal Classification algorithm多重信號分離算法83/91NASANationalAeronautics and SpaceAdministration美國航空航天局NeRFNeural Radi

213、ance Fields神經輻射場NLoSNon-Line-Of-Sight非視距OFDMOrthogonal Frequency Division Multiplexing正交頻分復用OS-CFAROrder Statistic CFAR序統計類CFAR檢測器OTFSOrthogonal Time Frequency and Space正交時頻空PAPRPeak to Average Power Ratio峰值平均功率比PDCCHPhysical Downlink Control Channel物理下行控制信道PDSCHPhysical Downlink Shared Channel物理下行數

214、據信道PCWPhase Coded Waveform相位編碼波形PRFPulse Repetition Frequency脈沖重復頻率PWPulse Waveform脈沖波形QoSQuality of Service服務質量RCSRadar Cross Section雷達散射截面積RISReconfigurable Intelligent Surface智能超表面RMSERoot Mean Squared Error均方根差RSRPReference Signal Received Power參考接收信號功率RTTRound-Trip Time往返時間SFISlot Format Indica

215、tor時隙格式指示SINRSignal to Interference-plus-Noise Ratio信干噪比SMFSensing Management Function感知管理功能單元SDMSpatial Division Multiplexing空分復用SRSSounding Reference Signal探測參考信號TCITransmission Condition Indicator傳輸狀態指示TDDTime Division Duplexing時分雙工TDMTime Division Multiplexing時分復用TOTiming Offset定時偏差TRPTransmissi

216、on Reception Point收發節點84/91TRSTracking Reference Signal跟蹤參考信號UAVUnmanned Aerial Vehicle無人機URLLCultra-reliable and low-latency communication高可靠低時延通信USRPUniversal Software Radio Peripheral通用軟件無線電外設UAMUrban Air Mobility城市空中交通UCIUplink Control Information上行控制信息UEUser Equipment用戶設備UTMUAVTraffic Managemen

217、t無人機交通管理系統2D-IFFT2 Dimensional-Inverse Fast Fourier Transform二維-快速傅里葉逆變換2D-FFT2 Dimensional-Fast Fourier Transform二維-快速傅里葉變換3GPP3th Generation Partner Project第三代合作伙伴計劃3DGS3D Gaussian Splatting三維高斯濺射85/91編寫組成員編寫組成員中國移動通信集團有限公司桂鑫、孫志雯、韓林叢、程執天、王亞娟、息榮艷、沈嵩輝、趙晗汀、馬良、金婧、董靜中國電信股份有限公司丁雪、李皛、謝偉良、于金楊維沃移動通信有限公司姚健、

218、李健之、丁圣利、袁雁南、姜大潔東南大學曾勇、閔紅旗、徐子涵、徐鏡然、宋雨軒、劉文治、趙晨辰、戴強龍、周毓秀、周智文、徐曉莉紫金山實驗室黃永明、劉升恒、徐凡非、李興康、尤建潔中國聯合網絡通信有限公司劉天弋、亢抗、潘桂新中興通訊股份有限公司韓志強、蔣創新、夏樹強中信科移動通信技術股份有限公司索士強、龔秋莎、才宇、張向東、何青春上海諾基亞貝爾股份有限公司徐朝軍、高飛中國科學技術大學陳力86/91參考文獻參考文獻1賽迪研究院.中國低空經濟發展研究報告(2024)R/OL.中國工信部賽迪研究院,2024.2IMT-2030（6G）推進組.通信感知一體化技術研究報告EB/OL.IMT-2030（6G）推進

219、組,2021.3工業和信息化部網站.中國民用航空局關于印發通用航空裝備創新應用實施方案（2024-2030 年）的通知 EB/OL.工業和信息化部、科技部、財政部、中國民航局,2024.4Shakhatreh H,Sawalmeh A H,Al-Fuqaha A,et al.Unmanned aerial vehicles(UAVs):Asurvey on civil applications and key research challengesJ.Ieee Access,2019,7:48572-48634.5王劍.通感一體網絡在低空經濟中的應用J.通信世界,2024,(19):16-18

