《未來移動通信論壇：2025年雙基地感知關鍵技術研究與驗證白皮書（82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年雙基地感知關鍵技術研究與驗證白皮書（82頁）.pdf（82頁珍藏版）》請在三個皮匠報告上搜索。

1、目目 錄錄1 概述概述.11.1 雙基地感知背景介紹.11.2 雙基地感知和單基地感知性能對比分析.32 雙基地感知系統架構雙基地感知系統架構.82.1 通信感知融合架構介紹.82.2 感知業務流程.92.3 測量量定義與感知信息傳輸.152.3.1 感知測量量定義.152.3.2 感知信息傳輸協議棧.172.3.3 測量結果上報.193 雙基地感知關鍵技術雙基地感知關鍵技術.213.1 信號設計.213.1.1 序列設計.213.1.2 資源映射方案.233.1.3 感知與通信信號資源復用.293.2 雙基地感知參數估計.333.2.1 譜估計基本方法.333.2.2 雙基地感知位置信息計算

2、.363.2.3 基于 NLOS 的感知方法.373.3 非理想因素消除.403.3.1 硬件非理想因素及影響.403.3.2 硬件非理想因素消除方案.413.3.3 雙基地雜波消除方案.443.4 波束管理和預編碼.463.4.1 雙基地感知波束管理.463.4.2 雙基地感知數字預編碼方案.514 仿真評估和樣機驗證仿真評估和樣機驗證.544.1 仿真評估方法.544.1.1 雙基地感知信道建模.544.1.2 雙基地感知仿真評估方法.564.2 樣機驗證.594.2.1 基站間協作目標定位.594.2.2 雙基地感知呼吸監測.604.2.3 雙基地多節點協作軌跡追蹤.634.2.4 雙基

3、地感知無源目標定位.664.2.5 基于 LOS 與 NLOS 同步校準的雙基地試驗.684.2.6 雙基地動作檢測.705 總結與展望總結與展望.72參考文獻參考文獻.73縮略語縮略語.761/791 概述概述1.1 雙基地感知背景介紹雙基地感知背景介紹雷達領域中按發射天線和接收天線是否分置可分為單基地雷達和雙基地雷達，并且雙基地雷達一般要求發射天線和接收天線距離與雷達作用距離可比擬1。雙基地雷達可以通過接收專用發射機發射的信號進行工作，也可以通過接收為其他目的而設計的發射機發射的信號進行工作，后者也可稱作無源雷達、無源相干定位雷達、被動雷達或非合作照射源雷達2，這類雷達是雙基地雷達的一種特

4、例，其利用相關的電磁波探測理論技術與信號處理技術，獲取第三方設備發射的非合作電磁信號，實現對目標的探測、定位、跟蹤和識別。雙基地雷達的應用領域非常廣泛，涵蓋了軍事、民用、科研等多個領域，在飛行目標、海上船只檢測和跟蹤，氣象監測和預報，道路交通監測等不同應用場景發揮了重要作用。雙基地雷達的特性與雙基地幾何形狀緊密關聯，特別是由發射機、目標和接收機形成的雙基地三角形，雙基地三角形所處的平面稱為雙基地平面，如圖 1-1 所示。其中，發射機和接收機之間的距離稱為基線距離或簡稱基線，發射機到目標以及接收機到目標之間連線的夾角稱為雙基地角，該角度也通常用于表征單基地雷達和雙基地雷達性能之間的差異。雙基地雷

5、達接收機直接測量的距離信息通常是目標到發射機以及目標到接收機的距離和減去基線距離，即雙基地距離差，當基線距離已知時，可以得到目標到發射機以及目標到接收機的距離和。雙基地雷達中進一步計算目標到接收機/發射機的距離或目標位置信息需要對雙基地三角形進行求解，通常需要獲取發射機和接收機之間的相對位置信息。RxTargetTxRTBistatic TriangleBaselineRR圖1-1雙基地雷達幾何關系參考雙基地雷達的定義，可以將收發設備天線分置的感知模式統稱為雙基地感知模式?；诋斍耙苿油ㄐ啪W絡架構共可支持 6 種感知模式，分別是（1）基站自發自收；（2）基站A 發基站 B 收；（3）基站發終端

6、收；（4）終端發基站收；（5）終端自發自收；（6）終端 A2/79發終端 B 收。其中，模式（1）和（5）屬于單基地感知模式，其他 4 種感知模式屬于雙基地感知模式。不同感知模式的優缺點總結如表 1-1 所示。表1-1不同感知模式優缺點對比感知模式優點缺點(1)基站自發自收無收發同步問題基站需具備全雙工能力(2)基站 A 發基站B 收不要求全雙工能力，對 CP 長度、無模糊測距范圍要求相對較低收發同步誤差會影響感知性能，LOS 徑獲得概率比基站自發自收低，配對復雜(3)基站發終端收可復用或增強現有信號，不要求全雙工能力，終端數量眾多，通過選擇合適的終端可提升感知覆蓋性能，對 CP 長度、無模糊

7、測距范圍要求相對較低存在終端位置、朝向和速度的估計誤差、身體遮擋以及收發同步誤差等問題，到達角測量對終端天線有一定要求(4)終端發基站收可復用或增強現有信號，不要求全雙工能力，終端數量眾多，通過選擇合適的終端可提升感知覆蓋性能，對 CP 長度、無模糊測距范圍要求相對較低存在終端位置、朝向和速度的估計誤差、身體遮擋以及收發同步誤差等問題，發射功率較低，支持的發天線數有限(5)終端自發自收無收發同步問題，支持無網絡覆蓋下的感知終端需具備全雙工能力，發射功率較低，支持的發天線數有限(6)終端 A 發終端B 收可復用或增強現有參考信號，不要求全雙工能力，支持無網絡覆蓋下的感知存在終端位置、朝向和速度的

8、估計誤差、身體遮擋以及收發同步誤差等問題，到達角測量對終端天線有一定要求，發射功率較低，支持的發天線數有限雙基地感知相較于傳統的單基地感知，展現出多方面的優勢，是實現高精度、廣覆蓋感知的重要基礎。首先，雙基地感知提供了更多的可利用感知路徑，可從多個候選接收節點中選擇具備視距（Line Of Sight，LOS）路徑的最佳節點，有效減少感知盲區。其次，雙基地感知依托更豐富的散射強度，通過不同方向接收目標回波信號，顯著提升了信號的平均散射強度。此外，通過多基地的協同，擴大了感知的空間覆蓋范圍。對于移動目標，雙基地感知能夠通過動態節點選擇和高效的小區切換實現連續感知，確保目標在其整個活動范圍內都能被

9、精準跟蹤。對于單基地感知，接收機受到由發射泄露引起的強自干擾的影響，自干擾會引起接收機3/79飽和或者減小感知信號的動態范圍3。減小自干擾的方法包括兩個方面，一方面是進行干擾隔離，盡量減小接收機接收到的發射泄露信號；另一方面是進行干擾消除，以減小接收到的發射泄露的影響。干擾隔離的方法包括：進行空間隔離，通過增加收發距離來降低接收到的發射泄露；或者采用金屬或吸波材料，來對從發射機到接收機之間的鏈路進行射頻屏蔽。干擾消除的方法主要是在模擬域或者數字域，通過對已知的發射信號進行加權對消來實現45。雙基地感知中不存在自干擾的問題，不需要進行相應的硬件改動。此外，雙基地感知由于信號來源多樣化，對單點干擾

10、的抵抗能力更強，而單基地感知更容易受到定向干擾的影響。目標識別能力是雙基地感知的另一個優勢，通過多角度觀測，可以獲得目標更全面的散射特性，提高識別準確性；單基地感知由于目標特征信息相對有限，可能導致誤識別率增加。雙基地感知的協作增益是其另一大優勢。通過雙基地以及多基地模式的協作，不僅提升了信噪比（SNR）和目標檢測概率，還可以通過幾何增益有效降低隨機誤差。同時，多節點提供的冗余信息能夠用來排除故障節點，進一步增強感知系統的可靠性、穩定性和三維環境的完整還原能力。雙基地感知還具有靈活的干擾協調能力，通過動態調度部分節點作為協作接收節點，既能夠有效抑制多種干擾問題，如信號直射干擾和互干擾，又能在提

11、升感知精度的同時優化通信網絡的整體性能。同時，雙基地感知作也面臨多方面的挑戰。首先，雜波抑制的消除是一大挑戰，特別是在回波信號較弱的情況下，需要有效的算法來抑制雜波干擾并提高感知精度。此外，高精度同步也是基礎條件，因發射與接收節點之間的時間同步誤差會直接影響感知定位精度，例如10 納秒的同步誤差可能導致 3 米的定位誤差。非視距識別與利用也是雙基地感知的核心挑戰之一，特別是當存在遮擋時，如何識別和利用非視距感知路徑。此外，感知目標移動時的節點選擇與切換需要高效的機制，以確保感知任務的連續性與準確性。系統復雜度的增加也是主要問題之一，需要處理基站間的同步和數據融合，這增加了系統的復雜性。多基站的

12、部署和維護成本也高于單基地系統。此外，雙基地系統對網絡的要求較高，需要高帶寬、低延遲的基站間通信網絡。信號處理的復雜性也隨之增加，需要更復雜的算法來處理多源數據，增加了計算負擔。1.2 雙基地感知和單基地感知性能對比分析雙基地感知和單基地感知性能對比分析感知覆蓋：感知覆蓋：雙基地感知和單基地感知在覆蓋性能上存在差異，考慮噪聲影響時，單基地感知的覆蓋范圍可以定義為圓形區域，而雙基地感知的覆蓋范圍定義為卡西尼橢圓區域，雙基地感知距離方程可表示為6 max=22243 min(1)4/79其中，、分別表示目標到發射機和接收機的距離，表示發射功率，、分別表示發射和接收天線增益，為波長，為目標雷達截面積

13、（Radar Cross Section，RCS），、分別表示從發射機或接收機到目標的路徑傳播因子，表示玻爾茲曼常量，表示接收機噪聲溫度，表示接收機噪聲帶寬，min表示目標檢測所需的信噪比，、分別表示發射機和接收機系統損耗。令=22243，雙基地感知信噪比可以表示為 =22，進而得到雙基地感知恒信噪比等高線如圖 1-2 所示，其中=304，為基線距離。圖1-2雙基地感知恒信噪比等高線可以看出，隨著基線距離與雙基地距離之間的大小關系不同，雙基地感知最大覆蓋區域為近似橢圓，或雙紐線或變為兩部分橢圓。對于雙基地感知，距離發射機或接收機較近的區域的信噪比水平較好，因此相比于單基地感知，雙基地感知可以通

14、過選擇收發設備提升覆蓋性能。尤其是對于終端參與的感知業務，終端數量更多、位置更加靈活，通過選擇合適的終端能夠有效提升感知性能。圖 1-3 給出了城市微蜂窩（Urban Micro，Umi）場景下基站自發自收感知信號的單基地感知和基站發用戶設備（User Equipment，UE）收感知信號的雙基地感知的感知信干噪比（Signal to Interference plus Noise Ratio，SINR）的仿真結果，感知 SINR表示經過感知目標反射的徑或簇的信號功率與干擾和噪聲的比值。對于雙基地感知，假設感知目標與 UE 的距離不超過 10 m。仿真結果表明，由于感知接收節點距離感知目標更近

15、，雙基地感知相比單基地感知在移動蜂窩網絡架構下能夠獲得更好的感知覆蓋性能。此外，雙基地感知相比于單基地感知提供了更多觀察角度，這對于環境重構、目標識別等感知應用均有一定好處。5/79圖1-3 Umi場景感知SINR仿真結果感知測量范圍和分辨率：感知測量范圍和分辨率：覆蓋性能與感知信噪比（Signal to Noise Ratio，SNR）或感知 SINR 直接相關，感知無模糊測量范圍及感知分辨率性能則與信號資源配置有關。相比于單基地感知，雙基地感知性能指標中無模糊測距/測速范圍，以及距離/速度分辨率除了受到信號配置的影響，還受到發射機、接收機和感知目標的位置關系的影響。單基地感知和雙基地感知信

16、號資源配置與無模糊測量范圍和分辨率性能之間關系如表 1-2 所示7。表1-2感知性能和計算公式感知性能感知性能計算公式計算公式影響因素影響因素無模糊范圍無模糊測距范圍單基地感知=2感知信號頻域采樣間隔雙基地感知=22感知信號頻域采樣間隔、雙基地角無模糊測速范圍單基地感知=4波長、感知信號周期雙基地感知=42波長、感知信號周期、雙基地角無模糊測角范圍=sin12波長、天線間距分距離分辨率單基地感知=2帶寬6/79辨率雙基地感知=2 2帶寬、雙基地角速度分辨率單基地感知=2波長、感知符號周期、感知符號數雙基地感知=22波長、感知符號周期、感知符號數、雙基地角角度分辨率 0.886波長，陣列的孔徑注

17、：為信號帶寬，為脈沖數，為脈沖重復周期，為信號頻域采樣間隔,3為 3dB波束寬度，為光速，為信號波長，為陣列的孔徑，為天線間距，為雙基地角。測距類感知應用中，除了需要考慮信號頻域資源間隔對測距范圍的限制，通常還需要考慮循環前綴（Cyclic Prefix，CP）對測距范圍的限制。當感知目標距離收發機較遠時，接收機接收到的感知回波信號時延超出 CP 范圍會導致產生符號間干擾，影響測距性能。雙基地感知通常通過測量感知目標回波信號與 LOS 信號的相對時延計算距離信息，因此相比單基地感知，雙基地感知對無模糊測距范圍，即信號頻域資源間隔和 CP 長度的要求更低。感知檢測盲區：感知檢測盲區：感知系統實現

18、動目標檢測主要依賴于多普勒檢測，這意味著經過目標反射的回波信號上通常疊加多普勒頻率。然而，在一些場景下，經過目標反射的回波信號上沒有多普勒頻率或者多普勒頻率很小，這種情況通常被稱為“盲速”8。在單基地感知模式下，如果感知目標的運動方向垂直于感知信號的傳播方向，則在時域上相鄰采樣點之間沒有信號時延的變化，從而沒有多普勒頻率。在雙基地感知模式下，如果感知目標沿著以感知信號的發送端設備和接收端設備為焦點的橢圓運動，則在時域上相鄰采樣點之間也沒有信號時延的變化，從而也沒有多普勒頻率。更一般地，如果感知目標的運動方向與上述的運動方向較為接近，則由感知目標的運動在感知信號上疊加的多普勒頻率較小，很難被檢測

19、出來。除了速度檢測盲區以外，單基地感知和雙基地感知在測距盲區上也存在差異。對于單基地感知模式，在采用脈沖體制的信號，通過收發分時的方式感知時，在開始接收信號之前到達接收天線的回波信號將不會被接收，因此將會存在近距離盲區的問題8。前面提到，對于雙基地感知模式，通過測量感知目標回波信號與 LOS 信號的相對時延計算距離信息。因此，當感知目標位于感知信號的收發端連線及其鄰近區域內時，感知目標回波信號與 LOS信號的到達時間幾乎是一致的，因而沒有時延差或者時延差較小，導致無法測量感知目標的距離。該區域稱為雙基地感知的前向散射區域，此時無距離分辨能力導致系統無法直接定位，7/79只能依靠回波多普勒等信息

20、非線性求解目標運動參數9。感知資源開銷：感知資源開銷：通信系統引入感知功能后，通常會擠占部分通信業務的資源，導致通信速率下降。對于單基地感知，通常還需要對通信系統進行額外的硬件資源改動以支持接收回波信號，在采用連續波感知的情況下還需要支持全雙工能力，進行有效的自干擾抑制。雙基地感知則可以復用通信收發鏈路，在滿足感知覆蓋要求的情況下，直接利用通信信號進行感知，或對通信信號進行增強從而兼顧感知性能，無需分配專用的感知信號資源，不對通信業務產生影響。8/792 雙基地感知系統架構雙基地感知系統架構2.1 通信感知融合架構介紹通信感知融合架構介紹通信感知融合整體架構如圖 2-1 所示，其中感知相關的主

21、要功能包括感知信號測量、感知數據處理、感知數據存儲、感知數據應用和感知控制管理。-感知信號測量，指感知信號接收節點對接收到的感知信號進行時域、頻域信道估計，時延、多普勒和角度估計等獲得感知所需的信道特性的過程。在移動網絡通信感知融合中，UE和無線接入網（Radio Access Network,RAN）具有感知信號測量功能。對于雙基地感知，感知信號發送節點和感知信號接收節點為不同的網絡節點，例如基站發送UE接收，UE發送基站接收，基站A發送基站B接收，UE A發送UE B接收。-感知數據處理，指對前述獲取的感知測量數據（如信道響應信息、時延、多普勒或角度信息等）進行進一步處理，獲取感知目標信息

