2024年6G通感一体化空口关键技术研究报告-2030（6G）推进组

目 录目 录 2第章引言 6第章感对空设计新需分析 8感知应用的特征 8感知对基站的需求 9感知对终端的需求 9第章潜感知形 OFDM 11基于OFDM的远距覆盖设计 12CE-OFDM 15FMCW 16OTFS 18OCDM 203.5小结 21第章感信号计和理 22感知信号设计 22感知信号序列设计 22感知信号图样设计 23感知信号复用方式 28通感信号融合设计 29感知信号处理 32干扰消除 32虚拟孔径 35功率分配 37目标特征识别 39第章感波束理 42感知波束独立管理 42通感波束融合管理 43通信辅助感知波束管理 45第章感辅助信 46感知辅助通信信道估计 46感知辅助通信波束跟踪 48感知辅助通信覆盖增强 52第章总和展望 54参文献 56贡单位 592图目录图1 ITU-RIMT-2030应用场景 6图2 OFDM系统感知处理流程 图3 60kHz子载波间隔室增强型CP 13图4 支持感知远距离覆盖的频域参考信号设计示意 13图5 ISAC系统的新型信号结构 14图6 用于远距离感知的ISAC帧结构示意图 14图7 扩展CP和交替CP方案覆盖对比 15图8 CE-OFDM系统框图 15图9 CE-OFDM模糊函数图 16图10 OTFS信号调制解调流程 18图时变信道时延多普勒域信道响应 18图12 序列自相关与互相关性能对比：自相关（左），互相关（右） 22图13 感知性能对比评估结果：定位精度（左），测试精度（右） 23图14 ZC序列性能 23图15 非均匀感知信号实测时延-多普勒 24图16 两步非均匀感知信号设计方法 25图17 基于协方差矩阵的图样设计 25图18互质的非均匀图样设计 26图19 频域双周期映射方式示意 26图20 均匀映射与非均匀映射的频域占用情况对比 27图21 均匀映射与非均匀映射的测距精度对比 27图22 双周期配置感知信号 27图23 通感空分复用波束方向图：(a)withISI；(b)delISI 29图24 感知和通信的SNR 29图25 参考信号集合1 30图26 参考信号集合2 31图27 感知场景需求更大感知范围 31图28 自发自收感知下的两种波形结合 32图29 多个参考信号融合共同用于感知 32图30 通信波形下的低旁瓣脉冲压缩方法处理结果 34图31 ISAC统一天线架构 363图32 等效发射天线间隔及实现的非均匀孔径 37图33 角度估计RMSE性能 37图34 等功率分配技术 38图35 固定功率分配技术 38图36 功率分配方案与传统方案的对比 39图37 感知示例 39图38 6G感知与无源标签通信融合示意图 40图39 感知信号和无源信号收发示意图 40图40 距离误差匹配法示意图 41图41 特征分类匹配法示意图 41图42 用于感知接收机基于波束分裂的波束赋形模型 43图43 基于感知区域的灵活感知波束扫描示意图 43图44 大规模天线阵列通感一体化混合波束赋形设计示意图 45图45 通信辅助感知波束管理示意图 45图46 感知辅助通信信道估计与传统信道估计方法性能对比 47图47 感知辅助信道估计的NMSE 48图48 波束训练与环境感知一体化设计 49图49 多变无线环境示意图 50图50 波束训练和感知精度性能 50图51 多径信道毫米波波束跟踪示意图 51图52 基于扩展卡尔曼滤波的通感一体化（EKF-ISAC）与基于反馈两种方案的角度预测性能对比 52图53 感知辅助覆盖增强示意图 534表目录表1 四种潜在感知波形总结 215第一章引言6G作为下一代移动通信系统，将跨越人联和物联，迈向万物智联的新时代。2023年11月，国际电信联盟ITU-R发布了《IMT-2030及未来的新框架建议》[1]，也被称为全球统一的6G愿景，是制定全球6G标准的蓝图。建议书定义了6G的6个主要应用场景，其中3个是5G基础上增强的通信场景，另外3个场景是6G新引入的超越通信的场景，其中就包括通信感知一体化，如图1所示。未来6G网络将利用全频段、大带宽、大规模天线阵列、多节点协作等能力，提供超高分辨的检测定位跟踪、环境目标重构与成像、目标动作识别等能力，在支撑极致通信体验的同时，实现智能家庭、智慧工厂、智慧医疗、终极自动驾驶等网络服务场景。图1ITU-RIMT-2030应用场景在6G，通信与感知将进一步深度融合，从频谱、硬件到协议进行深度融合。6G网络突破目前单基、双基雷达的局限，从网络架构、组网技术、空口能力等方面进行原生通感融合设计，实现组网、广域、立体的精准感知。无线接入网的空口技术是6G的重要组成部分，不光决定了通信的能力和性能，也将决定感知的基本能力和性能。因此，6G系统需要展开空口关键技术的基础研究工作，为后续产业推动和标准化做技术储备。62021年和2022年，IMT-2030发布的第一版和第二版的《通信感知一体化技术报告》对空口的关键技术做了简单介绍。在6G标准即将展开，有必要对6G空口技术进行梳理和研究。