220、.DOI:10.13571/ki.cww.2024.19.008.6Zhao J,Fu X,Yang Z,et al.Radarassisted UAV detection and identification based on 5G inthe Internet of ThingsJ.Wireless Communications and Mobile Computing,2019,2019(1):2850263.7IMT-2030(6G)推進組.6G 感知的需求和應用場景研究報告R/OL.IMT-2030(6G)推進組.2023.8ITU.Recommendation ITU-T M.21

221、60-0(11/2023):Framework and overall objectives of thefuturedevelopmentofIMTfor2030andbeyondS/OL.Geneva:InternationalTelecommunication Union,2023.9ITU-T SG13-TD864/WP1.Draft new Technical Report ITU-T TR.ISAC-fra:“Considerationof integrated sensing and communication in IMT-2020 networks and beyond”S/

222、OL.INTERNATIONALTELECOMMUNICATIONUNION,TELECOMMUNICATIONSTANDARDIZATION SECTOR,2024-07-15/2024-07-26.10 ITU-T SG13-TD967/WP1.Draft new Technical report ITU-T TR.qos-isac:“Study onquality of services assurance for integrated sensing and communication in IMT-2020 andbeyond”S/OL.INTERNATIONALTELECOMMUN

223、ICATIONUNION,TELECOMMUNICATION STANDARDIZATION SECTOR,2024-07-15/2024-07-26.11 ITU-T.Requirements and framework of immersive live experience(ILE)services usingintegrated sensing and communicationS/OL.https:/www.itu.int/ITU-T/workprog/wp_item.aspx?isn=20754.202412 3GPP.Study on Integrated Sensing and

224、 Communication(Release 19):TR 22.837 V1.0.0(2023-3)S/OL.Valbonne:3GPP support office,2023.13 3GPP.RP-234069,Study on channel modelling for Integrated Sensing And Communication(ISAC)for NRR.Edinburgh,UK:3GPP TSG RAN Meeting#102,2023-12-11/2023-12-15.87/9114 3GPP.RP-234018,Study on channel modelling e

225、nhancements for 7-24GHz for NRR.Edinburgh,UK:3GPP TSG RAN Meeting#102,2023-12-11/2023-12-15.15 IEEE.IEEE Standard for Information technologyTelecommunications and informationexchange between systems Local and metropolitan area networksSpecific requirementsPart 11:Wireless LAN Medium Access Control(M

226、AC)and Physical Layer(PHY)Specifications Amendment4:Enhancements for Wireless LAN Sensing:IEEE Std 802.11bfS.New York:IEEE Standards Association,2024.16 IEEECommunicationsSocietyIntegratedSensingandCommunicationEmergingTechnology Initiative.Conferences IEEE Communications Society Integrated Sensing

227、andCommunication Emerging Technology InitiativeEB/OL.引 用 日 期：2024-11-27.https:/soc.org/conferences/.17 CCSA.無線通信與無線感知融合技術與方案研究報告R.中國通信標準化協會,2023.18 IMT-2020(5G)推進組.5G-Advanced 通感融合網絡架構研究報告（第二版）R/OL.IMT-2020(5G)推進組.2024.19 IMT-2020(5G)推進組.5G-Advanced 通感融合場景需求研究報告R/OL.IMT-2020(5G)推進組.2022.20 IMT-2030(

228、6G)推進組.6G 通信感知一體化評估方法研究報告R/OL.IMT-2030(6G)推進組.2023.21 IMT-2030(6G)推進組.6G 通感融合系統設計研究報告R/OL.IMT-2030(6G)推進組.2023.22 A.El Gamal and Y.-H.Kim,Network Information Theory,Cambridge,U.K.:CambridgeUniv.Press,2011.23 T.M.Cover,Elements of Information Theory,New Delhi,India:Wiley,1999.24 C.R.Rao,Information a

229、nd the Accuracy Attainable in the Estimation of StatisticalParameters,New York,NY,USA:Springer,1945.25 C.Hue,J.-P.Le Cadre,and P.Perez,Posterior CramerRao bounds for multi-targettracking,IEEE Trans.Aerosp.Electron.Syst.,vol.42,no.1,pp.3749,Jan.2006.26 A.Weiss and E.Weinstein,A lower bound on the mea

230、n-square error in random parameterestimation(corresp.),IEEE Trans.Inf.Theory,vol.31,no.5,pp.680682,Sep.1985.27 V.M.Chiriac,Q.He,A.M.Haimovich,and R.S.Blum,ZivZakai bound for jointparameter estimation in MIMO radar systems,IEEE Trans.Signal Process.,vol.63,no.18,pp.49564968,Sep.2015.28 P.Woodward,Pro