22、的過程。在移動網絡通信感知融合中，UE和RAN 的感知數據處理功能是可選功能。對于UE，取決于UE是否有意愿或是否具備算力對感知測量信道進行進一步處理。對于RAN，取決于RAN是否被允許對感知測量的信道信息進行進一步處理。例如進一步處理可能獲得的感知目標信息屬于敏感信息，那么就不允許在RAN處理，相應地感知數據處理功能位于核心網（Core Network，CN）。-感知數據存儲，指根據感知需求和感知隱私與安全等，將感知數據存儲在UE、RAN、CN或者第三方服務器。-感知數據應用，指根據具體的感知應用場景對感知目標的信息進行應用，完成感知的過程。通信感知融合的應用場景可以分為網絡向應用功能提供感

23、知服務（也稱為對外感知服務，NET for Sensing）和感知輔助網絡（也稱為對內感知服務，Sensing for NET）。對于對外提供感知服務，感知數據應用位于CN或UE。對于對內感知服務，感知數據應用可以位于RAN側。-感知控制管理，指感知過程中的控制和管理，包括感知節點的能力上報，感知節點的選擇，感知測量配置，感知數據的隱私與安全管理等。感知信息包括感知信令和感知數據。感知信息傳輸包括空口傳輸和有線接口傳輸。感知信息空口傳輸包括如下潛在的三種方式及其組合：-方式1：基于控制面傳輸感知信息，在已有信令承載（如SRB、MAC CE、UCI格式）上增強支持感知的信令或數據傳輸；-方式2：

24、基于用戶面傳輸感知信息，在已有數據承載（如DRB）上增強支持感知的信令或數據傳輸；-方式3：新定義的數據面承載可根據感知信令或數據需求支持靈活優先級和終結點，以9/79及優化的數據面配置（如PDCP配置等）。感知信息有線接口傳輸包括如下潛在的三種方式及其組合：-方式1：基于控制面傳輸感知信息，在已有信令接口（如基于SCTP/IP的N2、Xn）上增強支持感知的信令或數據傳輸；-方式2：基于用戶面傳輸感知信息，在已有用戶面接口（如基于GTP-U/UDP/IP的N3）上增強支持感知的信令或數據傳輸；-方式3：基于數據面傳輸感知信息，新定義一種數據面接口支持感知的信令或數據傳輸。新定義的數據面接口可根

25、據感知信令或數據需求支持靈活拓撲。圖2-1通信感知融合系統架構2.2 感知業務流程感知業務流程感知業務流程包括節點選擇、能力上報、感知測量配置等，相對于單基地感知，雙基地感知還需要考慮發射機和接收機之間的消息交互。a)節點選擇首先根據感知業務需求，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10/79域，選擇參與感知的基站和/或終端。只有具有感知節點選擇權的節點才能進行感知節點選擇。而感知節點選擇權與感知模式緊密相關。有些模式下，感知節點的選擇更適合由感知網絡功能(SF，Sensing Function)執行，有些感知模式下，感知節點的選擇更適合由基站執行，有些模式下，可以使用混合方

26、式，比如，在基站發送-基站接收模式下，可以由 SF 選擇感知信號發送基站，而由感知信號發送基站確定感知響應接收基站。感知節點的選擇需要考慮多方面的因素，比如，候選節點移動與否，候選節點的感知能力是否能夠滿足感知業務需求，是否存在感知 LOS 徑，以及候選感知節點的狀態，包括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。感知節點選擇本身應該不需要太多流程交互，可以僅包括節點選擇指示和確認過程，即：節點選擇設備向被選擇的節點確認是否愿意承擔感知節點的任務，如圖 2-2 所示。圖2-2感知節點選擇流程相對于單基地感知模式，雙基地感知模式下，感知節點的選擇可能相對復雜一些。比如，需

27、要分別考慮感知信號發送設備和感知響應接收設備的移動性、能力和狀態；需要分別考慮感知信號發送設備的變換、感知信號接收設備的變換或者感知信號發送設備和感知信號接收設備同時變換帶來的感知節點重選等場景。一種節點選擇的方式是將不同感知模式的感知節點分成幾個子集，如基站自發自收子集和基站發終端收子集。在節點建立和更新步驟時，需要綜合考慮所有子集中的節點信息，選取合適的感知模式和對應的節點，構成最終選定的子集。選擇感知模式和節點的規則可以針對不同的感知場景和用例進行設定，比如以基站自發自收為主，在小區邊緣或基站覆蓋盲區選擇終端相關的雙基地感知模式進行輔助，如圖 2-3所示。對于復雜的場景，也可以使用 AI

28、 輔助進行感知模式和節點的選擇。最終選定的各子集分別進行相應的感知操作，如感知信號的配置、發送、接收，以及信號處理和感知結果計11/79算等。圖2-3雙基地感知參與協作感知時的節點選擇示例b)能力上報首先，感知節點能力上報應該是按需的，而不是必須要上報的。不應該作為 UE 能力隨著 UE 的通信能力一起上報。因為如果沒有感知業務，上報感知設備感知能力就會造成通信資源和設備能量的浪費。按需上報時，感知能力可以作為數據傳輸，而不需要通過控制信令傳輸。其次，感知能力上報的對象應該是具有感知節點選擇權的設備。比如，感知節點的選擇在感知網絡功能 SF/基站/UE 執行，那么，感知節點的能力就對應的上報到

29、 SF/基站/UE。就雙基地感知而言，執行感知節點選擇的設備需要同時獲得感知信號發送設備和感知響應接收設備的感知能力，以便綜合進行感知節點選擇判斷。并且，對于雙基地感知而言，候選節點也可以主動選擇作為發送/接收節點上報相應感知能力，例如，選擇作為感知信號發送節點可以只上報有關感知信號發送相關的能力和/或設備狀態；同樣，選擇作為感知響應接收節點則可以只上報有關感知響應接收相關的能力和/或設備狀態即可。感知能力請求和上報流程如圖 2-4 所示，其中，上報的感知能力包括：支持的感知模式、感知信號的發送和接收能力、支持的感知模式下的感知測量方法，以及對應的感知測量方法對應的精度等。圖2-4感知能力上報

30、流程c)感知測量配置感知測量配置，主要配置如何執行感知操作，比如發送感知測量相關的配置，感知測量12/79結果反饋相關的配置等。對于雙基地感知而言，可以只向感知信號發送設備配置感知信號發送相關的配置，向感知信號接收設備發送感知信號接收或者測量相關的配置，以及感知結果反饋相關的配置（如果感知測量結果需要向設備外發送）。關于感知測量配置，感知測量用的感知信號發送資源應該由感知測量資源的控制設備配置，比如，基站發送-UE 接收的感知模式下、UE 發送-基站接收的感知模式下，和 UE 發送-UE 接收的感知模式下，基站具有資源使用的絕對控制權，那么，應該由基站負責感知測量配置的發送。因此，基于不同模式

31、測量配置的流程可以包括如下幾種情況：對于基站發送-UE 接收、UE 發送-基站接收的感知模式，由基站發送感知測量配置，如圖 2-5 所示。圖2-5感知測量配置示例對于 UE 發送-UE 接收的感知模式，收發雙方都從基站接收感知測量配置，如圖 2-6 所示。圖2-6感知測量配置示例或者，感知信號接收 UE 從感知信號發送 UE 獲取感知測量配置，如圖 2-7 所示。13/79圖2-7感知測量配置示例對于基站發送-基站接收的感知模式，可能需要感知信號發送基站與感知響應接收基站進行協商以確定感知測量的配置，因為兩者都有資源決定權，一方獨立決定感知資源可能對另外一方本身的資源使用造成影響。所以對于基站

32、發送-基站接收的感知模式，測量配置的流程可以包括如下幾種情況：基站之間直接協商確定感知測量配置，如圖 2-8 所示。圖2-8感知測量配置示例收發基站通過 AMF/SF 中轉協商，確定最終的感知測量配置，如圖 2-9 所示.圖2-9感知測量配置示例d)非連接態下感知流程在 UE 參與的雙基地感知業務過程中，可能通信數據傳輸需求很低，如果 UE 能支持非連接態下的感知操作，對 UE 降低功耗是很有意義的。比如利用基站發 UE 收的下行感知信號進行呼吸和入侵檢測，利用 UE 發基站收的上行感知信號做環境重構等，都需要支持非連14/79接態 UE 進行感知操作?；谙滦行盘栠M行感知時，如果 UE 支持

33、非連接態感知，對應的感知流程如圖 2-10 所示。圖2-10基于下行信號的UE非連接態感知流程感知業務觸發后，根據 UE 上報能力（如支持非連接態下感知信號接收和信號處理），網絡可配置 UE 在非連接態下進行感知操作。如果當前沒有通信數據傳輸需求，UE 進入非連接態?；靖鶕渲眠M行感知信號的發送，UE 根據配置進行感知信號的接收和數據處理。在 UE 側，感知操作需要與通信的相關操作聯合進行，比如同步、paging 接收以及測量等操作。如果感知數據需要上報，一種方式是 UE 進入連接態，根據網絡配置進行感知數據的上報，如圖 2-10(a)。這種操作對感知數據量和上報方式（如周期性上報，或事件觸

34、發上報）等沒有特別要求，但 UE 需要通過隨機接入進入連接態，需要額外的信令，同時時延也較大。如果感知數據量比較少，另外一種可能的方式是在 inactive mode 下通過 SDT（Small DataTransmission,Rel-17）進行上報，如圖 2-10(b)。在此過程中如果有通信業務需求，UE 需要進入連接態，感知操作需要繼續進行，此時感知測量配置和感知數據上報需要依據連接態下的配置?；?UE 發基站收的上行信號感知操作同樣也需要考慮 UE 非連接態下的流程。對應的感知流程如圖 2-11 所示。15/79圖2-11基于上行信號的UE非連接態感知流程與基于下行信號的感知類似，感

35、知業務觸發后，根據 UE 上報能力（如支持非連接態下感知信號發送），網絡可配置 UE 在非連接態下進行感知操作。如果當前沒有通信數據傳輸需求，UE 進入非連接態。UE 根據配置進行上行感知信號的發送，如圖 2-11(a)。在 UE 側，需要將感知信號發送和通信相關操作聯合進行處理?；緞t進行感知信號接收和信號處理。另外一種做法如圖 2-11(b)所示,在 inactive mode，UE 可以通過小數據傳輸（Small Data Transmission，SDT）進行上行感知信號的發送。當 UE 處于 idle mode 時，接入網沒有 UE 的信息，如何觸發這些 UE 參與感知是需要進一步研

36、究的問題。2.3 測量量定義與感知信息傳輸測量量定義與感知信息傳輸2.3.1 感知測量量定義感知測量量定義在 6G 時代，感知技術正成為信息通信領域的關鍵技術之一。相比單基地感知，雙基地感知在目標探測時對時延、多普勒頻移和角度等基本測量量的計算和定義存在差異。這種差異源于收發節點間復雜的路徑傳播特性和干擾環境，傳統測量量已難以滿足復雜感知需求。因此，針對多樣化的感知業務和場景需求，亟需定義符合實際感知要求的測量量，以支撐雙基地感知的高效實現。感知信息可能包括多種層級，如下給出一種感知信息層級劃分示例：-感知結果：目標的距離、速度、位置信息、軌跡等，還可以是呼吸/心跳等生命體征信息，手勢/動作識

37、別信息，或者是車輛稽查信息，智慧路口和動態地圖等，或者是成像結果、天氣、空氣質量、形狀、材質、成分等。-感知初步數據：時延、多普勒、角度、信號強度（功率），也可以是譜信息，包括時延擴展譜、多普勒譜、微多普勒譜、角度譜，或者是以上至少兩者的組合，例如時延-多普勒譜，或時延-角度譜，或時延-多普勒-角度譜等。-感知原始數據：接收信號或者原始信道信息（如接收信號或信道響應的復數結果、幅度和/或相位、I 路/Q 路及其相關運算結果）。3GPP TS 38.215 中定義了通信系統常用的測量質量指標，包括參考信號接收功率（Reference Signal Received Power，RSRP）、參考信

38、號接收質量（Reference Signal ReceivedQuality，RSRQ）、SINR 等10。以 SINR 為例，其定義為特定資源單元上的信號功率除以16/79噪聲和干擾功率，當不考慮干擾時，可以用 SNR 替代 SINR，其定義為特定資源單元上的信號功率除以噪聲功率。在通信系統中，SNR 是衡量信號傳輸質量的重要指標，與通信性能好壞緊密關聯，一般可以認為，SNR 越高意味著信號傳輸質量越好，系統誤碼性能越好。對于通信系統，SNR（或 SINR）中的信號功率指經過 LOS 傳播，以及經過信道中各種反/散射體關聯的多徑信道傳播的全部接收信號功率之和。對于感知系統，SNR（或 SIN

39、R）中的信號功率指經過與感知目標關聯的多徑信道傳播后的接收信號功率，即經過感知目標反射的接收信號功率。對于不同的感知業務，信號功率的計算存在差異，例如對于車輛、行人或無人機檢測，信號功率指經過環境中的動態目標反射的接收信號功率，而經過靜態目標反射的接收信號被視為靜態雜波，對于靜態環境重構或障礙物檢測，信號功率則包含經過靜態目標反射的接收信號功率。對于感知 SNR（或 SINR），首先要定義感知目標相關的信號功率（分子部分）。以上報點云信息為例，可以是以散射點為單位定義 SNR 或 SINR。分子部分為每個散射點的功率，同一目標各散射點的信號功率可能不一樣。其次要定義噪聲、干擾和雜波（分母部分）

40、。其中包含熱噪聲、干擾（通信或其它感知信號）以及動態雜波，它們是通過感知算法無法消除的部分，可以假設在一定時延、多普勒和角度域范圍內（如感知信號所能觀測的范圍內）分布相同。由于 SNR 和 SINR 主要用于表征統計意義的信號質量，所以噪聲和干擾等可以通過對無目標、無可消除雜波和干擾區域的功率取平均來計算。需要特別指出的是，對于 LOS徑（雙基地感知中發送節點和接收節點之間的直射徑）和靜態雜波等，通?？梢酝ㄟ^感知處理消除，并不會對感知結果有太大影響（在某種意義上可以看作是“目標”），可以不包含在分母內。所以在估計 SINR 時，需要先對 LOS 徑、干擾和雜波等實行一些消除算法，再統計平均噪聲

41、和干擾的功率。圖 2-12 中給出了感知性能評估結果以及相應的通信 SNR 和感知 SNR 的統計結果，仿真中采用 TRP-UE 雙基地感知模式，由于 UE 位置不同，其觀測到的感知目標 RCS 大小不同，且經過感知目標反射的傳播路徑損耗不同，因此不同 UE 的感知性能存在差異?？梢钥闯?，相比于傳統的通信 SNR，感知 SNR 更能夠有效反映出感知性能的好壞。因此，在感知系統的設計中，建議引入感知 SNR、感知 SINR 等新的信號質量指標，其能夠更加準確地表征感知信號傳輸質量，可以用于判斷感知測量結果的好壞，還可以作為感知設備選擇/切換，感知波束管理，或感知資源配置調整等方面的參考指標。17

42、/79圖2-12感知精度與SNR統計：定位精度（左），通信SNR（中），感知SNR（右）更加一般化地，考慮引入 SINR-P（Signal-to-Interference-plus-Noise Ratio per Path）的概念，作為感知系統中重要的性能指標。SINR-P 表示任意路徑的信號干擾噪聲比，它能夠通過綜合考慮真實路徑損耗與干擾情況，反映每條回波路徑的信號質量。在感知任務中，SINR-P 可用于選擇協作節點，從而提升感知精度。例如，在多節點協作感知過程中，節點A 通過寬波束探測目標，目標反射的回波信號被其相鄰節點 B、C、D 等接收。相鄰節點可上報第一條遠于直達徑或第一條遠于直達徑

43、且速度非零路徑的 SINR-P，供節點 A 進行比較分析。最終，節點 A 選擇 SINR-P 最高的協作節點（如節點 D），以提升目標感知的魯棒性與準確性。圖 2-13 展示了這一過程，強調了節點間協作的重要性及 SINR-P 在實際場景中的價值。圖2-13協作節點選擇示意圖2.3.2 感知信息傳輸協議棧感知信息傳輸協議棧關于感知信息傳輸，其所使用的協議棧，根據不同的感知信息收發節點或者傳輸的感知信息內容的大小，協議棧有所不同?？梢允褂没诳刂泼娴膮f議棧、基于用戶面的協議棧，或者基于數據面的協議棧。感知信息傳輸的協議?？赡馨ǘ喾N可能，但是，為了簡化設計，可以在標準制定過程中明確給出感知信息傳

44、輸的所使用的協議棧，而不需要通過配置或協商的方式確定協議棧。下面以前述方式 1 基于控制面傳輸感知信息的方式為例，分別給出 UE18/79和 SF、基站和 SF 之間可能的協議棧設計。如果是 UE 和 SF 之間傳輸感知信息，其可能的協議棧如圖 2-14 所示，其中 XX 代表 6G，7G 等版本號。需要說明的是，圖中包含了 UE 和基站之間的協議棧。對于 UE 和基站之間的感知信息傳遞，方式 1 基于控制面傳輸感知信息時可以使用無線資源控制（Radio ResourceControl，RRC）信令傳遞，或者通過數據信道傳遞。圖2-14 UE和SF之間感知信息傳輸協議棧示例基站和 SF 之間感