本研究报告基于第二版的《通信感知一体化技术报告》，对空口设计需求、感知波形、参考信号设计、信号处理、波束管理以及感知辅助通信技术做了重点讨论和分析，整理了最新的研究成果，在没有特别说明时，相关方法适用于六种感知模式。本报告期望进一步推动业界针对通感一体化空口技术的研究，为即将到来的6G标准做好技术储备。7第二章感知对空口设计的新需求分析感知应用的特征在业界对于感知场景存在众多研究，这些研究涉及应用类场景和用例以及服务类场景与用例包括检测、定位和追踪类，动作识别类，环境检测类，以及环境重构类应用。从这些应用可以看到有以下特征：感知和通信一体并实现互助。丰富的感知应用需要感知和通信由一个系统提供，既降低硬件成本、又降低布网成本并提供多种能力，又可更好支持各种应用。通信功能需要和感知功能在底层信号设计、帧结构做融合，也需求在协议栈的设计做融合，并考虑利用感知辅助通信、通信辅助感知来提升系统性能。多种感知应用需求。既有针对家庭娱乐的感知需求，又存在针对低空、车联网、工厂、公共服务等各个行业和领域的应用。而且这些应用的需求是存在差异的，这些差异有来自于感知精度的差异，也有感知测量方法的差异，又有端到端数据处理、感知时延的差异。有些应用的感知精度需求较低，比如入侵检测类应用；而有些应用感知精度需求较高比如轨迹跟踪、成像。有些应用需要对于时延和刷新率较低，比如对于雨量检测其感知时延需求是6而对于自动驾驶类应用其需求达到100毫秒[2]。未来系统需要在接入网的设计提供支持这些需求的灵活性，比如灵活的帧结构，灵活的信号设计。多种感知模式。为了支撑这些丰富的应用，为了网络既存在只有基站侧参与UE协作的感知方式，还存在只有UE参与的感知方式。多种感知方式就要求在信号设计、信号处理上能够兼容，并且尽量的复用，减少感知开销。更立体的覆盖。未来的应用既要支持地面的需求，又要支持低空的需求。而地面通信一直是移动通信网络服务的重点，同样的在未来移动通信网络中，地面对通信和感知的需求依旧强烈。低空经济作为战略性新兴产业，在促进经济发展、加强社会保障等方面发挥着日益重要的作用。因此，未来的网络需要对通信和感知提供更加立体的覆盖。8感知对基站的需求6G网络对于基站的需求主要集中在信号设计、信号处理、干扰消除、多天线等技术。6G系统的设计基础上进行开展。感知波形和通信波形存在千丝万缕的关系，不能抛开通信波形去设计感知波形。所以，在波形设计时需要考虑对通信的影响或和通信结合的存在问题。其次，在进行感知信号设计时，需要考虑其序列的设计、复用设计，并且需要考虑和目前已有参考信号的融合设计降低参考信号的开销。信号处理。首先，对于通感一体化系统，获取精确的感知测量结果很重要，但是环境及通感系统中的各种外部和内部干扰因素会显著影响感知测量结果的精度。如果不消除这些干扰，将给后续的感知数据处理带来很大的问题。其次，为了更好的支持通信和感知功能，超宽带宽和超大规模天线阵列技术的融合，可以实现高精度的感知。但是，同时也带来了天线硬件成本高、系统功耗高、波束偏移等问题。然后，在通感一体化系统中，通信和感知业务共享并复用相同的时间、频率、功率等资源，如何权衡折中通信感知业务的性能，进行合理的功率分配成为重要方向之一。波束管理技术。更立体的覆盖就需要更大的天线规模，以及更多的波束。这就要求对波束进行更好的管理。一方面，系统可以利用感知结果来辅助波束跟踪，结合定位技术缩小波束扫描范围、缩短波束训练时间，也可以优化波束发送。另一方面，通信辅助感知的波束管理方案来降低开销。同时，需要考虑感知和通信的混合波束赋形技术来降低硬件成本。感知辅助技术。感知功能获取的感知结果可以优化通信信道估计，通信小区切换以及增强通信覆盖范围。基站需要能够获得感知感知结果来辅助通信资源的优化。感知对终端的需求6G终端除了通信能力的增强，还需要具备满足特定需求的感知功能，具体体现在以下几方面[3]：9感知信号接收和发送。6G网络可能存在多种和终端相关的感知模式，终端需要将感知能力发送给网络，能够接收灵活的感知信号发送配置和接收配置，并且可以按照配置的资源进行发送和接收感知信号。感知信息采集和处理。终端通过对接收信号的分析能够提取出反映传播环境特征的感知信息。为满足高精度感知需求，终端需要支持更高频段、更大带宽，结合各频段的特性进行联合感知，同时尽可能减小与网络设备或其他终端的同步误差。并且，终端需要能够对采集的感知数据进行处理，以减少信息上报的开销或者应用感知结果。感知信息传输。终端需要将感知数据上报给网络，终端上报的感知数据需要综合考虑上报数据量、时延、开销以及隐私安全等各方面的影响。10第三章潜在感知波形OFDMOFDM（OrthogonalFrequencyDivisionMultiplexing，正交频分复用）波形作为典型的多载波调制技术被广泛应用于4G/5G移动通信系统，基于传统通信处理的感知处理流程如图2所示。图2OFDM系统感知处理流程假设基站发射M个OFDM符号的数据，每个OFDM符号包括N个子载波，则经过距离R，相对速度为V（其导致的多普勒频移为F）后，接收的基带信号可以表示为：M1