231、bability and Information Theory With Application to Radar,London,U.K.:Pergamon Press,1953.29 H.Urkowitz,C.A.Hauer,and J.F.Koval,Generalized resolution in radar systems,Proc.IRE,vol.50,no.10,pp.20932105,Oct.1962.88/9130 M.A.Richards,Fundamentals of Radar Signal Processing,New York,NY,USA:McGraw-Hill

232、Educ.,2005.31 A.R.Chiriyath,B.Paul,G.M.Jacyna,and D.W.Bliss,Inner bounds on performance ofradar and communications co-existence,IEEE Trans.Signal Process.,vol.64,no.2,pp.464474,Jan.2016.32 P.Kumari,D.H.N.Nguyen,and R.W.Heath,Performance trade-off in an adaptive IEEE802.11AD waveform design for a joi

233、nt auto-motive radar and communication system,inProc.IEEE Int.Conf.Acoust.Speech Signal Process.(ICASSP),New Orleans,LA,USA,2017,pp.42814285.33 Liu,Z.et al.Three-Dimensional Ray-Tracing-Based Propagation Prediction Model forMacrocellular Environment at Sub-6 GHz Frequencies.Electronics 13,1451(2024)

234、.34 Thrane,J.,Sliwa,B.,Wietfeld,C.&Christiansen,H.L.Deep Learning-based SignalStrength Prediction Using Geographical Images and Expert Knowledge.in GLOBECOM2020-2020 IEEE Global Communications Conference 16(IEEE,Taipei,Taiwan,2020).doi:10.1109/GLOBECOM42002.2020.9322089.35 A.Hassanien,M.G.Amin,Y.D.Z

235、hang,and F.Ahmad,“Signaling strategies fordual-function radar communications:An overview,”IEEE Aerospace and ElectronicSystems Magazine,vol.31,no.10,pp.3645,2016.36 A.Hassanien,M.G.Amin,Y.D.Zhang,andF.Ahmad,“Dual-functionradar-communications:Information embedding using sidelobe control and waveformd

236、iversity,”IEEE Transactions on Signal Processing,vol.64,no.8,pp.21682181,2015.37 T.Huang,N.Shlezinger,X.Xu,Y.Liu,and Y.C.Eldar,“Majorcom:A dual-function radarcommunication system using index modulation,”IEEE transactions on signal processing,vol.68,pp.34233438,2020.38 M.Nowak,M.Wicks,Z.Zhang,and Z.W

237、u,“Co-designed radar-communication usinglinear frequency modulation waveform,”IEEE Aerospace and Electronic Systems Magazine,vol.31,no.10,pp.2835,2016.39 C.Sturm and W.Wiesbeck,“Waveform design and signal processing aspects for fusion ofwireless communications and radar sensing,”Proceedings of the I

238、EEE,vol.99,no.7,pp.12361259,2011.40 K.M.Braun,“Ofdm radar algorithms in mobile communication networks,”Ph.D.dissertation,Karlsruhe,Karlsruher Institut fur Technologie(KIT),Diss.,2014,2014.41 R.Hadani,S.Rakib,M.Tsatsanis,A.Monk,A.J.Goldsmith,A.F.Molisch,and R.Calderbank,“Orthogonal time frequency spa

239、ce modulation,”in 2017 IEEE WirelessCommunications and Networking Conference(WCNC).IEEE,2017,pp.16.42 C.Sturm and W.Wiesbeck,“Waveform design and signal processing aspects for fusion ofwireless communications and radar sensing,”Proc.IEEE,vol.99,no.7,pp.12361259,Jul.2011.89/9143 C.Sturm and W.Wiesbec

240、k,“Waveform design and signal processing aspects for fusion ofwireless communications and radar sensing,”Proc.IEEE,vol.99,no.7,pp.12361259,Jul.2011.44 X.Liu,T.Huang,N.Shlezinger,Y.Liu,J.Zhou,and Y.C.Eldar,“Joint transmitbeamforming for multiuser MIMO communications and MIMO radar,”IEEE Trans.SignalP