45、知信息傳輸可能采用的協議棧設計如圖 2-15 所示。圖2-15基站和SF之間感知信息傳輸協議棧示例基站之間感知信息傳輸可能采用的協議棧設計如圖 2-16 所示。19/79圖2-16基站之間感知信息傳輸協議棧示例2.3.3 測量結果上報測量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，即定位管理功能（Location Management Function，LMF）根據 RSRP、時延（差）、角度等測量量確定目

46、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提出了更高的要求。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，如何高效地進行測量量上報是需要關注的問題。在移動網絡中，SF 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，考慮設計新的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。在感知任務中，有多個徑/測量量信息需要上報，SF 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

47、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，.，P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20/79圖 2-17 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2-17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 2-18 所示。Am、Bm、.Xm分別表示

48、第 m 條徑不同的測量量。圖2-18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。1）將優先級較高的前 m 個徑的所有測量量排在前面，即 Sensing-1；2）將 M 個徑的優先級較高的前 p 個測量量排在前面，即 Sensing-1；3）將優先級較高的前 m 個徑且優先級較高的前 p 個測量量排

49、在前面，即 Sensing-1；此外，對于感知測量量的上報問題，提出一種數據壓縮方案，如圖 2-19 所示。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，都與前一條徑的測量量做差，若當前需求下需要的測量量差值都在某個范圍內，則上報當前徑的測量量時只需上報與前一條徑的測量量差值。圖2-19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。21/793 雙基地感知關鍵技術雙基地感知關鍵技術3.1 信號設計信號設計3.1.1 序列設計序列設計現有通信系統所采用的正交頻分復用（O

50、rthogonal Frequency Division Multiplexing，OFDM）波形的峰值平均功率比（Peak to Average Power Ratio，PAPR）較高，需要對功率放大器進行功率回退才能使功率放大器工作于線性區域，導致發送功率降低，直接影響感知回波信號強度，不易被檢測。因此，若基于 OFDM 波形進行通信感知一體化系統設計，需盡可能采取低峰均比序列作為感知序列，減少功率回退，增大發射功率，提升回波信號強度?，F有通信系統中的參考信號所使用的基礎序列主要有 Zadoff-Chu（ZC）序列、最長線性反饋移位寄存器（m）序列以及 Gold 序列。其中，ZC 序列具有

51、恒幅特性，且 ZC 序列的離散傅里葉變換仍然是一種 ZC 序列，因此，ZC 序列的峰均功率比 PAPR 較低。ZC 序列具有良好的自相關特性和互相關特性，ZC 序列與其循環移位后的序列的相關值為零，不同根序列之間的循環互相關很低。而且，ZC 序列具有較高的多普勒容忍能力，即具有較好的抗頻偏特性，對于高速目標反射的高多普勒頻移回波信號也有較好的檢測性能。例如，5G NR通信系統中的上行探測參考信號（SRS）使用的基礎序列為 ZC 序列。另一種常用的序列是 Gold 序列，它是一種偽隨機序列，是 5G NR 通信系統中使用最多的一種參考信號序列。通過對兩個 m 序列進行模 2 加得到 Gold 序

52、列，然后再對 Gold 序列進 行 2-bit 的 QPSK 調 制，變 成 復 數 信 號 序 列。例 如，CSI-RS（Channel StateInformation-Reference Signal），DMRS（Demodulation Reference Signal）和 PRS（PositioningReference Signal）等參考信號的基礎序列都是 Gold 序列。Gold 序列也具有良好的自相關特性和互相關特性，以及較好的抗頻偏特性，并且支持的序列個數多，但其峰均功率比 PAPR相對較高。Gold 序列和 ZC 序列均可作為感知信號候選序列。通信系統中通常逐個 OFDM

53、 符號去生成和映射序列，很少考慮不同符號之間序列的關聯性，因此存在時域維度序列隨機性不足的問題，對于采用時、頻域二維聯合處理的感知系統，不同符號時域維度序列相關特性較差?？紤]對不同符號序列進行時域維度加擾或隨機化的方式，可以優化其時域維度序列特性，降低互相關峰值11。假設每個感知相干處理時間內 包 含 M 個 OFDM 符 號，每 個 符 號 承 載 長 度 為 N 的 參 考 信 號 序 列=0,1,1,0 1，通過隨機生成的系數 ,0 1對不同符號承載的參考信號序列進行隨機化處理得到,=,0 1,0 1。新的信號由于是對不同符號承載的參考信號序列進行整體隨機化處理，其頻域維度序列特性沒有改

54、變，但時域維度序列特性得到了改善。以 5G NR 中 CSI-RS信號 Gold 序列和 SRS 信號 ZC 序列（開啟組跳）的生成方式為基線，與進行時域隨機化處22/79理后的序列的互相關特性對比如圖 3-1 所示?？梢钥闯?，優化后的信號時域互關特性得到了明顯改善。圖3-1序列優化前后互相關性能對比進一步通過系統仿真對優化前后序列的感知性能進行對比評估，仿真中建模了來自鄰區的干擾。其中 ZC 序列進一步考慮不進行組跳和序列跳，進行組跳或序列跳的不同配置，仿真結果如圖 3-2 所示?？梢钥闯?，不論是 Gold 序列還是 ZC 序列，相比于 5G NR 現有的序列生成方式，對序列進行時域維度優化

55、后目標定位性能得到了顯著提升。圖3-2序列優化前后定位性能對比不同于通信系統，感知系統中，感知發送節點發送信號經目標物體反射后到達接收節點處的回波信號非常弱，時域功率不均衡容易導致微弱信號的失真，從而影響感知性能。因此，針對感知參考信號，更希望能使用具有恒幅特性，時域功率均衡的序列。雖然 ZC 序列具有恒幅特性，但以 ZC 序列為基序列生成的實際使用的參考信號序列可能不再具有恒幅特性。以 SRS 為例，使實際使用的 SRS 序列長度會大于 ZC 根序列長度，且存在相位循環移位項，使得實際的 SRS 序列不再具有恒幅特性，如圖 3-3 所示。23/79圖3-3 SRS序列無恒幅特性示意圖一種處理

56、方法是對不再具有恒幅特性的序列做 DFT 變換后再使用，使得實際使用的參考信號序列又具有恒幅特性，如圖 3-4 所示。圖3-4增加DFT變換后具有恒幅特性示意圖目 前 5G 通 信系 統使 用的 ZC 序 列生 成方 式為=exp j+1，=0,1,2,1，對于 SRS，根序列號的計算方式為=?+1 2+12?，?=+131。其中，0,1,29 是組號，0,1 是組內序列號。雖然 SRS 的生成支持組跳和序列跳的機制，但是最大分組個數以及組內序列數有限，因此可用的 ZC 序列個數有限。未來感知系統需要支持多目標感知以及多設備感知功能，因此存在需要支持更多序列個數的需求。為保證較高的距離分辨率，

57、感知系統通常使用較大的帶寬資源，對應的序列長度較長。因此，若采用 ZC 序列作為生成感知信號的基本序列，可以通過改變組跳或序列跳的設計，例如支持更多的分組個數和組內序列個數，擴展可用的 ZC 序列個數，從而有利于實際應用場景中各個小區或感知設備之間的干擾隨機化，提升感知性能。3.1.2 資源映射方案資源映射方案感知信號資源映射規則需要考慮滿足感知分辨率和感知測量范圍等性能。更大的信號帶24/79寬、更長的信號持續時間能夠提供更高的距離分辨率和速度（多普勒）分辨率，增加信號頻域密度和時域密度能夠提供更大的無模糊距離范圍和無模糊速度（多普勒）范圍。傳統的雷達感知中通常發送資源連續且時寬、帶寬較大的

58、信號，但通感一體化系統中還需要考慮對通信速率的影響，因此對感知資源開銷有一定限制，需要根據感知業務中對上述幾項感知性能的需求不同來設計信號資源映射圖樣。均勻感知信號的信號配置和對應的信號處理均相對簡單，并且具有較好的感知性能。然而，在通感一體化的場景下，均勻感知信號存在如下挑戰12：均勻感知信號的時頻資源開銷較大：為了滿足時延和多普勒的分辨率和最大不模糊測量范圍的要求，均勻感知信號所占用的子載波數和 OFDM 符號數較多。在多端口感知的情況下，感知信號的資源開銷問題則會更加嚴重。均勻感知信號的配置靈活性差：為了實現高分辨率性能的感知，感知信號的時頻資源的跨度較大，并且均勻采樣的感知信號需要占用

59、周期性的信號資源。存在多種多樣的通信業務（包括低時延高可靠業務）和感知業務的情況下，很難保證以特定周期重復的信號資源都能分配給某一感知信號。另外，均勻感知信號很難充分利用各種通信參考信號。在感知應用中，感知目標在時延和多普勒域通常是稀疏的，那么可以由低于奈奎斯特采樣率的采樣點重建恢復信號。也就是說，可以采用非均勻信號執行感知業務，從而能夠克服上述均勻感知信號存在的問題。在相關文獻中，基于非均勻天線陣列的到達角估計和波束賦型已經獲得了廣泛的研究和應用。非均勻信號設計和對應的信號處理方法也在非均勻天線陣列的研究中逐漸成熟起來。在通感一體化應用中，可以將非均勻信號設計從空域引入到時頻域，用于感知信號

60、的時頻資源分配，從而降低感知信號的資源開銷、提升資源分配的靈活性。非均勻感知信號的設計方法主要包括如下兩類：基于壓縮感知的非均勻感知信號設計：如果感知信號本身或者在變換域是稀疏的，則能夠以遠低于奈奎斯特采樣率的采樣點重建恢復13。這種非均勻感知信號設計的關鍵在于稀疏矩陣和觀測矩陣的構造，需要滿足壓縮感知理論中的有限等距條件（RestrictedIsometry Property,RIP）14。在通感一體化系統中，對于采用 OFDM 波形的信號，最典型的稀疏基為 DFT 稀疏基和 IDFT 稀疏基。具體地，對于頻域信號，與時延域信號進行變換的稀疏基為 DFT 稀疏基；對于時域信號，與多普勒域信號

61、進行變換的稀疏基為 IDFT 稀疏基。另外，對 OFDM 波形的信號進行時頻資源分配時，特定的子載波或OFDM 符號只存在兩種可能狀態：分配給感知信號、或不分配給感知信號，這種二元25/79狀態可以用伯努利矩陣來描述。從而可以采用伯努利矩陣作為觀測矩陣，與 DFT 稀疏基或 IDFT 稀疏基能夠滿足 RIP 條件。通過上述方法，能夠簡單地進行非均勻感知信號設計。在接收端，可以通過貪婪算法進行迭代搜索能夠獲得最優解，例如，正交匹配追蹤算法（Orthogonal Matching Pursuit，OMP）?；诓罘謪f同陣列的非均勻感知信號設計：由物理陣元之間的頻率差或時間差構造虛擬陣元，從而能夠通

62、過較少的陣元數構造較大的陣列15。典型的虛擬陣列構造方法是嵌套陣和互質陣，如下圖 3-5 所示，包括物理陣列和對應的虛擬陣列。在接收端，通過對非均勻的物理陣列的接收信號做協方差運算來構造均勻的虛擬陣列的接收信號，構造出虛擬陣列后可通過 DFT/IDFT 或 MUSIC 等方法進行后續處理。需要指出的是，構造虛擬陣列后會使得各個徑變成相干信號，需要先進行解相干處理后才能應用 MUSIC 等子空間類算法。此種非均勻感知信號設計方法可用于一維感知信號設計，獨立的二維差分協同陣列設計方法還有待研究。圖3-5差分協同陣列示意圖下圖 3-6 為在樣機試驗中采用非均勻感知信號與均勻感知信號得到的時延-多普勒

63、譜的對比?？梢钥闯?，非均勻感知信號在顯著降低時頻資源開銷的同時，會損失一定的感知信噪比。因此在實際應用中，需要在資源開銷與感知信噪比之間權衡。(a)均勻信號均勻信號(b)壓縮感知方法壓縮感知方法(c)嵌套陣方法嵌套陣方法圖3-6非均勻感知信號實測時延-多普勒譜采用兩步非均勻感知信號設計方法，首先進行均勻感知信號的設計，然后基于均勻感知信號進行非均勻采樣得到非均勻感知信號。具體地，從均勻信號占用的時頻資源中進行非26/79均勻采樣，選擇出一部分子載波或 OFDM 符號用以承載感知信號，實現非均勻感知信號設計，如圖 3-7 所示。與均勻信號相比，非均勻信號能夠減小感知信號占用的信號資源數，且能夠避

64、開部分子載波或 OFDM 符號以避免與其他信號的沖突。圖3-7兩步非均勻感知信號設計方法兩步非均勻感知信號設計方法的第一步能夠保證感知信號的時延或多普勒的分辨率和最大不模糊測量范圍的要求，從而使得第二步非均勻采樣的設計能夠更加靈活。另一方面，第一步的均勻信號配置比較易于采用現有協議中的資源配置方法實現?？紤]到最大無模糊范圍與感知精度之間存在折中關系，即測距誤差 與（感知信號所占用子載波之間的間隔）成線性反比關系，最大測距范圍也與成線性反比關系。如圖 3-8 所示，非均勻的導頻自適應映射方案可以基于感知需求進行頻域資源的靈活配置，動態調整參考信號映射圖樣，接收端按照不同域配置方式進行感知算法選擇

65、。這樣可以很好的處理測距精度和最大測距范圍的權衡問題，并且在同樣的感知性能下可以減少開銷，提高時頻資源利用率，滿足不同場景的感知測距需求。圖3-8非均勻的導頻自適應映射方案為了獲取精準的終端位置信息、速度或其他感知信息，感知參考信號往往需要配置大量的時頻資源。為節省感知資源開銷，梳狀映射是一種潛在的解決方案，梳狀映射通過配置感知參考信號在時域、頻域上等間隔分布，如圖 3-9 所示。當感知帶寬、幀長固定時，梳狀映射方案可在不降低感知精度和分辨率情況下，節省資源開銷。27/79圖3-9時頻均勻等間隔參考信號資源映射而梳狀映射方案會引入估計模糊問題，例如基于 OFDM 等間隔感知參考信號排布可推導出

66、最大模糊距離為=2，其中為子載波間隔，表示頻域相鄰兩個參考信號資源單元（Resource Element，RE）間隔；最大模糊速度為：=2，其中表示符號間隔，表示時域相鄰參考信號符號間隔?？梢钥闯龈兄盘栴l域間隔越小，距離無模糊范圍越大；感知信號時域間隔越短，速度無模糊范圍越大。同樣，為解決模糊感知問題，感知信號可采用非均勻分布，即采用時頻稀疏的感知參考信號設計。對于給定的感知帶寬和感知幀長，稀疏感知信號采用非均勻的感知信號單元排布，不降低感知精度與分辨率的同時，可避免模糊估計問題。同時，當感知參考信號單元數確定時，非均勻感知信號可實現更高的感知精度與分辨率。典型的非均勻感知信號圖樣包括基于互

67、質稀疏圖樣和基于嵌套的圖樣，具體如下：基于互質的稀疏感知信號圖樣：由兩個均勻的等間隔感知信號圖樣組成，其中一個感知信號圖樣包含 2M 個感知信號單元，且相鄰感知信號單元間隔為 Nd；另一個感知信號圖樣包含 N 個感知信號單元，且相鄰感知信號單元間隔為 Md。其圖樣設計可采用如下方案：=+,=0,1,2,1 +,=0,1,2,2 1其中表示所有感知信號單元組成的集合，表示相鄰兩個感知參考信號單元之間最小間隔，需要對輸入信號進行補零。將二維周期圖引入 OFDM 感知參數計算，其中輸入信號為感知信息檢測矩陣，利用IFFT 和 FFT 計算得到二維周期圖18,=1=01=01,2?2?2感知信息檢測矩

68、陣中感知目標反射徑時延和多普勒的正弦分量會使得,中出現相應的峰值，若?,?對應其中一個峰值，則可以計算得到相應的感知目標反射徑時延和多普勒的估計結果?=?,?=?其中，表示光速，為 OFDM 子載波間隔，為載波頻率。35/79（2）Capon 算法對于目標角度估計，通常采用 Capon 算法。Capon 是一種基于陣列信號處理的到達角估計算法，通過計算輸入信號的協方差矩陣以及陣列方向矢量相關的空間譜函數并進行譜峰搜索，得到角度估計值。其中，輸入信號通?？梢允遣煌炀€的距離/多普勒脈沖壓縮結果，例如周期圖結果?,?。Capon 算法所要求解的優化問題可以表述為|()|2=min 其中，()為輸入