N1

jt2R

tmT t

2R rt

Cm,

m,

cejcTm0n0

Cm,n:第m符号第n子载波的信道增益xTm,n:第m符号第n子载波的调制符号这里速度V与多普勒频移F的关系为：

F为载波波长采样并FFT，第m符号的第n个子载波上的接收信号可以表示为：xR,nC,n

j2RcejM,mM,n.N1可以发现：距离导致的相移与OFDM符号索引无关，该相移随着子载波索引的变化而线性变化。速度导致的相移与子载波索引无关，该相移随着符号索引的变化而线性变化。也就是说，距离和速度对接收信号相位的影响是解耦的，二者可以独立进行检测。11在不考虑干扰和噪声因素时，利用最小二乘法（LeastSquares，LS）信道估计获取得到信道信息（即检测矩阵）可消除发送数据影响。进一步地，通过对检测矩阵进行（时域）维度的相位信息进行检测得到多普勒/速度，进行列（频域）维度的相位信息检测可以得到时延/距离信息，同理，对不同接收天线的相位信息进行检测得到角度信息，进而可以计算得到感知目标的位置、轨迹信息等。OFDM用于感知其存在承载数据的能力强、易与现有标准兼容、模糊函数呈现图钉状，具有良好的距离和速度分辨能力等优点。但是，OFDM的峰值平均功率比（PeaktoAveragePowerRatio，PAPR）高、自发自收时自干扰抑制困难，且基于传统通信处理接收机感知距离容易受限、高速导致子载波不正交时，影响感知性能等缺点。不过采用先进接收机可以大大提升感知的性能。例如OFDM信号也可以变换到时延多普勒域，在时延多普勒域进行感知估计，或者直接针对时延多普勒做匹配滤波。基于OFDM的远距覆盖设计为消除多径时延扩展带来的OFDM符号间干扰，通信系统将OFDM符号的尾部复制到头部作为循环前缀（CyclicPrefix，CP），使得只要多径信号落入CP范围内即可获得完整信息。因此，CP长度与信号覆盖范围相关。对于感知而言，在感知中存在多径，特别是多目标的识别需求。当感知多个目标时，近距离目标（时延较小）又要感知远距离目标（时延较大）时，可能导致感知信号的多径时延扩展超过CP60kHz子载波间隔为例，CP1.17μs，支持的感知覆盖范围：1.17×10−6×3×108/2≈175米，当子载波间隔为240kHz时，感知覆盖范围不到50米。而在典型的通感应用场景无人机业务中，感知距离应达到500-1000米。因此，需进一步扩展CP长度以提升感知覆盖。CP其中一种方式是直接增大CP长度，感知覆盖范围将成比例提升，即：Lmax=TCP∙c/2CP长度增大至符号长度一半时，感知覆盖范围达到最LmaxT/2∙c/260kHzCP长度增大一倍至2.34μs时，可实现约350m的感知覆盖，如图3所示。CP还可以采用CPP分段扩展方式缩短OFDM符号，将通信的一个OFDM符号分割成N个短符号，前一个符号的尾部与后一个符号的CP重叠，则12N前N-1个短符号可以看做该OFDM符号的等效CP，长度为N−1(T−TCP)+TCP。以60kHz子载波间隔、N=2为例，如图3所示，第一个短符号为OFDM符号的等效CP。OFDM符号总长度为16.67μs，CP、A2的长度为1.17μs，A1的长度为6.58μs，则可以得到等效CP的长度为2TCP+LA1=8.92μs，实现了在同等NCP开销下提升覆盖范围4倍。图360kHz子载波间隔室增强型CPCP分段扩展也可以理解为在一个传统的OFDM符号里，数据部分被重复了多次。如图4所示的情况，即为数据部分重复两次。这样在雷达感知处理时，仅需对数据部分的后半部分的采样点进行算法处理，即可避免码间串扰的影响[4]。