241、rocess.,vol.68,pp.39293944,2020.45 Y.Liu,G.Liao,Z.Yang,and J.Xu,“Multiobjective optimal waveform design for OFDMintegrated radar and communication systems,”Signal Process.,vol.141,pp.331342,Dec.2017.46 P.Kumari,S.A.Vorobyov,and R.W.Heath,Jr.,“Adaptive virtual waveform design formillimeter-wave joint

242、 communicationradar,”IEEE Trans.Signal Process.,vol.68,pp.715730,2020.47 Z.Xiao and Y.Zeng,“Waveform design and performance analysis for full-duplex integratedsensing and communication,”IEEE J.Sel.Areas.Commun.,vol.40,no.6,pp.18231837,2022.48 Wu W,Zhu B,Tang L,et al.A low-Copmlexity 2D DOA estimatio

243、n algorithm for massiveMIMO systemsC/2019 IEEE International Conference on Signal,Information and DataProcessing(ICSIDP).IEEE,2019:1-5.49 Li Y,Huang Y,Ren J,et al.Robust DOA estimation in satellite systems in presence ofcoherent signals subject to low SNRJ.IEEE Access,2022,10:109983-109993.50 楊航.基于

244、CUDA 的壓縮感知 DOA 估計算法的研究與實現D.哈爾濱工業大學,2016.51 Dai X,Zhang X,Wang Y.Extended DOA-matrix method for DOA estimation via twoparallel linear arraysJ.IEEE Communications Letters,2019,23(11):1981-1984.52 Ying C,Xiang W,Zhitao H.Underdetermined DOA estimation via multiple time-delaycovariance matrices and deep

245、 residual networkJ.Journal of Systems Engineering andElectronics,2021,32(6):1354-1363.53 范玉衡,楊闖,彭木根,感知協同太赫弦多天線移動通信:原理、現狀與展望J移動通信,2023,47(03):84-91.54 ChenY,ZhanX,ShuF,etal.Twolow-complexityDOAestimatorsformassive/ultra-massive MIMO receive arrayJ.IEEE Wireless Communications Letters,2022,11(11):2385

246、-2389.55 Li J,Tong F,Zhou Y,et al.Small size array underwater acoustic doa estimation based ondirection-dependent transmission responseJ.IEEE Transactions on Vehicular Technology,2022,71(12):12916-12927.56 Blasone G P,Colone F,Lombardo P,et al.Passive radar STAP detection and DoAestimation under ant

247、enna calibration errorsJ.IEEE Transactions on Aerospace andElectronic Systems,2021,57(5):2725-2742.90/9157 Sedighi S,Soltanalian M,Ottersten B.On the performance of one-bit DoA estimation viasparse linear arraysJ.IEEE Transactions on Signal Processing,2021,69:6165-6182.58 Obimo P N,Tamer.Performance

248、 Evaluation of 1D DoA Estimation for DECOM andUCLA Using MUSIC AlgorithmC/2021 29th Signal Processing and CommunicationsApplications Conference(SIU).IEEE,2021:1-5.59 Liu C,Zhao H.Efficient DOA estimation method using bias-compensated adaptivefilteringJ.IEEE Transactions on Vehicular Technology,2020,

249、69(11):13087-13097.60 Tian Y,Gao X,Liu W,et al.Localization of mixed coherently and incoherently distributedsources based on generalized array manifoldJ.Signal Processing,2023,209:109038.61 Dai X,Zhang X,Wang Y.Extended DOA-matrix method for DOA estimation via twoparallel linear arraysJ.IEEE Communi

250、cations Letters,2019,23(11):1981-1984.62 Stoica P,Soderstrom T.Statistical analysis of MUSIC and subspace rotation estimates ofsinusoidal frequenciesJ.IEEE Transactions on Signal Processing,1991,39(8):1836-1847.63 S.Zeng,X.Xu,Y.Zeng and F.Liu,CKM-Assisted LoS Identification and PredictiveBeamforming

251、 for Cellular-Connected UAV,ICC 2023-IEEE International Conference onCommunications,Rome,Italy,2023.64 A.Shahmansoori,G.E.Garcia,G.Destino,G.Seco-Granados and H.Wymeersch,Positionand Orientation Estimation Through Millimeter-Wave MIMO in 5G Systems,in IEEETransactions on Wireless Communications,vol.