69、信號，為陣元權重向量，為輸入信號的協方差矩陣。通過進一步計算可得 Capon 的空間譜函數為=11 其中，是期望信號的導向矢量，即角度關聯的信號方向向量。根據空間譜函數計算結果進行譜峰搜索，峰值對應的索引即表征了目標角度信息。（3）MUSIC 算法MUSIC 算法是一種基于子空間分解的算法，利用信號子空間和噪聲子空間的正交性，構建空間譜函數，通過譜峰搜索進行參數估計。根據感知信息檢測矩陣，估計時延自協方差矩陣和多普勒自協方差矩陣19=1,=1 分別對和，進行矩陣分解求特征值，個最大特征值對應的特征向量構成信號子空間，其余 個特征值對應的特征向量構成噪聲子空間，噪聲子空間可表示為 。目標角頻率=

70、對應的導向矢量 正交于噪聲子空間，即它位于噪聲子空間 的零空間，對下式求解得到?,和?,。=0根據?,和?,得到與感知目標反射徑時延和多普勒關聯的角頻率?,=arg?,，?,=arg?,，進而計算得到目標時延和多普勒的估計結果。?=?2,?=?2（4）ESPRIT 算法ESPRIT 算法是一種基于旋轉不變性技術的高分辨率空域譜估計算法，同樣屬于子空間估計的經典算法。根據輸入信號，即感知信息檢測矩陣，估計時延自協方差矩陣和多普勒自協方差矩陣=1,=1 以為例，對其進行特征值分解后，按照特征值=diag 0,1,1排序，則中個最大特征值對應的特征向量構成信號子空間，其余 個特征值對應的特征向量構成

71、36/79噪聲子空間，即=,分別取信號子空間的前 1 行和后 1 行可得1=1,2=1其中1為維度為(1)(1)的單位矩陣，為長度為 N-1，元素全為 0 的向量。根據1和2進一步計算可得=11112其中，矩陣的特征值可用于估計輸入信號中與距離或速度關聯的角頻率。根據時延自協方差矩陣和多普勒自協方差矩陣分別計算得到和，進而根據和中最大的個特征值?,和?,計算得到的感知目標反射徑的傳播時延和多普勒頻率的估計結果?=arg?,2,?,=arg?,2,=0,1,13.2.2 雙基地感知位置信息計算雙基地感知位置信息計算雙基地模式目標與收發設備空間位置以及角度、距離關系如圖 3-21 所示。xyzTa

72、rgetAOATZOATzxyRAOALZOALTxRxdTx-TargetdTarget-Rx圖3-21雙基地感知模式目標與收發節點空間位置關系信號接收設備通過測量得到感知目標反射徑到達方位角，以及感知目標反射徑到達天頂角，LOS 徑，LOS 徑，感知目標反射徑與 LOS 徑的時延差。接收設備根據感知目標反射徑與 LOS 徑的時延差以及收發設備距離計算雙基地距離和+=+其中，為光速，為收發設備間的距離，即雙基地基線距離。然后根據 LOS 徑和感知目標反射徑的到達角度信息，計算兩者在雙基地平面上的來波夾角37/79=1 +根據來波夾角以及雙基地距離和計算目標到信號接收設備之間的距離=+2 22

73、+根據目標到信號接收設備之間的距離和目標徑的角度信息即可計算感知目標相對于接收設備的位置坐標信息,，其中=雙基地感知中接收設備測量的到達角信息通常是相對于接收設備本地坐標系的角度信息，因此若計算目標在全局坐標系中的位置坐標，則需要根據接收設備本地坐標系相對于全局坐標系的轉換關系得到全局坐標系下的目標到達角度信息。對于雙基地感知，除了可以通過對到達角和時延的測量得到目標位置信息，還可以通過對離開角以及時延的測量可以計算得到目標到發送設備的距離，進而根據目標到發送設備的距離以及離開角計算目標相對于發送設備的位置信息。雙基地感知模式中，發送設備的天線配置相對于接收設備通常是未知的，若需要接收設備側進

74、行離開角度測量，還需要通知接收設備發端天線的配置，或者間接通過接收端對預編碼向量搜索或波束測量，并根據預編碼向量或波束與角度的關聯關系確定離開角信息。此外，雙基地感知相對于單基地感知提供了不同的觀測角度，僅通過離開角和到達角的測量也可以確定雙基地三角形，并結合雙基地基線距離計算目標位置信息。對于多基地協作感知模式，可以通過僅測量時延或角度得到目標位置信息，但需要考慮多個目標的角度或時延等測量信息的匹配問題。3.2.3 基于基于 NLOS 的感知方法的感知方法非視距（NLOS）傳輸是一種頻繁發生的、會嚴重影響感知精度的非理想因素。雙基地感知過程中的視距（LOS）傳輸是指在感知發送端和目標，以及目

75、標和感知接收端之間，感知信號徑直傳輸，不存在由周圍散射體造成的反射/折射/繞射，如圖 3-22(a)所示。而 NLOS傳輸則是指在感知發送端和目標，或者目標和感知接收端之間，存在建筑物、樹木等散射體，導致感知信號除了經過目標反射外，還經過散射體的反射/折射/繞射，使得信號發生多跳反射。對 NLOS 問題，有三種場景的處理途徑：識別、消除和利用。當 LOS 徑被遮擋時，只有最后一種可以將 NLOS 從不利因素轉變為有利因素，保證 NLOS 情況下的感知精度。（1）一種雙基地感知中的 NLOS 場景如圖 3-22 所示。其中，感知發送節點（基站 A）發送感知信號來感知一個預先檢測到的目標 T，感知

76、回波信號被感知接收節點（基站 B）接收。S 為散射體。僅考慮兩跳之內的反射。在 A 和 T 之間為 LOS 徑，但 T 和 B 之間的 LOS 徑38/79被障礙物遮擋。在環境中另外存在一個散射體 S。目標 T 的位置和散射體 S 的位置均未知?？梢钥闯?，共存在 2 條路徑，一是發送端-散射體-接收端的 LOS 徑（A-S-B），二是發送端-目標-散射體-接收端的 NLOS 徑（A-T-S-B）。針對 A-T-S-B 路徑，如果利用傳統感知方法，即 AoA+時延估計，計算目標位置，將得到一個“假目標”的位置，即圖 3-22 中的“G”。為了獲得真實目標位置，我們需要利用兩條路徑的幾何關系。(1

77、)示意圖(2)幾何關系圖圖3-22 NLOS下的協作感知場景如圖 3-22 所示，兩條路徑具有相同的 AoA，但 AoD 不同，這可以作為區分兩條路徑的一種方式。兩條路徑上的幾何關系如下：(1)發送端-散射體-接收端的 LOS 徑（A-S-B）sin1=sin1+=11+1=0(2)發送端-目標-散射體-接收端的 LOS 徑（A-T-S-B）(+)sin2=(+)sin2(+)cos2+(+)cos2=02+2 2(2 2)=2+=2(3)若發送端-目標-接收端 LOS 徑（A-T-B）存在，則有(sin3)2+(0 cos3)2=2+=3對比可見，當存在包含目標的 LOS 徑時，僅需估計 A

78、oA+時延即可獲得目標位置。但當 LOS 徑不存在時，A-S-B 路徑和 A-T-S-B 路徑的幾何關系中，角度和時延參數、散射體路徑距離以及 LOS、NLOS 路徑距離可以通過測量、估計獲得，而其他距離參數則需要通過測量、估計得到的參數信息進一步根據幾何關系推算獲得。因此，為了利用 NLOS 徑估計目標的真實位置，與利用 LOS 徑不同，需要進行 AOA-AOD 聯合估計，再結合時延信息，獲得目標位置。為此，提出了一種 NLOS 利用算法。該算法流程如圖 3-23 所示，包括以下39/795 個步驟：1聯合 AOA-AOD 估計：傳統的 AOA/AOD 測角算法如 MUSIC 等都可擴展到二

79、維聯合估計。獲得兩路信號對應的兩對 AOA-AOD 組合。2A-S-B 路徑距離估計：可以利用 1-D DFT 等算法。3A-S-B 路信號重建與干擾消除：根據估計得到的時延、角度信息，結合路損模型，反推A-S-B 路信號，并從復合信號中刪除，獲得 A-T-S-B 路信號。4A-T-S-B 路徑距離估計：對 A-T-S-B 路信號執行 1-D DFT 等，獲得時延/距離信息。5目標位置估計：利用幾何關系獲得目標位置。圖3-23協作感知中的NLOS利用算法流程圖在 4.9GHz 頻段，對以下四種情況進行了仿真對比分析，結果見圖 3-24，包括以下幾種不同算法：1所提算法（包括利用干擾消除）2所提

80、算法（不利用干擾消除）3傳統算法（利用傳統 LOS 徑時的算法處理 NLOS 徑）4傳統算法（LOS 徑存在，作為基準）圖3-24位置估計結果可以看出，所提方法（紅星）能夠估計目標的真實位置，并且接近 A-T-B LOS 情況（藍星）下估計的位置。當不采用干擾消除時（綠星），對 A-T-S-B 路徑的距離估計結果將接近40/79A-S-B，導致認為目標位于 A、S 之間，又因為其 AOD 方向為 A-T 方向，因此最終估計目標位置將在二者交點，即原點附近，造成較大誤差。當直接拿 A-T-S-B 的距離和 AOA 估計目標時（紫星），將獲得假目標位置。3.3 非理想因素消除非理想因素消除3.3.

81、1 硬件非理想因素及影響硬件非理想因素及影響在通感一體化系統中，感知非理想因素是指那些對于通信性能幾乎沒有影響、但是對于感知性能有重要影響的非理想因素20。由于感知非理想因素的抑制對于雙基地感知的性能起著決定性的影響，在過去幾年中被廣泛研究。本章節考慮的感知非理想因素主要由感知信號的收發端設備之間的時頻異步問題引起，包括定時偏差、定時漂移和載波頻率偏差。另外，由設備狀態切換引起的隨機相位對于感知性能也有重要影響。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源生成時鐘信號用于進行定時同步，收發端之間的時鐘信號的差異會造成定時偏差，給感知信號在頻域上帶來除了

82、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。定時漂移（Timing Drift,TD）：受到感知信號的收發端之間的采樣時鐘偏差，以及感知信號的接收端的定時調整的影響，定時偏差會隨著時間發生變化，從而使得不同 OFDM符號承受不同的定時偏差，最終導致不同 OFDM 符號之間無法進行相干積累21。定時漂移可以理解為定時偏差隨時間的變化量，而定時偏差則主要強調某一指定 OFDM符號或者一個相干處理間隔（Coherent Processing Interval,CPI）整體的定時偏差。載波頻率偏差（Carrier Frequency Offse

83、t,CFO）：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。載波頻率偏差會造成多普勒測量的模糊。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。與定時漂移類似，隨機相位導致不同 OFDM 符號之間無法進行相干積累，從而會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。隨機相位主要發生于性能較差的設備上，例如，低成本終端。圖 3-25 給出一組實測數據中感知信號受感知非理想因素的影響，在獲得該組數據的過程中感知信號的收

84、發端設備均為靜止狀態，環境中存在 1 個運動目標，接收信號中包含了41/79LOS 路徑信號以及運動目標和環境物體反射路徑信號。圖 3-25(a)是受感知非理想因素影響的時延譜，可以看出，各個 OFDM 符號之間有時延和幅度的差異，這主要是由定時漂移引起的。進而，在圖 3-25(b)中，時延-多普勒譜發生嚴重彌散，無法正確檢測出感知目標。在消除定時漂移的影響后，得到的時延-多普勒譜如圖 3-25(c)所示，可以看出，包含了大部分接收功率的徑沒有處于零多普勒一列，這是載波頻率偏差的直觀體現。另外，定時偏差使得圖 3-25(c)的時延-多普勒譜整體沿時延方向發生了平移。圖3-25感知非理想因素的影

85、響3.3.2 硬件非理想因素消除方案硬件非理想因素消除方案（1）對消類方法）對消類方法感知非理想因素的本質是引入額外的相位誤差，進行感知非理想因素消除的主要思路可以是在某個域通過對消方法來消除由感知非理想因素所引起的額外的相位誤差，包括以下幾類22：天線域對消：天線域對消：主要包括天線間共軛乘（Cross Antenna Cross-Correlation,CACC）方法和天線間信號商（Cross Antenna Signal Ratio,CASR）兩類，顧名思義，分別是進行天線之間信道狀態信息的互相關運算和除法運算2324。其中，CACC 方法和 CASR 方法分別又被稱為 CSI（Chan

86、nel State Information-Reference Signal）共軛乘方法和 CSI 商方法。不同天線上由時鐘異步所引起的感知非理想因素是相同的，因此不同天線接收信號承受的定時偏差、定時漂移和載波頻率偏差是相同的，能夠通過天線域的信號處理來抑制非理想因素。在參考信號采用恒模序列（例如，ZC 序列）的情況下，共軛乘與除法運算的結果之間僅相差一個常數系數。需要指出的是，進行空域消除的天線之間需要共用變頻模塊和時鐘生成模塊；在射頻通道數較大的設備中，可能存在多套變頻模塊和時鐘生成模塊，此時不可以進行不同模塊間的空域消除。該類方法適合用于提取多普勒信息，因此在生命體征（呼吸、心跳）檢測的

87、感知應用場景中得到很好的應用，具有較好42/79的性能。然而，在需要獲取感知目標的時延和角度信息進而獲取位置信息時，該類方法存在一些困難。時延域對消時延域對消：將信道狀態信息通過 IDFT 變換到時延域之后，通過不同徑之間的相位對消來消除非理想因素的影響2526。因為，在非常短的時間內（例如，一個 OFDM 符號）不同徑所經歷的非理想因素是相同的。典型地，可以從 LOS 徑或者其他強靜態徑中提取出除運動感知目標的多普勒以外的其他所有因素引起的相位，然后用于對其他所有的徑進行相位補償。這種方法在單天線和多天線情況下都可以使用，且能夠避免天線間消除方法存在的鏡像頻率和非線性等問題，逐漸成為一種熱門

88、的方案。然而，這類方法依賴于存在可分離的強徑這一條件，其效果嚴重依賴于參考徑的功率24。通常適用于 LOS 條件下，采用 LOS 徑作為參考徑來進行非理想因素消除。另外，時延域消除通常依賴于通過毫米波頻段的大帶寬信號獲得較高的時延分辨率。如圖 3-26 所示，通過仿真對基于參考徑的同步方案進行驗證，結果表明，該方法能夠顯著補償時間和頻率同步誤差，大幅提升距離和速度的估計精度。這表明，參考徑同步方案在實際通信感知一體化（Integrated Sensing and Communication，ISAC）場景中具有可行性和高效性。圖3-26有無時間和頻率同步情況下的距離和速度估計空間域域對消空間域

89、域對消：由于靜態徑中沒有由運動感知目標引起的多普勒頻率成分，而僅包含由非理想因素導致的相位變化2728。因此，通過在空間域識別出靜態徑，從而能夠利用靜態徑估計出由所有非理想因素引起的相位變化，用于非理想因素的消除。這類方法在本質上與時延域消除類似，都是利用靜態徑進行非理想因素的提取和消除。顯然，這類方法要求具有較大的空域自由度，從而能夠在空域將靜態徑與其他徑分開。顯然，現有 sub-6G 頻段的通信系統通常不能滿足這一條件。另外，在空間域搜索靜態徑的運算量較大的問題也不容忽視。43/79（2）往返測量方法）往返測量方法對消類方法主要用于消除定時漂移、載波頻率偏差和隨機相位的影響，在 LOS 場

90、景下也可借助于 LOS 徑的已知的時延值來消除定時偏差。然而，在 NLOS 場景下，需要通過其他方法來消除定時偏差的影響。類似于 5G 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29。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，因此可以提取或抑制定時偏差和載波頻率偏差。（3）

91、補償類方法）補償類方法對消類方法往往僅適用于部分場景、或者對于感知測量配置具有一定要求，例如，時延域對消方法要求信號帶寬較大、且具有單個功率顯著的靜態徑，空間域對消方法要求較大的空間分辨能力、且具有單個功率顯著的靜態徑。這些要求限制了對應方法的應用范圍。文獻21系統性地研究了感知非理想因素對于感知信號的作用機理，揭示了由定時漂移所引起的時延譜移位和相位漂移的現象，以及進一步導致的時延-多普勒譜彌散現象?；谶@些機理的研究，提出了異步時延-多普勒方法（Asynchronous Delay-Doppler,ADD）。對應于時延譜移位和相位漂移現象，異步時延-多普勒方法包括兩個步驟：時延譜對齊時延譜

