6G网络协作通感技术白皮书

编制单位：中国移动通信集团有限公司、中国联合网络通信有限公司、中国电信股份有限公司、上海诺基亚贝尔股份有限公司、中信科移动通信技术股份有限公司、中兴通讯股份有限公司、维沃移动通信有限公司、OPPO广东移动通信有限扰管理及原型验证。相比《网络协作通感一体化技术白 2 3 4 6 6 7 27 27 1实（XR）等6G新场景、新业务的涌现，通信感知一体化（ISAC），作为6G向在网终端的定位功能。5G-A通感一体化通过时分或者频分的实现方式，在基号自发自收，且通感功能分立设计，5G-A通感一体仍面临效率、成本、感知精通过A发B收的协作感知放松对自干扰的抑制要求，通过多点协作提升感知精6G网络协作通感一体化充分利用移动通信网络得规模部署优（1）智慧低空：作为国家战略性新兴产业，智慧低空包括轻中型无人机物2（2）智慧交通：智慧交通场景可分为道路监管、车辆轨迹追踪、工厂设备图1网络协作通感典型应用场景国际电信联盟（ITU）2023年发布了《IMT面向2030及未来发展的框架和总体目标建议书》[3]，引入感知与通信融合作为6G典型应用场景，并在6术报告。中国通信标准化协会（CCSA）在2023年已通过多基站协作通感关键3发布了感知需求、网络架构、信道和评估、空口技术等方向研究报告[4][5][6]，并正在国内开展。更进一步，面向6G协作感知，业界正在进行场景和用例分析、ISAC-ETI，各大高校及科研院所积极举办协作通感一体化国际会议、学术研讨通感一体化理论研究[11]-[13]。依托国家重点实验室建立软硬件验证平台，助力通(a)独立通感(b)协作通感图2通感一体化工作模式4协作通感无需感知节点具备全双工能力，可避免对有源天线单元（AAU）当感知目标运动方向与感知信号到达目标的入射角及反射角的角平分线垂附近区域。通过多个不同方向的接收节点协范，以实现各项技术指标的精确测量和评估，5模非精准，将导致仿真性能的偏差。如何建模非视距（NL性能进一步恶化。如何从网络层面分析、设计作、如何协作、如何更好协作等问题。相比《网络协作通感一体化技术白皮书1.0》，新增了技术指标体系与模型，提炼了关键技术解决方案及结论、丰富了测试及原型验证，可保障网络协作感知性能需求并6作通感系统，其感知服务质量（SensingQoS）至关重标数量。SensingQoS可包含多种要求，包括感知时延、定位精度、测速精度、场景，感知服务质量可更多的关注感知时延、定7估目标散射特性的重要参数，在通信感知一体化技术中发挥重要作用。RCS的大小取决于目标的几何形状、入射波的频率等因素。RCS的值越大，表示目标的散射特性。因此，复杂目标的建模及散射特性的特性，这对两种模式下的高精度感知具有重8图3不同节点感知时无人机的RCS对比图建模为目标信道Htarget和背景信道Hbackground之和，用如下公式表示[2]：HISAC=Htarget+Hbackground其中，目标信道Htarget是指受到目标影响的所有（多径）信道成分（所谓信道成分是指构成信道的径、簇等而背景信道Hbackground是指不包含在目标信道中的9图4协作感知分段卷积信道模型假设入射信道和后向散射信道中，分别有P和Q个簇，那么整个目标信道中的簇总数为N=PQ，其中，第n个簇是由入射信道中的第p个簇和后向散射信道方式，从入射信道中的第p个簇和后向散射信道中的第q个簇得到。在得到第n个簇的信道参数后，即可将其代入3GPPTR38.901协议[17]中的信道模型中，获•目标信道的簇功率等于入射信道和后向散射信道簇功率的乘积：Pn=PpPq•目标信道的多普勒频移相位是入射信道和后向角：θn,ZOD=θp,ZOD,φn,AOD=φp,AOD；θn,ZOA=θq,ZOA,φn,AOA=φq,AOA•如果目标的散射矩阵可以从交叉极化比矩阵中剥离，则第n个簇的交叉极化==exp(jΦθ) nSnnSnnSnSθexp(jΦθ) 一个典型的网络协作通感系统模型如图5所示。在该系统模型中，节点A作为通感一体化发送端，其发出的下行通信信号由该小区内的用户A接收，用于数据通信。节点A也可以发送感知信号，经目标反射后，感知回波信号由节点B和节点C接收，用于联合感知。通过这一协作感知过程，可以将感知的收发端在空间上分离开，节点A仅需进行下行传输，而节点B和节点C工作在上点B和节点C工作在上行模式时，还可以与各自小区内的用户进行上行通信。图5网络协作通感系统干扰模型在网络协作通感系统中，感知精度和通信速率将受到信干噪比（SINR）的Σ=1Pmb,tPLcRm+Σ=1Pkb,tPLcRk+Iclutterb,t上行用户干扰小区间干扰杂波干扰M和K分别代表上行用户数目和干扰小区数目。值得注意的是，干扰小区包括邻来评估协作组网感知方案的整个组网性能以及对传调制的过程,而是通过一种物理层抽象的链路级接口曲线为系统级提供一种简单仿真结果通过合理的数学建模凝练成接口曲线的形式为系统级提供判断感知结中发送端信号生成与接收端感知算法实现是将链路仿真中的信号处理流程融入感知方案确定基站类型（基站类型可分为：通感一l撒点：在通感一体基站的感知区域内进行感知目标的撒点和建模，在通信区域内进行通信用户的撒点和初始化。