252、17,no.3,pp.1822-1835,March 2018.65 R.Mendrzik,H.Wymeersch,G.Bauch and Z.Abu-Shaban,Harnessing NLoS Componentsfor Position and Orientation Estimation in 5G Millimeter Wave MIMO,in IEEETransactions on Wireless Communications,vol.18,no.1,pp.93-107,Jan.2019.66 A.Fascista,A.Coluccia,H.Wymeersch and G.Sec

253、o-Granados,Downlink Single-SnapshotLocalization and Mapping With a Single-Antenna Receiver,in IEEE Transactions onWireless Communications,vol.20,no.7,pp.4672-4684,July 2021.67 Y.Ji,J.Hejselbk,W.Fan and G.F.Pedersen,A Map-Free Indoor Localization MethodUsing Ultrawideband Large-Scale Array Systems,in

254、 IEEE Antennas and WirelessPropagation Letters,vol.17,no.9,pp.1682-1686,Sept.2018.68 Z.Zhou,Z.Xiao and Y.Zeng,Single-BS Simultaneous Environment Sensing and UELocalizationWithoutLoSPathbyExploitingNear-FieldScatterers,inIEEECommunications Letters,vol.28,no.9,pp.2071-2075,Sept.2024.69 Shrader W W,Gre

255、gers-Hansen V.MTI radarJ.Radar Handbook,1970,2:15.24-15.26.70 Ludloff A,Minker M.Reliability of velocity measurement by MTD radarJ.IEEETransactions on Aerospace and Electronic Systems,1985(4):522-528.71 Wang Y,Luo H,Gao F,et al.Dynamic Target Sensing for ISAC Systems in ClutterEnvironmentC/2024IEEEW

256、irelessCommunicationsandNetworkingConference(WCNC).IEEE,2024:1-6.72 Musicki D,Suvorova S,Morelande M,et al.Clutter map and target trackingC/2005 7th91/91international conference on information fusion.IEEE,2005,1:8 pp.73 Musicki D,Evans R.Clutter map information for data association and track initial

257、izationJ.IEEE Transactions on Aerospace and Electronic Systems,2004,40(2):387-398.74 S.Xu,Z.Wang,P.Shui and S.Huang,Improved clutter-map detection for radar targets inK-distributed clutter,IET International Radar Conference(IET IRC 2020),OnlineConference,2020,pp.1023-1027,doi:10.1049/icp.2021.0681.7

258、5 Xu Z,Zhou Z,Wu D,et al.Channel Knowledge Map-Enhanced Clutter Suppression forIntegrated Sensing and CommunicationC/2024 IEEE/CIC International Conference onCommunications in China(ICCC Workshops).IEEE,2024:90-95.76 丁圣利,李健之,陳保龍,等.通感一體化中的感知非理想因素及其消除方法J.移動通信,2023,47(09):46-56.77 Y.Zeng,D.Wu,J.Xiong,E

259、.Yi,R.Gao,and D.Zhang,“Farsense:Pushing the range limitof wifi-based respiration sensing with csi ratio of two antennas,”Proceedings of the ACM onInteractive,Mobile,Wearable and Ubiquitous Technologies,vol.3,no.3,pp.126,2019.78 Y.Zhang,W.Guo,Z.Gao and C.Zhang,Multiple Doppler estimation based ICIeli

260、mination scheme in OFDM over high-mobility channels with LoS path,Proc.2013 19thAsia-Pac.Conf.Commun.,pp.637-642,Aug.2013.79 Y.Liu,X.Liu,X.Mu,T.Hou,J.Xu,Marco Di Renzo,and N.Al-Dhahir,Reconfigurableintelligent surfaces:Principles and opportunities,IEEE Commun.Surveys Tuts.,vol.23,no.3,pp.1546-1577,3

261、rd Quart.2021.80 S.Park,H.S.Ahn and W.Yu,Round-Trip Time-based Wireless Positioning without TimeSynchronization,the 2007 International Conference on Control Automation and SystemsIEEE,pp.2323-2326,October 2007.81 Z.Han,H.Ding,X.Zhang,Y.Wang,M.Lou,J.Jin,Q.Wang,and G.Liu,“Multistatic integrated sensing and communication system in cellular networks,”in 2023 IEEE Globecom Workshops(GC Wkshps),2023,pp.123128.