92、對齊：采用過采樣 IDFT 進行時延譜的運算，減小時延譜對齊之后剩余的分數移位?；跁r間-時延譜提取出不同 OFDM 符號之間的時延譜移位值，進而進行時延譜移位的補償操作，即時延譜對齊。相位補償：相位補償：在時延譜對齊之后，由定時漂移引起的相位漂移也會造成時延-多普勒譜的彌散。相位補償方法包括：相位構造方法：基于相位漂移與定時漂移之間的解析關系，通過提取出的時延譜移位值構造補償相位值。該方法運算簡單，適用于無隨機相位的場景，例如，下行感知場景、或者高性能終端參與的上行感知場景。群相位差方法：在靜態徑功率占主導的條件下，通過提取各個 OFDM 符號之間的群相位差來構造相位補償值。該方法能夠適用于

93、存在隨機相位的場景。圖 3-25 展示的是采用異步時延-多普勒方法消除定時漂移的影響的結果，可以看出，異44/79步時延-多普勒方法能夠很好地抑制定時漂移的影響。另外，基于異步-時延多普勒的處理結果，很容易能夠根據獲取的無彌散的時延-多普勒譜，消除載波頻率偏差的影響。表 3-2 匯總了上述各種感知非理想因素消除方法能夠抑制的感知非理性因素。各種方法的優點和局限性參見前文描述。表3-2各種感知非理想因素消除方法適用的感知非理想因素定時偏差定時漂移載波頻率偏差隨機相位天線域對消-時延域對消（依賴 LOS 徑）角度域對消（依賴 LOS 徑）往返測量-異步時延-多普勒-3.3.3 雙基地雜波消除方案雙

94、基地雜波消除方案雜波是雷達領域中的術語，指的是接收機收到的與目標無關的回波信號。雜波回波是隨機性的，而且具有熱噪聲的特性，因為不同雜波物體產生的回波具有隨機的幅度和相位。很多情況下，雜波功率要比接收機熱噪聲功率大得多。因此，在復雜環境中，感知系統對目標的檢測能力更取決于信號雜波比，而非信噪比。也就是說，雜波消除對于保證感知性能至關重要。在雷達領域，動目標顯示（Moving Target Indication，MTI）、動目標檢測（Moving TargetDetection，MTD）是常用的雜波消除方法。MTI 技術是一種通過利用目標運動產生的多普勒頻移來抑制靜止雜波，從而突出移動目標的方法3

95、0。MTI 技術通常使用濾波器來抑制靜止目標的回波信號，從而提高雷達系統對移動目標的探測性能。在雷達系統中，雜波頻譜一般集中在零頻附近，對于脈沖體制雷達，雜波頻譜一般集中在零頻附近以及雷達脈沖重復頻率附近，MTI 的基本原理是利用目標的運動特性，將目標產生的回波信號與地面雜波進行區分，即將雜波功率集中的頻帶進行抑制。在 MTI 雷達中，通常采用脈沖多普勒處理技術，通過對連續多個脈沖回波信號進行處理，從而實現對靜止雜波的抑制，或者將慢速運動目標和快速運動目標區分開來。MTD 技術是一種用于檢測雷達回波中移動目標的技術31，它通常結合了 MTI 技術，通過對雷達回波信號進行處理，利用多普勒濾波器組

96、來抑制各種雜波，來提高雷達在雜波背景下檢測運動目標的能力，從而實現雜波消除和目標檢測。此外，在機載雷達中廣泛應用的空時自適應處理（Space-Time Adaptive Processing，STAP）45/79技術是一種利用雷達接收陣列的空間和時間信息來抑制雜波的方法，其通過空域和時域 2維聯合自適應濾波的方式，實現了機載雷達對強雜波與干擾的有效抑制32。STAP 技術的方法包括空間濾波器設計、時域自適應處理、方位角多普勒聯合處理等。STAP 技術在現代雷達系統中得到廣泛應用，尤其是在對抗復雜電磁環境和抑制干擾信號方面具有重要意義。對于雙基地感知模式，如果收發設備均為靜止狀態，則在進行非理想

97、因素消除后，采用經典的 MTI 技術等直接對靜態雜波進行消除即可有效檢測到動態目標。若收發設備存在運動，則導致環境中非感知目標反射信號攜帶多普勒信息，雜波特性更加復雜，接收端雜波消除變得更加困難。例如對于 UE 參與的雙基地感知模式，假設 UE 存在 3km/h 的移動速度，感知目標運動速度為 20km/h。此時環境中各種反射體的回波信號受到 UE 運動的影響均攜帶上了多普勒信息，且由于環境中靜態反射體的回波功率通常遠大于動目標的回波功率，因此動目標信息很容易被雜波掩蓋導致無法檢測。如圖 3-27 所示，時延-多普勒譜中以收發設備之間的 LOS 信號以及其他靜態目標回波為主的信號功率遠高于感知

98、目標回波功率，并且感知目標所在的多普勒區間也是由雜波功率占主要部分，此時難以檢測出感知目標。圖3-27雜波消除前的時延-多普勒域檢測結果若目標運動速度與 UE 運動速度存在一定差異，可以通過空域、多普勒域聯合處理的方式，減小由于 UE 運動導致的動態雜波干擾，優化實際動目標檢測的性能。一方面，通過空域濾波的方式聚焦在待感知的區域，減少來自其他區域的雜波干擾。另一方面考慮到 UE 運動速度較低，因此由于 UE 運動導致的動態雜波功率集中在多普勒頻率較低的區間，可以在多普勒通過濾波進行抑制?？紤]到靜態目標回波功率較高的問題，為了避免其多普勒域旁瓣信號對感知目標回波信號的影響，通過加窗處理的方式進一

99、步抑制其旁瓣功率。經過空域、46/79多普勒域聯合處理的方式，能夠抑制雜波影響，提高目標檢測概率。圖3-28雜波消除后的時延-多普勒域檢測結果3.4 波束管理和預編碼波束管理和預編碼3.4.1 雙基地感知波束管理雙基地感知波束管理波束管理在大規模 MIMO 通信中扮演著關鍵的角色，通過大規模天線陣列和波束賦形技術，能夠將發射和接收信號能量集中到某一方向，進而提高通信質量和覆蓋范圍。在通感一體化系統中，波束管理技術同樣至關重要，有助于提高通信速率和感知性能。感知波束訓練與感知目標的檢測、跟蹤等感知業務緊密關聯，需要根據感知業務的需求設計合理的波束選擇與切換方法，因此具體流程和反饋的信息與通信波束

100、訓練存在差異。主要的不同之處在于，在通信波束管理中，通常采用 L1-RSRP/SINR 等作為波束管理的測量量。然而在感知業務中，波束對的 L1-RSRP/SINR 最大只能保證感知接收端收到的感知信號能量最大，但無法判斷該感知信號是否對準或經過感知目標。例如圖 3-29 中，理論上波束對 2-B具有最高的 RSRP，但是想更準確的對感知目標進行感知，采用波束對 1-A 將帶來感知性能增益。因此，為了支持感知波束的選擇，需要設計新的波束訓練流程以及相應的感知測量配置，以及新的感知波束管理測量結果，該測量結果與感知目標具有較強的關聯性，即該測量量需要準確地反映出感知信號是否經過感知目標的反散射，

101、例如可以是感知 SNR、感知目標關聯信號分量功率信息（感知目標關聯徑的功率信息）等。47/79圖3-29通信最優波束與感知最優波束的差異下面以下行雙基地感知（即基站作為感知發射機且終端作為感知接收機的雙基地感知模式）為例對感知波束管理過程進行說明。終端可以通過如下過程確定最優感知波束對。Step 1：環境目標初識別：環境目標初識別如圖 3-30 所示，在終端初始連接時，基站使用較寬的 M 個波束分別發送 M 個感知參考信號，終端使用較寬的 N 個波束分別接收上述感知參考信號。終端基于 MN 個波束對中一對或多對波束的測量結果，根據多普勒-時延域譜，對環境中的目標進行初始識別。通常情況下環境目標

102、為靜止狀態，即多普勒對應為 0。圖3-30環境目標初識別Step 2：感知波束粗掃描感知波束粗掃描如圖 3-31 所示，基站使用較寬的 M 個波束分別發送 M 個感知參考信號，終端使用較寬的 N 個波束分別接收上述感知參考信號。終端基于 MN 個波束對中一對或多對波束的測量結果，生成多普勒-時延域譜。終端基于新的多普勒-時延域譜和初始環境判斷是否有感知目標出現，如果多普勒-時延域譜中新出現能量大于預設閾值的峰則判斷為有新的感知目標出現，反之則判斷為無新的感知目標出現。終端可將能量最高的多個感知參考信號 ID 上報給基站。圖3-31感知波束粗掃描Step 3：感知發送波束精煉：感知發送波束精煉如

103、圖 3-32 所示，基站根據終端上報信息確定最優的發送寬波束，并在寬波束的包絡內48/79通過 M1 個窄波束分別發送 M1 個感知參考信號，終端使用對應的寬波束進行接收。終端根據每個接收信號分別計算獲取多普勒-時延域譜，并將感知目標對應的峰的能量最高的 K1個感知參考信號 ID 報給基站。圖3-32感知發送波束細搜索Step 4：感知接收波束精煉感知接收波束精煉如圖 3-33 所示，基站根據終端上報信息確定最優的發送窄波束，并使用該波束重復發送 N1 個相同的感知參考信號，終端在最優寬波束內使用 N1 個窄波束進行接收。終端根據每個接收信號分別計算獲取多普勒-時延域譜，并根據多普勒-時延域譜

104、中感知目標對應的峰的能量確定最優的接收窄波束，此時即完成了對感知目標的窄波束對確定。圖3-33感知接收波束細搜索對于感知而言，由于感知回波信號往往很弱，感知發送端一般采用重復發送的方式實現能量累積，提升感知接收信噪比。因此，感知信號持續時間較長。以感知接收端為終端為例，當發送基站同時調度感知終端和通信終端時，通過空分復用，可以有效提升資源利用率，提升通感系統整體性能。為實現通感空分復用，通信終端和感知終端需進行聯合預編碼，使用相同的模擬波束。從 CSI 報告角度看，只有當不同終端的 CSI report 所對應的 CSI-RS 資源指示（CSI-RS Resource Indicator，CR

105、I）相同時，基站才能將相應的終端進行聯合預編碼，以 MU-MIMO 的方式進行多用戶傳輸。當通信終端測量到感知波束的通信質量較差時，其所選擇的最優波束（集合）很有可能與感知波束不一致，進而無法實現通感空分復用。一種可能的方式是當感知波束通信質量也能基本滿足通信性能需求時，終端也需要上報感知波束對應的 CSI，以實現有限資源下通感性能的最佳折中。例如，向通信終端指示感知波束對應的 CRI，當該 CRI 的波束質量與最優波束的波束質量，或最優波束集合的平均質量的差值在可容忍范圍內時，允許其上報該 CRI 對應的 CSI，則基站可以根據感知終端和通49/79信終端針對相同 CRI 上報的信道狀態信息

106、進行聯合預編碼，從而實現兩類終端的空分復用。圖3-34通感聯合波束復用另一種方式是設計通信和感知聯合的波束訓練流程，可以通過設計通信感知聯合波束掃描和測量過程以及感知和通信聯合測量使用的信號配置，并定義新增的通感聯合測量量、波束選擇指標以及規則，以此來獲取合適的模擬波束，獲得通信和感知性能之間的折中。感知系統中需要對環境中的區域或目標進行實時感知時，需要通過更加靈活的波束配置，能夠快速掃描特定區域或跟蹤特定（多個）目標。對于雙基地感知場景，還需要相對穩定的、指向收發設備 LOS 方向的參考波束用于時頻同步。為了達到理想的感知性能，感知測量過程中，收發波束需要指向感知目標或區域，或者說，在感知測

107、量過程中，收發波束需要覆蓋感知目標或覆蓋感知區域，如圖 3-35 給出了在雙基地感知場景下，感知目標或區域以及相應的收發波束對的示意圖，其中紅色的波束為能夠覆蓋感知區域或者目標的收發波束。感知測量過程中可能需要持續地波束掃描或動態切換，以覆蓋特定區域或跟蹤動態目標，傳統的波束指示和波束掃描方法開銷較大。為了降低開銷，可以一次性為所配置的感知信號指示關聯的發送波束，接收設備使用的接收波束，以及波束掃描或切換的預設規則，這樣就無需實時指示波束切換，能夠節約指示信令開銷。同時，也可以根據感知業務特征，動態指示感知信號關聯的波束掃描或切換方法，能夠更加靈活地在測量過程中進行實時波束調整，進而實現按需配

108、置，節省資源。最后，還可以通過配置不同的感知信號進行波束指示，即在感知測量配置信息中為不同感知信號關聯到不同波束，通過對多個感知信號的時域資源分配實現能夠滿足感知業務需求的波束掃描過程。50/79圖3-35雙基地感知場景示意圖：（上）感知波束覆蓋特定區域，（下）感知波束覆蓋特定目標隨著毫米波以及大規模 MIMO 技術的持續發展，數字模擬混合架構的大規模 MIMO 正成為發展趨勢。這種數?；旌霞軜嫶蠓葴p少了降低了射頻鏈路數目的需求，節約了實現成本。若通感一體化系統的天線陣列采用數?；旌霞軜?，對于任意一個子陣列，可以使用模擬域波束賦形形成指向性波束，利用數量可觀的天線陣元，實現模擬波束的精細調控

109、；對于多個子陣列，由于它們連接了多個數字通道，可以在數字域應用基于虛擬陣列的多天線感知，實現更高精度的角度估計。這種情況下多個子陣列間的發送信號可以在時域、頻域，甚至波束域上實現正交。圖3-36多天線通感一體化波束管理示意圖在上述波束賦形與虛擬陣列結合的多天線技術中，模擬域波束賦形實現了感知信干噪比的提升，通過控制各個子陣列上的移相器，使感知信號集中在感興趣的感知區域或感知目標上。同時，利用多個子陣列構造虛擬陣列，實現了對感知區域或感知目標的精細感知。正如前面所述，對于波束賦形，可以借鑒現有 NR 系統里面的波束管理過程。一方面，可以基于51/79感知測量量測量值或者感知性能評價指標的測量值（

110、例如，感知信噪比 SNR 等），確定最佳感知波束。另一方面，可以根據通信測量量的測量值（例如 RSRP 等），對通信波束進行靈活配置。以基站與終端之間收發通感一體化信號為例，圖 3-36 展示了上述多天線通感一體化技術的示意圖。在這個場景中，終端發送通感一體化信號，基站接收，對環境中的車位置進行感知，同時終端和基站進行通信?；九鋫涠鄶底滞ǖ?，每個數字通道又與一個天線子陣列連接。系統可以通過兩個獨立的波束掃描過程，分別獲得通信測量量和感知測量量的測量值，從而分別確定通信波束和感知波束；也可以通過一個波束掃描過程，同時獲得通信測量量和感知測量量的測量值，確定出通信波束、感知波束，以及可以同時用于

111、通信和感知的波束。圖 3-36 中，感知波束指向了感知目標，而通信波束則指向了通信的發射端或接收端。3.4.2 雙基地感知數字預編碼方案雙基地感知數字預編碼方案根據 MIMO 雷達理論，為了獲得較高的感知分辨力，雷達發射機各發射天線端口的信號需要彼此正交33，以便于雷達接收機能夠準確分離出各發射天線端口信號，從而獲得最大的探測孔徑。雷達的孔徑越大，空間分辨力越好。通感一體化系統可以通過時分復用（TimeDivision Multiplexing，TDM）、頻分復用（Frequency Division Multiplexing，FDM）、多普勒頻分復用（Doppler Division Mul

112、tiplexing，DDM）的方式，分別在時域、頻域、多普勒域實現各發射天線端口信號彼此正交。此外，也可以通過數字預編碼的方式，在各發射天線端口信號占用相同時頻資源的情況下，在感知接收機側消除各發射天線端口信號間的互干擾。另一方面，感知數字預編碼也可以起到類似模擬波束賦形的效果，對各發射天線天線端口信號進行數字預編碼后，也能夠形成感知波束，使感知信號的能量匯聚在感知目標或感知區域，提升感知目標反射信號能量，進而提升感知功能。綜上所述，感知數字預編碼技術既能保證足夠的等效陣列孔徑，實現高精度空間分辨功能，還可以靈活地對某個特定區域或者目標的信號進行能量聚焦，實現提升感知信噪比功能。此外，通過靈活

113、設計預編碼矩陣，還能實現上述兩個功能的平衡。在通信領域，空時編碼（Space Time Coding，STC）能夠獲得分集增益，提高傳輸的可靠性。目前，已有一些針對 MIMO 雷達的空時編碼研究。通過空時編碼，能夠實現對 MIMO雷達各發射天線端口發射信號互相關性的抑制，即消除在雷達接收機側各發射天線端口信號的互干擾累積3435。根據感知接收機信號處理方式的不同，感知發射機所可采用的不同的空時編碼方案。若感知接收機在時域采用匹配濾波的方式，接收機側對接收信號與發送信號做時域滑動相關運算，可以得到包含目標信息的數據矩陣（信道矩陣）。相應地，可以設52/79計空時編碼矩陣以及相應的譯碼矩陣，使得接