根据一定的撒点算法确定感知l散射特性建模：对于感知目标，除建立其全局坐标外，还需配置感知目标的特征，如形状、材质等，并对其散射特性进行建模，获取不同入射位置、速度等信息的计算，并根据协作组网感知CSTStudioSuite是一款全面的电磁场仿真软件套件，用于模拟和分析电磁感知目标RCS，分析目标物体在不同条件下的散射特性，为通信感知一体化系统设计和分析提供重要的技术支持。具体步骤如图6所示。图6RCS测量仿真步骤流程图在CST仿真平台中使用的无人机模型，长度、宽度均为0.28m；车辆模型，长图7所示，其中与Z轴和X轴的夹角图7两种目标模型表1RCS仿真参数设置参数无人机数值车辆数值功能入射俯仰角目标不同位置入射方位角目标不同姿态观测俯仰角观测节点不同位置观测方位角观测节点不同姿态步。本小节首先介绍同步误差来源及其影响，而后分别时钟偏差，影响OFDM解调的性能。时钟偏差与信号传播时延叠加在一起构成测量量的误差，产生距离模糊，从而使感知精度下降。现有3GPPNR协议TS38.133规定，站间时间同步精度约为±1.5us[32]，可造成约450米的距离偏差，生成的本振频率随时间发生漂移，进一步影响图8频率抖动测试图9时间及频率同步误差对目标距离及速度精度的影响根据信号传输方式的不同，时间同步方案可分为利用全球导航卫星系统基站对GPS/DBS信号搜索，解算基站与卫星时间之间的钟差实过差分站，利用已知精确坐标的GPS基准台修正目标基站时间，前者时间同步时间网络授时[34]-[36]实现，上述两种方案实现的基站间时间同步误差分别约为方法。第一步，节点B接收来自节点A发送的感知信号，测量感知信号的传播(L1+L2)/2=(T1+T2)/2，得到与同步误差无关的时间参数。最后，通图10同步误差消除方案此外，一种通过测量多径时间差避免节点间同图11基于参考径的同步误差消除方法的重要部分。为了解决多TRP之间由于晶振不同带来的频偏，可以采用多TRP此外，一种利用距离变化率与多普勒频移测速差别的频偏测量方法如图12图12基于目标位置变化率的频偏估计方法频偏可通过基于训练符号的方式进行补偿，较经典的算法有Schmidl&Cox训练序列，S&C算法具有较高的估计精度，但是两个训练序列开销较大，降低了数据的传输效率。S&C算法的频偏估计分为两部分，分别是小数倍频偏估计）：序列，在奇数子载波上传输‘0’）。由于存在频偏，接收端第一训练序列前后两部分对应的采样点存在相位差，可通过此相训练序列，奇数子载波上传输PN2序列，偶数子载波上传输PN3序列，其中PN3与PN1具有给定的差分关系。当接收信号存在整数倍频偏时，接收到的频域数据相对于发送端会出现循环移位。因此，通过对PN1和PN3进图13Schmidl&Cox算法的训练序列时域结构强的协作簇。如图14所示，一种可行的方案是上报一个或多个非直达径的SINR（SINRP），发送节点根据各个接收节点上报图14利用测量量（RSRP/SINR）选取协作节点示意图集以减小目标到最近微站的路径损耗，保证接收图15微站部署方案图16不同微站部署策略的感知精度图17感知通过灵活时隙实现（2）尽可能减小GP开销，提升资源利用率。基站A如果发送需要增加保护间隔GP，造成资源浪费，如图18(a)所示。因此为了尽可能减小图18尽可能减少GP开销所示，基站C不参与协作感知，若配置成通信下行，就优选紧挨着U的灵活时隙。为了从源头规避远端基站干扰，要保证感知的发送图19降低干扰根据上述帧结构配置原则，如何设计感知帧结构的信令配置方式需要研究。和通信的帧结构配置。通感一体统一帧结构配置，可保证通信和感知的兼容性，感知精度的同时，尽可能降低波束开销成为协作波分布较为稀疏，如图20所示。若利用现有协议中的均匀预编码码本配置方法，图20垂直维度非均匀波束配置可以在降低总体波束扫描开销的前提下，提升图21水平维度区域化波束扫描配置多节点协作的核心问题是如何融合处理协作多节点的多维信息从而最大化部分感知测量量发送给服务器，传输数据量小，图22协作定位误差随节点数目变化曲线免上下行交叉链路干扰的影响，以同时满足网络的感知需求与通信需求[25]。图23上下行交叉链路干扰干扰基站进行适当的干扰管理，以满足不同场图24同站址互干扰强度CDF曲线图图25测距RMSE与邻站址干扰强度关系图减少小区内上行通信用户对其他接收节点的干扰。如图30所示，采用等功率分需求自适应动态调整，满足业务数据解调、感知(a)等功率分配(b)固定功率分配(c)自适应功率分配图30功率分配方案值得注意的是，在目标接近通信用户设备时，感链路的干扰，提升感知精度和通信质量，从而图31网络协作中上行通信干扰下的感知检测概率分布网络架构，可采用“环状”组网方式，如图32所示。同站址三扇区的帧结构同邻站址基站配置正交码字的感知信号，可进一步将邻区图32环形组网方案示意图考虑基站间协作的低频网络协作通感，原型样机采用4.9GHz虚检率、漏检率均可达到5%以下，可满足低空安防和低空经济的应用需求。