114、收機側在進行脈沖壓縮并經過 K（K發射天線端口數）次信號累加后，各發射通道的信號的互相關成份相互抵消；若感知接收機在與感知發射機實現同步后，在頻域將接收信號與發送信號做點除操作，可以得到頻域信道矩陣，作為后續信號處理（例如，2D-FFT）的數據矩陣。相應地，可以在空域和時域聯合設計一種預編碼，使得在接收機側各發射天線端口信號的多普勒譜在真實目標多普勒位置的串擾為零35，從而實現 MIMO 感知。針對如何實現發射天線端口信號分離，除了使用上述空時編碼，還可以使用基于多普勒域或者時延域正交的感知預編碼36。其中，基于多普勒域正交的感知預編碼，本質上可以看作是沿著時間維對感知信號進行了相位編碼，對各

115、發射天線端口信號引入不同的相位旋轉，即將各發射天線端口信號在多普勒域上進行了搬移，保證接收機可以在多普勒域上對它們進行分離；基于時延域正交的感知預編碼則可以看作是沿著頻率維對感知信號進行了相位編碼，對各發射天線端口信號引入不同的時延偏移，使得接收機可以在時延域上對它們進行分離；需要注意，上述基于多普勒域或時延域正交的預編碼，會導致 MIMO 系統的最大無模糊測速范圍或最大無模糊測距范圍縮小，但可以使用一系列解模糊方法來完美解決。上述感知預編碼方案雖然由于能夠充分利用陣列孔徑獲得最優的空間分辨率，但是由于各發射天線端口信號正交而無法形成指向性波束，導致大部分感知信號能量沒有集中在感知目標或感知區

116、域上，造成感知范圍受限和能量浪費。借助更加靈活的感知數字預編碼設計，我們能夠以適當縮小等效陣列孔徑為代價，形成覆蓋感知目標或感知區域的指向性波束，實現感知空間分辨率和感知信噪比的平衡，從而提高感知性能。假設需要感知的角度區域為，感知預編碼的設計目標可以為：形成 K 個數字預編碼用于傳輸 K 個正交信號，使得在給定角度區域內的能量均勻，且給定角度區域外的能量最小化。即最大化 2 2 2?其中，=?，為發射陣列的導向矢量，是第 k 個預編碼。那么，則(=1,)的最優解為 A 的 K 個最大特征值對應的特征向量37，即=1,2,其中 =1為矩陣 A 的 K 個最大特征值對應的特征向量。當基站同時進行

117、感知業務和通信業務時，預編碼的設計需要同時兼顧通信的性能。此時，就需要在保證通信速率需求的情況，最大化感知性能指標38（例如感知信噪比，感知克拉53/79美勞界或者與理想波束圖的相似性等）。但是通信預編碼和感知預編碼的需求可能不同，通信預編碼要求穩定地對準用戶方向以確?？煽繑祿鬏?，感知預編碼需要動態地進行掃描以覆蓋特定區域或跟蹤動態目標?？紤]到通信預編碼與感知預編碼的諸多不同，設計單一的預編碼向量同時服務通信和感知挑戰較大，可以考慮使用多波束優化的設計方法39，例如，預編碼可以表示為=+1 ，其中和分別表示用于通信的預編碼和用于感知的預編碼，是功率分配因子，用于調整兩個預編碼向量之間的相位。

118、通過優化和，可以在保證感知信噪比的情況下最大化通信性能，或者在保證通信性能的情況下最大化感知信噪比。另一方面，盡管通過合理的感知預編碼矩陣設計來使得波束聚焦一定的角度范圍內進而提高感知性能，但是感知預編碼矩陣的設計需要基站對感知的角度范圍有先驗信息。雖然基站可以通過歷史的感知信息來獲取先驗信息，但該信息可能不夠精確，例如范圍過大，不利于波束能量的聚焦。終端可以測量并上報合適的感知預編碼給基站，幫助基站確定最后的感知預編碼矩陣。與現有的以通信性能最優為指標的預編碼反饋方法和流程相比，上述反饋流程需要以感知性能最優來選擇預編碼。具體到上報量方面，上報的預編碼可以是多個 DFT波束的線性組合，也可以

119、是某些角度范圍進而可以確定矩陣 A，同時還可以上報某些預定義的正交矩陣調整波束方向。與此同時，終端還可以上報對應的感知性能指標，輔助基站根據業務需求確定最后的預編碼。進一步，終端還可以識別環境中與感知目標關聯的 LOS 徑和NLOS 徑，并將這些徑對應的預編碼信息進行上報，輔助基站確定預編碼向量來充分利用環境中的多徑信號進而提高感知性能。54/794 仿真評估和樣機驗證仿真評估和樣機驗證4.1 仿真評估方法仿真評估方法4.1.1 雙基地感知信道建模雙基地感知信道建模雙基地感知模式和現有通信系統較為相似，因此雙基地感知信道模型可在現有通信信道模型基礎上進行演進。對于雙基地感知信道模型，需要重點考

120、慮感知目標 RCS 建模，感知信道建模，環境信道建模等問題。感知目標感知目標 RCS 建模建模在雙基地感知中，感知目標通?？梢越閱紊⑸潼c或多散射點，對于感知目標的任意一個散射點，其線性域 RCS 可建模為 RCS=A*B1*B2，其中 A 可以是根據不同感知目標類型確定的固定值，并且用于任意出入射角度；B1 可以建模為函數或者表格等且每條徑有不同的 B1，B2 可以建模為對數正態分布其均值為 1 方差為 V，并且不同的徑對應不同的 B2。感知信道模型感知信道模型在雙基地感知信道模型中，考慮將感知發射機，感知目標，以及感知接收機鏈路建模為感知發射機-感知目標鏈路的信道與感知目標-感知接收機鏈

121、路的信道的級聯信道。大尺度建模在雙基地級聯的感知信道模型中，感知發射機-感知目標鏈路和感知目標-感知接收機鏈路的 LOS 和 NLOS 屬性根據各條鏈路所對應的場景中的判決方法確定。例如可以根據TR38.901，TR38.808 和 TR38.858 中的 LOS 和 NLOS 判決方法得到 UMa，UMi，Indoor Office,Indoor Room 以及 Indoor Factory 場景中各條鏈路的 LOS 和 NLOS 屬性；根據 TR37.885 中的 LOS 和 NLOS 判決方法可以得到 Urban grid 和 Highway 場景中各條鏈路的 LOS 和 NLOS屬性；

122、根據 TR36.777 中的 LOS 和 NLOS 判決方法可以得到 UAV 場景中各條鏈路的 LOS和 NLOS 屬性。繼而根據 LOS 和 NLOS 屬性可以進一步得到兩條鏈路的路徑損耗。小尺度建模對于感知發射機-感知目標鏈路中和感知目標-感知接收機鏈路中均為 LOS 徑的級聯徑可稱之為直接徑，其他徑均可稱為間接徑。對于級聯信道的多徑建模，將感知發射機-感知目標鏈路中的 LOS 徑與感知目標-感知接收機鏈路中的 LOS 徑進行匹配，將感知發射機-感知目標鏈路中的LOS徑與感知目標-感知接收機鏈路中的NLOS簇中所有NLOS徑進行匹配，55/79將感知發射機-感知目標鏈路中的NLOS簇中所有

123、NLOS徑與感知目標-感知接收機鏈路中的LOS 徑進行匹配，對于感知發射機-感知目標鏈路中的 NLOS 徑和感知目標-感知接收機鏈路中 NLOS 徑，可以考慮如下兩個方案。方案 1：將感知發射機-感知目標鏈路中的所有 NLOS 徑與感知目標-感知接收機鏈路中的所有 NLOS 徑進行完全映射級聯并獲取間接徑。方案 2：將感知發射機-感知目標鏈路中的所有 NLOS 徑與感知目標-感知接收機鏈路中的所有 NLOS 徑進行一對一映射級聯并獲取間接徑，進而降低感知信道的復雜度。根據上述方案及兩段鏈路中各鏈路的多徑的時延、功率、角度參數可確定級聯徑的時延、功率、角度參數，并基于收發端天線圖樣，交叉極化矩陣

124、、以及由陣元間相對位置和多普勒等導致的相位差，完成感知信道建模。環境信道模型環境信道模型在雙基地環境信道模型中，其特點與現有通信信道較為相似，因此可以復用現有 3GPPTR 中的信道模型進行環境信道建模，例如 TR 38.901，TR 38.858，37.885，38.859，38.808等。通感信道模型通感信道模型在確定感知信道和環境信道后，可通過疊加的方式獲取通感信道矩陣，即=1,?+其中表示感知目標數量。通過疊加的方式獲取通感信道的方法適用于比較空曠的環境信道，例如 UAV 場景中，整體環境較為空曠，感知目標的加入不會對原有的環境信道特性產生過大的影響。除此之外，在確定感知信道和環境信道

125、后，通感信道的獲取還可以通過感知信道多徑替代環境信道中某一些多徑的方式來產生。這種方式適用于環境物體較多的場景，例如 UMa或者 Indoor 場景，感知目標的加入會改變原有環境信道的散射特性。此外，通感信道模型中還可以考慮微多普勒，空間一致性等模型。其中，微多普勒的模型有利于感知目標的局部性運動，例如無人機的機翼旋轉，人體的擺臂運動等?？臻g一致性的模型有利于解決兩段級聯信道之間相關性建模問題，也有利于解決多目標信道之間的相關性問題。56/794.1.2 雙基地感知仿真評估方法雙基地感知仿真評估方法感知性能評估與通信性能在評估方法上存在差異，需要結合具體感知應用場景引入感知相關的性能評估指標。

126、本節重點介紹雙基地感知仿真評估指標與評估流程，仿真評估流程示例如圖 4-1 所示，具體步驟包括：1.仿真參數設置：包括場景參數，天線配置參數、感知目標參數、信號參數等。2.場景建模，包括生成網絡拓撲，初始化各個小區參數，撒放 UE 并初始化 UE 參數（可選，用于 TRP-UE 雙基地感知）。3.初始化信道，撒放感知目標，根據目標撒放情況生成不同收發鏈路的信道。4.根據資源配置和調度生成各個收發鏈路的感知信號。5.根據目標運動情況更新各個收發鏈路的信道，信號過信道（卷積）。6.接收信號，并通過 LS 信道估計獲得原始信道信息，根據信道信息進行參數估計，得到感知信息，包括目標是否存在及個數、目標

127、距離（時延）、速度（多普勒）、角度、位置坐標等。7.判斷是否達到仿真次數或仿真調度時長：a)若未達到仿真次數或仿真調度時長，存儲當前感知信息，并跳轉至步驟 3；b)若達到仿真次數或仿真調度時長，進入下一步驟。8.輸出結果/性能評估指標：達到仿真次數后，統計存儲的感知信息，并根據計算得到的感知信息和真實感知信息計算性能評估指標。圖4-1雙基地感知仿真評估流程57/79下面對仿真評估流程最后輸出的評估指標進行具體說明。雙基地感知中距離、速度、角度等測量量的定義和計算方法與單基地感知存在差異，因此相關的仿真評估指標也需要明確，不同感知模式下與目標參數估計結果關聯的評估指標定義和評估方法包括：距離精度

128、：表示目標物體的距離估計結果與其真實距離的接近程度。對于單基地感知，目標物體的距離可以是指目標物體與信號接收設備之間的距離；對于雙基地感知，目標物體的距離可以是指目標物體與信號接收或發送設備之間的距離，或者目標物體與信號接收設備以及發送設備之間的距離和，或者目標物體與信號接收設備以及發送設備之間的距離和減去收發設備間的距離，或者目標物體與信號接收設備以及發送設備之間的距離和在雙基地角平分線上的投影。-系統仿真指標評估方法：距離精度是根據多次獨立試驗估計的距離誤差=?的累積分布函數（Cumulative Distribution Function，CDF）的第 x 個百分位點。-鏈路仿真指標評估

129、方法：距離精度是根據多次獨立試驗估計的距離均方根誤差?=1=1?2?。其中，?為第次試驗中第個目標的距離估計值，為第次試驗中第個目標的真實距離。表示試驗次數，表示每次試驗中的目標個數，對于單目標仿真場景，=1。速度精度：描述了目標物體的速度測量結果與其真實速度的接近程度。對于單基地感知，目標物體的速度可以是指目標物體運動速度在目標與信號接收設備連線上的投影；對于雙基地感知，目標物體的速度可以是指目標物體運動速度在雙基地角平分線上的投影，或者目標物體運動速度在目標與信號接收設備連線上的投影以及目標物體運動速度在目標與信號發送設備連線上的投影之和。除此之外，還可以是指目標物體旋轉速度、動作重復速率

130、（例如呼吸/心跳速率）等。-系統仿真指標評估方法：速度精度是根據多次獨立試驗估計的速度誤差=?的 CDF 的第 x 個百分位點。-鏈路仿真指標評估方法：速度精度是根據多次獨立試驗估計的速度均方根誤差?=1=1?2?。58/79其中，?為第次試驗中第個目標的速度估計值，為第次試驗中第個目標的真實速度。表示試驗次數，表示每次試驗中的目標個數，對于單目標仿真場景，=1。角度精度：描述了目標物體的角度測量結果與其真實角度的接近程度，包括方位角精度和俯仰角精度。對于單基地感知，目標物體的角度可以是指目標物體相對于信號接收設備的到達角度；對于雙基地感知，目標物體的角度可以是指目標物體相對于信號接收設備的到

131、達角度，或者目標物體相對于信號發送設備的離開角度。-系統仿真指標評估方法：角度精度是根據多次獨立試驗估計的角度誤差=?的 CDF 的第 x 個百分位點。-鏈路仿真指標評估方法：角度精度是根據多次獨立試驗估計的角度均方根誤差?=1=1?2?。其中，?為第次試驗中第個目標的角度估計值，為第次試驗中第個目標的真實角度。表示試驗次數，表示每次試驗中的目標個數，對于單目標仿真場景，=1。定位精度：描述了目標物體的位置測量結果與其真實位置的接近程度。其中，目標物體的位置坐標可以由其距離和角度中的至少一項進一步計算得到。-系統仿真指標評估方法：定位精度是根據多次獨立試驗估計的位置坐標誤差=?2+?2+?2的

132、 CDF 的第 x 個百分位點。-鏈路仿真指標評估方法：定位精度是根據多次獨立試驗估計的位置坐標均方根誤差?=1=1?2+?2+?2?。其中，?,?,?為第次試驗中第個目標的位置坐標估計值，,為第次試驗中第個目標的真實位置坐標。表示試驗次數，表示每次試驗中的目標個數，對于單目標仿真場景，=1。對于定位精度指標，由于目標位置坐標可以通過目標距離和角度中的一項或兩項計算得到，因此可考慮通過評估距離精度和角度精度替代評估定位精度。對于一些通感物理層技術方案性能對比評估，可以考慮直接評估基本測量量的參數估計性能，包括時延精度、多普勒精度和角度精度。59/79目標檢測或識別性能指標：檢測/識別精度：檢測

133、/識別精度包括檢測概率或識別概率，檢測概率用于二元檢測場景，表示存在目標時，判為有目標，判斷正確的概率；識別概率用于多元檢測場景，表示目標處于特定狀態或屬于特定類別，正確檢測到目標狀態或類別的概率。-系統/鏈路仿真指標評估方法：檢測/識別精度是根據多次獨立試驗計算的檢測/識別概率的平均值，即正確檢測或識別的目標總數=01?與實際目標總數=01?的比值，即=01?=01?。表示試驗次數，表示第次試驗中的實際目標個數，表示第次試驗中的正確檢測到的目標個數對于漏檢概率，可以通過檢測概率直接計算得到，無需再單獨評估。虛警概率：虛警概率表示檢測到非目標物體或環境特征的虛假感知結果的概率。-系統/鏈路仿真

134、指標評估方法：虛警概率是檢測到的虛假目標總數=01?與檢測到的目標總數=01?的比值，即=01?=01?。表示試驗次數，表示第次試驗中檢測到的目標個數，表示第次試驗中檢測到的虛假目標個數。4.2 樣機驗證樣機驗證4.2.1 基站間協作目標定位基站間協作目標定位本節重點介紹毫米波協作通感原型樣機設計、關鍵參數及試驗驗證結果。該原型樣機基于高速率、大帶寬的通用化基帶平臺和多通道毫米波收發前端，實現高效的基站間協作感知。在感知資源占用不超過 10%的情況下，該樣機能夠達到亞米級感知精度，為通感一體技術的應用奠定了重要基礎。樣機主要由基帶平臺（中央處理板、射頻前端板）和毫米波 AAU 組成。中央處理板

135、支持資源密集型信號處理，具有 100Gbps 的高速數據流處理能力。射頻前端板負責多路信號的接收與發射，其中接收通道完成信號采樣和模數轉換，發射通道將數字信號轉換為射頻模擬信號并輸出至毫米波 AAU 前端。AAU 采用數?；旌霞軜?，支持百兆級帶寬，為感知與通信任務提供強大的硬件支持。在信號設計方面，樣機采用通感性能最佳折中的 OFDM 一體化波形，通過資源分配算法實現了通信與感知性能的平衡。該原型樣機完成了基于參考徑的高精度同步方案測試。測試系統包括一臺通感發射機、一臺感知接收機、一臺通信接收機，以及一個待感知的小球目標，試驗場景如圖 4-2 所示。在實驗場景中，利用參考徑空口同步校準方案，有

136、效消除了多節點協作感知中收發節點的時60/79間同步誤差。感知結果顯示，通過比較真實目標位置與估計位置，感知精度達到亞米級。此外，測試還驗證了單用戶通信性能，樣機與通信終端間的數據傳輸平均吞吐率超過 600Mbps，展現了優異的通信能力。圖4-2樣機測試場景示意圖實驗結果表明，該樣機通過參考徑空口同步校準方案，能夠有效支持高精度感知和高性能通信，驗證了通感一體化技術在實際應用中的可行性。4.2.2 雙基地感知呼吸監測雙基地感知呼吸監測(a)單人呼吸監測：通過對接收到的無線信號分析獲取信道狀態信息，進而能夠得到人體呼吸等特征信息，無線感知的方式具有無接觸、低成本的優點。人體呼吸對信道的影響如圖

137、4-3 所示。假設收發設備之間存在 LOS 徑以及其他靜態反射路徑 Hs，呼吸帶來的胸腔往復運動對應信道中的動態反射路徑 Hd。由于運動路徑較短，其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，基于接收信號進行信道估計得到的 CSI 受到動態反射路徑 Hd 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。圖4-3呼吸監測原理示意圖實際環境中，感知非理想因素會對基于 CSI 幅度或相位的呼吸監測性能產生影響。由于連接至同一頻率源的不同接收天線上的感知非理想因素基本一致，可天線域對消方法（共61/79軛乘或 CSI 商）消除感知非理想因素。呼吸帶來的信號運動

138、路徑長度變化導致動態反射徑的相位在一定范圍內往復變化，而人體相對于收發設備位置、收發天線的選擇以及子載波的選擇均會對動態反射徑相位變化范圍產生影響。不同的相位變化范圍對共軛乘或 CSI 商的復數結果的幅度或相位影響不同，從而影響了呼吸監測的效果。為了提升呼吸監測的穩定性，可以根據呼吸檢測的感知 SNR，即與人體呼吸關聯的信號反射徑的功率與噪聲功率之比，對不同天線、不同子載波的共軛乘或 CSI 商的處理結果進行篩選與合并?？紤]到呼吸運動對于共軛乘或 CSI 商的復數結果的幅度和相位影響存在差異，也即對復數結果的實部和虛部數據的影響存在差異，且一般實部數據和虛部數據具有互補特性，例如當實部數據檢測

139、性能好時，虛部數據檢測性能可能差，反之亦然。因此可以利用投影的方式進行實部和虛部數據合并得到最終的時域檢測數據40。以 CSI 商結果為例，將其表示為=+，其中a和b分別表示實部和虛部，將其投影到向量,，得到+，其中的取值可以根據對應的感知 SNR 進行搜索。最后將時域檢測數據變換到頻率域計算得到呼吸頻率，或者直接基于峰值識別等時域檢測算法得到呼吸頻率?；?5G NR 系統實現的呼吸監測原型樣機如圖 4-4 所示。其中心頻點為 3.6 GHz，帶寬為 100 MHz。采用基站發送、終端接收的感知方式。天線配置為 1 根發射天線和 4 根接收天線。利用 CSI-RS（Channel State

140、 Information-Reference Signal）信號作為感知信號，其中CSI-RS 發送周期為 20 ms，頻域密度為 1。由于是復用 5G NR 系統下行參考信號進行感知，感知信號不增加額外的資源開銷，因此對通信速率無影響，可以正常進行上下行的通信業務。圖4-4基于5G NR系統實現的呼吸監測原型樣機如圖 4-5 所示，呼吸檢測的數據處理流程如下：基于接收到的 CSI-RS 進行最小二乘信道估計得到原始信道信息，進行抑噪處理與并計算 CSI 商結果；剔除異常值，實際硬件系統中 CSI 商結果通常含有幅度異常的值，需要通過濾波等方法剔除，這里采用 Hampel 濾波，即采用滑動窗口

141、的方式，基于中值和中位數絕對偏差62/79尺度估計進行異常值檢測與替換；帶通濾波、平滑濾波。根據人體呼吸頻率的范圍對數據進行帶通濾波，以及進行平滑濾波。平滑濾波采用 Savitzky-Golay 濾波?；诓煌炀€、不同子載波的預處理后 CSI 商數據計算投影后的實部和虛部的合并數據，并計算對應的感知 SNR，選擇出最優天線、子載波以及投影數據作為時域檢測數據，進而計算得到呼吸頻率。圖4-5呼吸檢測信號處理流程被測對象在 1m、2m、3m、4m、5m 的距離上分別進行測試，呼吸頻率的誤差 RMSE約為 0.8 次/分鐘。(b)多人呼吸檢測基于雙基地通感一體化系統的非接觸式呼吸檢測技術是一種創新

142、性解決方案，通過無線信號實現多目標的實時、高精度呼吸監測，突破了傳統檢測方法在分辨率、精度和場景適應性上的限制，開創性地提出了超分辨率的多人呼吸檢測方法，平均誤差僅為 0.2 次/分鐘，性能媲美專業醫療儀器，同時無需目標佩戴任何設備即可在數米范圍內完成精準監測。這一技術的核心在于利用雙基地架構、信號處理優化和智能算法融合，為智慧醫療、健康監護等領域提供了非接觸、實時、高精度的解決方案?；?26 GHz 中心頻率和 450 MHz 帶寬的系統配置，雙基地通感一體化系統利用微多普勒效應實現了呼吸特征的檢測。目標的胸腔運動會引起無線信號傳播路徑的動態相位變化，這些變化通過信道狀態信息（CSI）可以

143、被精確捕捉并提取為呼吸特征信號。發射端發送參考信號，接收端通過多天線陣列捕獲信號的反射路徑，并從中提取與目標呼吸相關的動態變化。與傳統基于接觸式設備的檢測方法不同，該系統依托無線信號的反射特性，可在非接觸63/79場景下實現對目標呼吸頻率的監測，同時保持高精度和高實時性。在信號處理方面，該技術通過多步驟優化實現了超分辨率的呼吸頻率檢測。首先，系統采用最小二乘法對接收的反射信號進行信道估計，獲取動態信道信息。為了消除靜態背景反射和噪聲對檢測的干擾，系統引入了 CSI 商方法，通過共軛乘和天線域數據融合消除靜態路徑的影響，并提升與呼吸相關的動態信號的信噪比（SNR）。其次，為進一步優化呼吸信號的提

144、取，系統引入了信號投影技術，將復數信號投影到最優方向以強化對動態相位變化的響應，從而實現對微小信號變化的高靈敏捕捉。最為關鍵的技術突破在于超分辨率算法的引入。傳統 FFT 方法因分辨率限制，難以在多目標環境中實現對彼此接近目標的信號分離。而該系統采用高分辨率譜估計算法，能夠在頻域上精確定位呼吸頻率，不僅突破了傳統方法的分辨率瓶頸，還可以在間距不足 30 厘米的多目標場景中實現呼吸信號的分離。結合天線陣列的空間分辨能力和波束成形技術，系統實現了復雜場景下對多個目標的獨立監測，進一步提高了多目標檢測的準確性和可靠性。實驗在室內復雜多徑環境下進行，分別針對單目標和多目標場景對系統性能進行了全面驗證。

145、實驗結果顯示，系統在單目標檢測中，呼吸頻率的均方根誤差（RMSE）低至 0.1 次/分鐘，展現了媲美專業醫療設備的檢測精度。在多目標檢測中，系統通過超分辨率算法和天線陣列的分離能力，有效區分了多個目標的呼吸信號，平均誤差為 0.2 次/分鐘，顯著優于傳統 FFT 方法的 0.8 次/分鐘。此外，實驗表明系統在檢測延遲上的表現同樣出色，能夠在100 毫秒以內完成信號處理和呼吸頻率提取，確保了實時性需求。圖4-6雙基地通感下雙人呼吸檢測場景及結果4.2.3 雙基地多節點協作軌跡追蹤雙基地多節點協作軌跡追蹤圖 4-7 展示了雙基地多節點協作軌跡追蹤通感一體化樣機原理?；景l射感知信號，經過人體反射后

146、，被用戶終端（UE）接收。終端基于多重信號分類（Multiple Signal Classification，64/79MUSIC）或者其他高精度參數估計算法得到對應于人體反射的徑的多普勒頻率。終端獲取的多普勒頻率，反映的是基站-行人-終端反射路徑長度的變化速度。在獲取多普勒頻譜的過程中，需要抑制感知非理想因素的影響。在該樣機中，同樣采用天線域對消（CSI 商方法）進行感知非理想因素消除。如果存在多個 UE 接收感知信號，則能夠通過多個 UE 獲取的多普勒頻率構造出行人的運動速度矢量。假設相鄰兩次測量相對行人運動來說的時間足夠短（例如 5-10 ms），這期間行人可以近似看做勻速直線運動，因此

147、能夠根據得到的運動速度矢量下一個時刻的行人位置。這樣，對于時間維度上的連續 N 次測量，在給定某個初始位置下，就得到了感知目標的運動軌跡坐標。圖4-7雙基地多節點協作軌跡追蹤通感一體化樣機原理示意圖雙基地多節點協作軌跡追蹤通感一體化樣機，采用通用軟件無線電外設（UniversalSoftware Radio Peripheral，USRP）設備，模擬基站發送感知信號（DMRS 信號），發送天線端口數為 1，信號載頻為 4 GHz，帶寬為 400 MHz。同時，采用另 1 個 8 端口 USRP 設備，模擬 4 個接收終端（每個終端接收天線數為 2）。在實際測試中，4 個接收端連續獲取下行CSI

148、，并發送到一臺計算機上。計算機用于執行后續信號處理，獲得感知結果。計算機基于4 個終端發送的、在時域上連續的多個 CSI 樣本，估計出由于行人運動導致的動態反射徑的多普勒頻率，并進一步估計出行人運動軌跡。圖 4-8(a)展示了整體系統框圖，圖 4-8(b)為樣機的實物圖片。65/79圖4-8雙基地多節點協作軌跡追蹤通感一體化樣機：(a)系統框圖(b)實物照片圖 4-9(a)-圖 4-9(c)展示了基于三組實測 CSI 商數據得到的多普勒 MUSIC 偽譜，其中橫軸為時間，縱軸為多普勒頻率。從圖中我們可以清晰地看到，消除靜態雜波后，在大多數時刻存在 1 個譜峰，在40 Hz 范圍內隨著時間變化而

149、變化，這是由于人體走動不勻速以及人體與反射徑的夾角存在變化兩個因素共同導致的?；?、UE 和行人的相對位置會影響獲得的多普勒譜，在任一時刻，只要有 2 個或 2 個以上的 UE 獲得較可靠的多普勒估計結果，就能夠完成行人的軌跡追蹤。圖 4-9(d)-圖 4-9(f)展示了行人不同移動軌跡的測試結果，其中紅色曲線為行人真實走動軌跡，藍色曲線為估計軌跡。Tx 表示基站的發射機位置，Rx 表示 UE 的位置。在這組測試中，行人嘗試行走了三種軌跡，可以看到，三種情況下估計軌跡均可以與實際軌跡較好地吻合。圖4-9實測多普勒頻率-時間譜和軌跡跟蹤結果66/794.2.4 雙基地感知無源目標定位雙基地感知無

150、源目標定位雙基地感知無源目標定位樣機的硬件配置如圖 4-10(a)和圖 4-10(b)所示，復用PDSCH-DMRS 作為感知信號。信號中心頻率為 4 GHz、帶寬為 400MHz，感知信號采用單通道發送、8 通道陣列天線接收，以對感知目標進行測角。為了盡可能準確地獲得感知目標的運動參數的真值，在樣機測試中采用金屬導體球作為感知目標，并將金屬導體球安裝于電動滑軌之上。金屬導體球沿著滑軌做往復運動。樣機測試的實物展示如圖 4-10(b)所示。另外，為了對雙基地感知樣機的性能進行對照，這里采用完美時頻同步的感知測試作為對照基線。如圖 4-10(c)所示，在基線測試中，收發天線的位置以及感知目標的運

151、動方式，均與雙基地感知樣機測試中的相同。在基線測試中，由于感知信號的收發端屬于同一個USRP，因此能夠實現完美的時頻同步，不受定時偏差、定時漂移、載波頻率偏差和隨機相位等感知非理想因素的影響。圖4-10雙基地感知無源目標定位樣機對于雙基地感知樣機，直接按照傳統雷達信號處理的方式進行 2D-DFT 處理，得到的時延譜和時延-多普勒譜如圖 4-11 所示?？梢钥闯?，時延-多普勒譜發生了嚴重的彌散，使得感知目標無法被正確檢測出來。造成時延-多普勒譜彌散的原因主要是前面分析中的定時漂移，包括由定時漂移引起的時延譜移位和相位漂移。圖4-11不做ADD處理得到的時延譜和時延-多普勒譜67/79為了抑制感知

152、非理想因素的影響，采用異步時延-多普勒方法消除定時漂移和載波頻率偏差的影響，并且采用 LOS 徑消除定時偏差的影響。需要指出的是，在該樣機系統中未觀察到隨機相位，如果有隨機相位，異步時延-多普勒方法也能夠消除隨機相位的影響。圖 4-12(a)和圖 4-12(b)分別是感知非理想因素消除后的時延譜和時延-多普勒譜，非常接近于完美時頻同步的單基地感知的時延譜和時延-多普勒譜。進一步地，消除靜態雜波后的時延-多普勒譜如圖 4-12(c)所示，從中能夠清晰地觀察到運動感知目標。消除靜態雜波的方法是，將圖4-12(b)所示的時延-多普勒譜中的零多普勒一列置零，即可實現雷達技術中基于動目標顯示的雜波消除方

153、法。圖4-12感知非理想因素消除后的時延譜和時延-多普勒譜采用異步時延-多普勒方法結合 LOS 方法獲得正確的時延-多普勒譜之后，采用傳統雷達技術中的信號檢測與參數估計方法，獲得感知目標對應的徑的時延、多普勒和角度等信息，進而基于時延和角度信息解算出感知目標的位置坐標。圖 4-13 展示了兩個場景下對無源感知目標定位的測試結果，采用完美同步的情況作為對照。兩個場景下通過雙基地感知得到的感知目標位置坐標的 RMSE 都在厘米量級，非常接近于完美同步的情況。圖4-13測試結果68/794.2.5 基于基于 LOS 與與 NLOS 同步同步校準校準的雙基地試驗的雙基地試驗雙基地 ISAC 系統在現代

154、智能應用中的潛力巨大，而其關鍵性能指標受同步精度的顯著影響。為探討優化路徑，針對視距（LOS）和非視距（NLOS）場景提出了專門的同步校準方案。系統配置 26 GHz 中心頻率和 450 MHz 帶寬，通過實驗驗證，這些方案有效提升了定位精度和感知性能，使系統能夠適應復雜的城市環境。LOS 場景中的同步校準：當 LOS 路徑可用時，充分利用視距信號傳播的穩定性，通過沿 LOS 路徑對準，達到最佳的同步精度。這種方法能夠顯著降低時間誤差，將同步精度提升至小于 0.4 ns。實驗結果表明，在 LOS 條件下，感知定位誤差被控制在 8 cm 之內，接近厘米級精度。這種高精度的同步能力，極大地增強了系

155、統在自動駕駛、智慧交通等需要精準感知的場景中的適用性。圖4-14 LOS場景下雙基地同步校準NLOS 場景中的同步校準：在沒有 LOS 路徑的情況下，引入了基于參考目標的同步校準方法。通過選擇具有固定位置的參考對象（如建筑物、標志物等），系統可以通過間接路徑的傳播特性進行同步校準，從而補償時間誤差。在這種方法的支持下，NLOS 場景中的感知定位誤差也能被有效降低至 8 cm 之內。這種魯棒的校準能力使系統能夠在多徑干擾和視距受阻的復雜環境中依然保持較好的感知性能。圖4-15 NLOS場景下同步校準參照物選取69/79實驗數據表明，與傳統的 GPS 基帶同步方法相比，所提出的基于空口的 LOS

156、和 NLOS同步校準方案展現了顯著的優勢：同步精度：空口同步誤差小于 0.7 ns，遠優于 GPS 基帶同步的 30 ns。感知定位精度：空口同步在 LOS 和 NLOS 場景下均實現厘米級定位精度，而 GPS基帶同步的定位誤差仍為米級（約 550 cm）。通信性能：在兩種同步方案下，通信速率保持在 1.6 Gbps 的穩定水平，表明同步精度的提升不會對通信性能造成負面影響。實驗表明，通過 LOS 路徑對準和 NLOS 參考目標校準的結合，雙基地 ISAC 系統能夠適應城市環境中存在的同步挑戰和視距障礙問題。這種靈活的同步調整策略有效提升了系統的定位精度和感知性能，使其能夠滿足智慧城市、無人駕