图33低频网络基站间协作通感原型样机无人机探测场景的低频网络协作通感，原型样机采用4GHz频段，开展面向室内行人的轨迹追踪置的UE，基于多普勒测量算法实现人体轨迹追踪[37]，通过使用CSI商估计多普图34低频网络多UE协作轨迹追踪场景及结果示例：(a)直线轨迹MUSIC伪谱(b)M形轨迹MUSIC伪谱(c)S形轨迹MUSIC伪谱(d)直线轨迹估计(e)M形轨迹估计(f)S形轨迹估计6G时代，通信能力、感知能力将融合共生，各种业务之间的信息协同和处面向未来，6G网络协作通感仍需要加强跨域技术缩略语列表AngleofArrivalAngleofDepartureAdditiveWhiteGaussionNoiChannel-StateInformatMovingTargetDetecNLOSPhysicalDownlinkControSignaltoInterference-pTransmissionReceptiUSRP2Dimensional-FastFourierT参考文献[1]IMT-2030(6G)推进组,6G典型场景和关键能力白皮书[R].2022[2]3GPP,Summary#3onISACchannelmodelling[R],3GPPRAN1#116,R1-2401496,2024[3]ITU-Rrecommendation,FrameworkandOverallObjectivesoftheFutureDevelopmentofIMTfor2030andBeyond[R].2023[4]IMT-2020(5G)推进组,5G-Advanced通感融合仿真评估方法研究报告[R].2023[5]IMT-2030(6G)推进组,通信感知一体化研究报告（第二版）[R].2022[6]IMT-2030(6G)推进组,6G通信感知一体化评估方法研究报告[R].2023[7]CCSA,研究课题项目建议书（面向多基站协作的通信-感知-计算深度融合体系架构与关键技术研究）[R],TC5WG6#64-012,2023[8]LiuG.,XiR.,HanZ.,etal.,CooperativeSensingfor6GMobileCellularNetworks:Feasibility,PerformanceandFieldTrial[J].IEEEJournalonSelectedAreasinCommunications,2024[9]ZhouY.,LiuJ.,XuC.,etal.,Raytracing-BasedSimulationPlatformwithEfficientDopplerEmbeddingforIntegratedSensingandCommunication[C].inProc.IEEEPIMRC,Toronto,Canada,2023:1-6[10]LiS.,LuoC.,TangA.,etal.IntegratingPassiveBistaticSensingintommWaveB5G/6GNetworks:DesignandExperimentMeasurement[C].inProc.IEEEICC,Rome,Italy,2023:2952-2957[11]WangY.,TaoM.andSunS.,Cramer-RaoBoundAnalysisandBeamformingDesignforIntegratedSensingandCommunicationwithExtendedTargets[J].IEEETransactionsonWirelessCommunications,2024[12]LiuF.,CuiY.,MasourosC.,etal.,IntegratedSensingandCommunications:TowardDual-FunctionalWirelessNetworksfor6GandBeyond[J].IEEEJournalonSelectedAreasinCommunications,2022,40(6):1728-1767[13]ZhangX.,JinJ.,MaL.,etal.,Pilot-BasedDelayandDopplerEstimationIn6GIntegratedCommunicationAndSensingNetworks[C].inProc.WCSP,Nanjing,China,2022:478-482[14]3GPP,StudyonIntegratedSensingandCommunication[R].3GPPTR22.837,2023[15]LiuG.,MaL.,XueY.,etal.,SensCAP:ASystematicSensingCapabilityPerformanceMetricfor6GISAC[J].IEEEInternetofThingsJournal,2024,11(18):29438-2945[16]3GPP,DiscussiononChannelModellingMethodologyforISAC[R],R1-2404469,2024[17]3GPP,StudyonChannelModelforFrequenciesFrom0.5To100GHz[S].3GPPTS38.901,2023[18]ChiriyathA.R.,PaulB.,JacynaG.M.,etal.,InnerBoundsonPerformanceofRadarandCommunicationsCo-Existence[J].IEEETransactionsonSignalProcessing,2015,64(2):464-474[19]HanZ.,DingH.,etal.,MultistaticIntegratedSensingandCommunicationSysteminCellularNetwork[C].inProc.IEEEGlobecomWorkshops,Kuala,Malaysia,2023:123-128[20]HanZ.,DingH.,etal.,CellularNetworkBasedMultistaticIntegratedSensingandCommunicationSystem[J].IETCommunications,2024,18(12):1-11.[21]LeyvaL.,CastanheiraD.,SilvaA.,etal.,Two-stageestimationalgorithmbasedoninterleavedOFDMforacooperativebistaticISACscenario[C].inProc.IEEEVTC2022-Spring,Helsinki,Finland,2022:1-6[22]PucciL.,MatricardiE.,PaoliniE.,etal.,Performanceanalysisofabistaticjointsensingandcommunicationsystem[C].inProc.IEEEICCWorkshops,Seoul,Korea,Republicof,2022:73-78[23]SakhniniA.,GuenachM.,BourdouxA.,etal.,ACramér-RaoLowerBoundforAnalyzingtheLocalizationPerformanceofaMultistaticJointRadar-CommunicationSystem[C].inProc.IEEEJC&S,Dresden,Germany,2021:1-5[24]LiR.,XiaoZ.,andZengY.,Beamformingtowardsseamlesssensingcoverageforcellularintegratedsensingandcommunication[C].inProc.IEEEICCWorkshops,Seoul,Korea,Republicof,2022:492-497[25]ZhangX.,HanL.,HanZ.,etal.,InterferenceAnalysisforCollaborativeIntegratedSensingandCommunicationNetworks[J].CommunicationsofHUAWEIRESEARCH,2023,2:99-106[26]ChenX.,FengZ.,WeiZ.,etal.,MultipleSignalClassificationBasedJointCommunicationandSensingSystem[J].IEEETransactionsonWirelessCommunications,2023,22(10):6504-6517[27]ZhouJ.,LiW.,JiangS.,NLOSIdentificationandRangingErrorMitigationforUWBSignal[C].inProc.IEEEICNSC,Shanghai,China,2022:1-5[28]ZhangX.,XuJ.,AnIndoorNLOSIdentificationandExtractionAlgorithmBasedonMulti-dimensionalDataCorrelation[C].inProc.IEEEICCC,Dalian,China,2023:1-5[29]LiZ.,TianZ.,ZhouM.,etal.,AnAccurateAndRobustEnvironmentSensingAlgorithmforEnhancingIndoorLocalization[C].inProc.IEEEINFOCOMWorkshops,Honolulu,USA,2018:244-249[30]ShiQ.,LiuL.,ZhangS.,JointDataAssociation,NLOSMitigation,andClutterSuppressionforNetworkedDevice-FreeSensingin6GCellularNetwork[C].inProc.IEEEICASSP,RhodesIsland,Greece,2023:1-5[31]X.Wangetal.,Multipath-ExploitedBistaticSensingwithLoSBlockageinMIMO-OFDMSystemsfor6G[C].inProc.IEEEICCWorkshops,Denver,USA,2024:1529-1534.[32]3GPP,Requireme