157、駛、工業物聯網等復雜場景中的需求。在實際應用中，LOS 路徑可用時，系統利用視距信號實現最佳同步；在 NLOS 場景中，通過參考目標的智能校準確保同步誤差的最小化。這種靈活適應性使得系統在動態變化的環境中保持了高效的運行能力。為進一步驗證系統性能，基于 LOS 和 NLOS 場景的同步校準方案，生成了 CDF 曲線。結果顯示，空口同步在兩種場景中的誤差分布顯著優于傳統方案，尤其在高精度范圍（厘米級誤差）內占優。如圖 4-16 和圖 4-17 所示，CDF 曲線直觀地證明了同步校準方案在提升定位性能和環境適應性方面的有效性。圖4-16LOS 場景雙基地 ISAC 系統同步誤差 CDF 曲線70/

158、79圖4-17 NLOS場景雙基地ISAC系統同步誤差CDF曲線4.2.6 雙基地動作檢測雙基地動作檢測動作檢測是雙基地 ISAC 系統的重要應用場景，能夠通過對動態目標的無線信號反射進行精確分析，實現多目標、多動作的實時檢測與識別。其核心原理基于無線信號的微多普勒效應，即目標動作會引起無線信號傳播路徑的動態變化，從而在頻率上產生微小的偏移。通過捕捉這些頻率特征，系統能夠精準地提取目標動作信息，如站起、坐下、行走、揮手等。系統以 26 GHz 中心頻率和 450 MHz 帶寬的配置為基礎，通過 USRP 硬件平臺實現高精度感知與實時信號處理；發射端發送感知信號（如 CSI-RS 信號），信號經

159、過目標反射后被接收端接收。目標的動態行為會通過反射路徑引入獨特的多普勒特征，系統利用這些特征進行動作檢測。接收端采用多天線陣列，通過高分辨率信號處理方法（如 MUSIC 算法或快速傅里葉變換 FFT）提取目標的多普勒頻譜。靜態雜波和背景反射徑通常表現為穩定的頻率成分，而動態目標則會產生隨時間變化的動態頻率特征，系統通過動目標顯示（MTI）技術和CSI 商方法有效消除了靜態雜波干擾，進一步突出了動態目標的動作特性。為確保系統在復雜環境下的高性能，樣機配備了空口同步技術，保證發射端和接收端之間的時間對齊精度優于 0.7 納秒，感知定位精度達厘米級。這種高精度同步能夠有效應對多徑干擾和環境復雜度的挑

160、戰，使得系統在 LOS 和 NLOS 場景中均表現出優異的穩定性和可靠性。實驗測試中，系統在室內多徑反射環境下完成了多目標動作檢測的驗證。測試包括站起、坐下、行走和揮手等典型動作，動態目標數量為 1 至 3 人。通過提取多普勒譜并結合機器學習模型對動作進行分類，系統實現了 93%的檢測精度，檢測延遲低于 100 毫秒。不同動作的識別率也表現出高度一致性，其中站起和坐下的檢測準確率達 95%，行走和揮手等復雜動作的準確率超過 90%。71/79圖4-18雙基地通感下雙人動作檢測場景及結果雙基地 ISAC 系統動作檢測通過結合微多普勒效應、同步校準技術和智能分類算法，實現了實時、多目標的高精度動作

161、檢測能力。在智慧醫療、家庭監護、公共安全等領域，該系統展現了巨大的應用潛力。未來，通過進一步優化天線配置、信號處理算法和數據分析模型，系統將在更大規模、多目標動態檢測的應用場景中展現更強的性能優勢。72/795 總結與展望總結與展望綜合比較雙基地感知和單基地感知技術，我們可以看到，雙基地感知技術在性能和功能上具有顯著優勢，特別適合需要高精度、大范圍覆蓋的應用場景。它能夠提供更全面的環境感知，更精確的目標定位和跟蹤，以及更強的抗干擾能力。這使得雙基地感知技術在未來的6G 網絡中占據重要地位，尤其是在智慧城市、自動駕駛、工業物聯網等領域有廣闊的應用前景。然而，我們也不能忽視雙基地感知技術面臨的挑戰

162、，如系統復雜度增加、成本上升、對網絡基礎設施要求高等問題，這些因素可能會在某些應用場景中限制其推廣。相比之下，單基地感知技術憑借其簡單性、低成本和易部署的特點，在一些特定場景中仍然具有優勢，例如在資源有限或需要快速部署的情況下。因此，在實際應用中，選擇使用雙基地感知還是單基地感知技術，需要根據具體的應用需求、環境條件和資源限制等因素綜合考慮。在某些情況下，結合兩種技術的混合解決方案可能是最優選擇，既能發揮雙基地感知的高性能優勢，又能利用單基地感知的靈活性和成本效益。隨著 6G 技術的不斷發展，我們可以預見，雙基地感知技術將在通信和感知融合的大趨勢下扮演越來越重要的角色。未來的研究重點可能會集中

163、在如何進一步提高系統效率、降低復雜度和成本，以及如何更好地與現有網絡基礎設施融合。同時，針對不同應用場景的優化和定制化解決方案也將成為重要的研究方向。73/79參考文參考文獻獻1Skolnik,M.I.,Introduction to Radar Systems,McGraw-Hill,New York,1980.2N.J.Willis and H.D.Griffiths,(eds.),Advances in Bistatic Radar,Ra1eigh NC:SciTech Publishing Inc.,2007.35G NR waveforms:Challenges,solutions,

164、and measurementsJ.IEEE Transactions on Microwave Theoryand Techniques,2019,67(10):4042-4054.4Everett E,Sahai A,Sabharwal A.Passive self-interference suppression for full-duplex infrastructure nodesJ.IEEE Transactions on Wireless Communications,2014,13(2):680-694.5Bharadia D,McMilin E,Katti S.Full du

165、plex radiosC/Proceedings of the ACM SIGCOMM 2013conference on SIGCOMM.2013:375-386.6N.J.Willis,Bistatic Radar,Artech House,1995.7IMT-2020（5G）推進.5G-Advanced 通感融合無線空口技術方案研究報告R.2024.8丁鷺飛，雷達原理，電子工業出版社，2020.9Hu Cheng,Liu Changjiang,and Zeng Tao.Bistatic forward scattering radar detection and imaging.Jour

166、nalof Radars,2016,5(3):229-243.103GPPTS 38.215,Physical layer measurements.11vivo 通信研究院.通感一體化技術白皮書R.2023.12丁圣利,李健之,姜大潔,等.面向通感一體化的非均勻感知信號設計J.移動通信,2024,48(03):95-106.13Donoho D L.Compressed sensingJ.IEEE Transactions on information theory,2006,52(4):1289-1306.14Candes E J,Romberg J K,Tao T.Stable sign

167、al recovery from incomplete and inaccurate measurementsJ.Communications on Pure and Applied Mathematics:A Journal Issued by the Courant Institute ofMathematical Sciences,2006,59(8):1207-1223.15Pal P,Vaidyanathan P P.Nested arrays:A novel approach to array processing with enhanced degrees offreedomJ.

168、IEEE Transactions on Signal Processing,2010,58(8):4167-4181.16C.Sturm and W.Wiesbeck,Waveform Design and Signal Processing Aspects for Fusion of WirelessCommunications and Radar Sensing,in Proceedings of the IEEE,vol.99,no.7,pp.1236-1259,July 2011.17T.Zhang and X.Xia,“OFDM synthetic aperture radar i

169、maging with sufficient cyclic prefix,”IEEE Trans.Geosci.Remote Sens.,vol.53,no.1,pp.394404,2015.18M.Braun,“OFDM radar algorithms in mobile communication networks,”Phd thesis,Institut f ur74/79Nachrichtentechnik des Karlsruher Instituts fur Technologie,Karlsruhe,2014.19M.Braun,C.Sturm,and F.K.Jondral

170、,“On the Single-Target Accuracy of OFDM Radar Algorithms,”22ndIEEE Symposium on Personal Indoor and Mobile Radio Communications,2011.20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):46-56.21S.Ding et al.“Bi-static ISAC with Asynchronous Transceivers Mechanism,Soluti

171、on and Field Test,”submitted to IEEE Internet of Things Journal.22K.Wu et al.,“Sensing in BiStatic ISAC Systems with Clock Asynchronism:A Signal ProcessingPerspective,”IEEE Trans.Signal Process.,vol.41,no.5,pp.31-44,Nov.2024.23X.Li et al.,“IndoTrack:Device-free indoor human tracking with commodity W

172、i-Fi,”Proc.ACM Interact.Mob.Wearable Ubiquitous Technol.,vol.1,no.3,Sep.2017.24Z.Wang,J.A.Zhang,M.Xu and J.Guo,“Single-target real-time passive WiFi tracking,”IEEE Trans.Mobile Comput.,vol.22,no.6,pp.3724-3742,Jun.2023.25D.Brunner et al.,“Bistatic OFDM-based ISAC with over-theair synchronization:Sys

173、tem concept andperformance analysis,”arXiv:2405.04962,May 2024.26J.Pegoraro et al.,“JUMP:Joint communication and sensing with unsynchronized transceivers madepractical,”IEEE Trans.Wireless Commun.,vol.23,no.8,pp.9759 C 9775,Feb.2024.27J.Zhao,Z.Lu,J.A.Zhang,S.Dong and S.Zhou,“Multiple-Target Doppler

174、Frequency Estimation in ISACwith ClockAsynchronism,”IEEE Trans.Veh.Technol.,vol.73,no.1,pp.1382 C 1387,Jan.2024.28K.Wu,J.A.Zhang,X.Huang,and Y.J.Guo,“A Low-Complexity CSIBased Wifi Sensing Scheme forLOS-Dominant Scenarios,”Proc.IEEE Int.Conf.Commun.(ICC),pp.2747-2752,2023.29Park S Y,Ahn H S,Yu W.Rou

175、nd-trip time-based wireless positioning without time synchronizationC/2007International Conference on Control,Automation and Systems.IEEE,2007:2323-2326.30Herbst,J.W.,“Moving Target Indication(MTI)Radar”,IEEE Transactions on Aerospace and ElectronicSystems,Vol.AES-20,No.6,pp.821-835,1984.31Ludloff A

176、,Minker M.Reliability of velocity measurement by MTD radarJ.IEEE Transactions onAerospace and Electronic Systems,1985(4):522-528.32Brennan L E and Reed I S.Theory of adaptive radarJ.IEEE Transactions on Aerospace and ElectronicSystems,1973,AES-9(2):237-252.33Jian Li,and Stoica Petre.MIMO radar signa

177、l processing.John Wiley&Sons,2008.75/7934Song,Xiufeng,Shengli Zhou,and Peter Willett.Reducing the waveform cross correlation of MIMO radarwith spacetime coding.IEEE Transactions on Signal Processing 58.8(2010):4213-4224.35Knill,Christina,et al.Coded OFDM waveforms for MIMO radars.IEEE Transactions o

178、n VehicularTechnology 70.9(2021):8769-8780.36Nguyen M Q,Feger R,Bechter J,et al.Fast-chirp FDMA MIMO radar system using range-divisionmultiple-access and doppler-division multiple-accessJ.IEEE Transactions on Microwave Theory andTechniques,2020,69(1):1136-1148.37Hassanien A,Vorobyov S A.Transmit ene

179、rgy focusing for DOA estimation in MIMO radar with colocatedantennasJ.IEEE Transactions on Signal Processing,2011,59(6):2669-2682.38Zhang J A,Liu F,Masouros C,et al.An overview of signal processing techniques for joint communicationand radar sensingJ.IEEE Journal of Selected Topics in Signal Process

180、ing,2021,15(6):1295-1315.39Luo Y,Zhang J A,Huang X,et al.Optimization and quantization of multibeam beamforming vector for jointcommunication and radio sensingJ.IEEE Transactions on Communications,2019,67(9):6468-6482.40Zeng Y,Wu D,Xiong J,et al.FarSense:Pushing the range limit of WiFi-based respira

181、tion sensing with CSIratio of two antennasJ.Proceedings of the ACM on Interactive,Mobile,Wearable and UbiquitousTechnologies,2019,3(3):1-26.76/79縮略語縮略語英文縮寫英文縮寫英文全稱英文全稱中文中文2D-FFTTwo-Dimensional Fast Fourier Transformation二維快速傅里葉變換3GPP3rd Generation Partnership Project第三代合作伙伴計劃5GThe fifth generation m

182、obile communication systems第五代移動通信系統6GThe sixth generation mobile communicationsystems第六代移動通信系統AAUActive Antenna Unit有源天線單元AIArtificial Intelligence人工智能AMFAccess and Mobility Management Function接入與移動性管理功能BMBeam Management波束管理BSBase Station基站CACCCross Antenna Cross-Correlation天線間共軛乘CASRCross Antenna

183、Signal Ratio天線間信號商CDFCumulative Distribution Function累積分布函數CFOCarrier Frequency Offset載波頻率偏差CNCore Network核心網CPCyclic Prefix循環前綴CPICoherent Processing Interval相干處理間隔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CRICSI-RS Resource IndicatorCSI-RS 資源指示DMRS

184、Demodulation Reference Signal解調參考信號DDMDoppler Division Multiplexing多普勒頻分復用DFTDiscrete Fourier Transform離散傅里葉變換DRBData Radio Bearer數據無線承載ESPRITEstimating Signal Parameter via RotationalInvariance Techniques旋轉不變子空間方法77/79GPSGlobal Positioning System全球定位系統GTP-UGPRS Tunneling Protocol for the User Plane

185、GPRS 用戶面隧道協議IDFTInverse Discrete Fourier Transform離散逆傅里葉變換IFFTInverse Fast Fourier Transform快速傅里葉逆變換IPInternet Protocol網絡協議ISACIntegrated Sensing and Communication通信感知一體化LMFLocation Management Function定位管理功能LFMLinear Frequency Modulation線性調頻信號LOSLine-of-Sight視距LSLeast-Square最小二乘MAC CEMediumAccess Co

186、ntrol-Control Element媒體接入控制單元MIMOMultiple Input Multiple Output多輸入多輸出MTIMoving Target Indicator動目標顯示MTDMoving Target Detect動目標檢測MUSICMultiple Signal Classification多重信號分類器NLOSNon-Line-of-Sight非視距OFDMOrthogonal Frequency Division Multiplexing正交頻分復用OMPOrthogonal Matching Pursuit正交匹配追蹤OCCOrthogonal Cove

187、ring Codes正交覆蓋碼OTFSOrthogonal Time Frequency Space正交時頻空PAPRPeak to Average Power Ratio峰值平均功率比PDSCH-DMRSPhysical Downlink Shared Channel-DemodulationReference Signal物理下行共享信道解調參考信號PRSPositioning Reference Signal定位參考信號PTRSPhase-tracking Reference Signal相位追蹤參考信號QPSKQuadrature Phase Shift Keying四相移位鍵控RAN

188、Radio Access Network無線接入網REResource Element資源單元RIPRestricted Isometry Property有限等距條件78/79RRMRadio Resource Management無線資源管理RRCRadio Resource Control無線資源控制RCSRadar Cross Section雷達截面積RSRPReference Signal Receiving Power參考信號接收功率RSRQReference Signal Received Quality參考信號接收質量SC-FDESingle Carrier Frequency

189、 Domain Equalization單載波頻域均衡SDTSmall Data Transmission小數據傳輸SINRSignal to Interference plus Noise Ratio信干噪比SNRSignal to Noise Ratio信噪比SRBSignaling Radio Bearer無線信令承載SCTPStream Control Transmission Protocol流控制傳輸協議SFSensing function感知網絡功能STAPSpace-Time Adaptive Processing空時自適應處理TRSTracking Reference Sig

190、nal追蹤參考信號UmiUrban Micro城市微蜂窩UEUser Equipment用戶設備UDPUser Datagram Protocol用戶數據報協議UCIUplink Control Information上行控制信息USRPUniversal Software Radio Peripheral通用軟件無線電外設UAVUnmanned Aerial Vehicle無人航空載具79/79白皮書貢獻人員白皮書貢獻人員單位名稱單位名稱貢獻人員貢獻人員維沃移動通信有限公司姚健、李健之、丁圣利、袁一凌、袁雁南、劉是梟、姜大潔中國移動通信集團研究院桂鑫、程執天、韓林叢、馬良、沈嵩輝、孫志雯、息榮艷中信科移動通信技術股份有限公司索士強、龔秋莎、張向東、耿毅中興通訊股份有限公司韓志強、蔣創新、夏樹強北京小米移動軟件有限公司張振宇、段高明、李成鋼上海諾基亞貝爾股份有限公司高飛、徐朝軍、王文建、劉建國、周艷妮聯發博動科技（北京）有限公司曲文澤、邵宣博、李浩然、雷敏、陳滔