同时，为了获得上述时域波形，可在频域载波上间隔插0，即放置零功率参考信号，然后进行IFFT运算即可，与现有的OFDM发射流程完全兼容。获取数据部分重复两次的频域参考信号的设计如图4所示，其中非零功率参考信号位置根据需要也可替换为数据[5]。图4支持感知远距离覆盖的频域参考信号设计示意此外，CP的扩展思路还有设计新的ISAC信号结构，如图5所示。其关键13设计包括：感知信号跨越两个相邻通信符号的持续时间；感知和通信信号在频域中复用，共用子载波集合，且子载波分配可连续或不连续；在时间域中，感知信号在两个相邻符号间重复，通信符号附有，而感知符号交替使用CP和循环后缀（CPost）实现同步，可做到与传统UE的无缝兼容。图5ISAC系统的新型信号结构图6展示基于此种信号结构的信号帧设计。为保持兼容性，传统UE应被调度到不使用感知子载波的资源块（ResourceBlock，RB），而新型UE可被调度到任意RB。感知部分的帧结构类型、符号和子载波/RB索引须定义，并通过调度信令传达给感知接收机。对于通信，若UE占用了完整RB，则新帧结构对其透明，无需额外信令；但若UE只占用部分RB，且感知占用了其他资源，则帧结构和相关信息必须在调度信令中明确传达给UE。图6用于远距离感知的ISAC帧结构示意图我们通过仿真验证了此信号结构的有效性，在仿真设置中，我们将可用带宽的一半分配给数据传输，另一半分配给感知信号。这种配置使我们能够在时域中有效地结合LoS径和衰减36dB的远距离目标回波。此外，我们将加性白高斯噪声（AWGN）的功率设置为比LoS径低20dB，从而使远距离目标的回波强度比AWGN噪声底部低16dB。我们对比了提案中提出的解决方案和扩展CP长度方案，两种方法的感知范围性能表现分别展示在图7。14扩展CP （b）交替CP图7扩展CP和交替CP方案覆盖对比从量化角度来看，我们的解决方案在SNR（信噪比）性能指标上比现有方法高出3.8dB。此外，利用Shnidman方程，我们的方案在检测概率上展示了显著的提升，从70%提升到99%，突显了所设计方法的有效性。CE-OFDMCE-OFDM（ConstantEnvelope-OFDM，恒包络OFDM）通过对常规OFDM信号进行相位调制产生恒包络的多载波信号，获得0dBPAPR的基带波形，因此在存在非线性高功率放大器（HighPowerAmplifier，HPA）的环境下信号失真小于OFDM，是功耗限制通信场景下的物理层备选接入技术之一。CE-OFDM的低功耗特性也有助于增强感知系统的覆盖能力。图8CE-OFDM系统框图CE-OFDM系统首先将QAM调制符号映射为共轭对称形式，经过NFFT点IFFT运算获得实值OFDM时域信号x[n]，再通过相位调制得到CE-OFDM信号：s[n]Aexpj2hCNx[n],n0,1,...,NFFT1其中为A为载波信号幅值，2h为调制指数，CN为归一化常数因子。最后对15s[n]插入长度为NCP的循环前缀后发送。基于恒包络OFDM信号的感知过程与OFDM信号相同：在感知端，恒包络OFDM信号无需进行相位解调，只需通过FFT将接收信号变换到频域，然后采用2D-FFT或MUSIC等方法进行感知估计。与OFDM相比，传统CE-OFDM信号的感知信噪比存在子载波差异性，频域模糊函数的主瓣宽度与调制指数2h有关，其感知性能较OFDM有一定损失[6]。此时可以通过改进的偏移CE-OFDM（OCE-OFDM）方案调整调制指数和偏移比例来调整子载波之间的功率分配，在通信性能和感知性能上进行折中[7]。图9CE-OFDM模糊函数图总体来说，现有研究显示CE-OFDM在存在非线性HPA的环境中能够取得较优的通信性能，而CE-OFDM的感知性能还没有获得充分的挖掘。目前有待研究的问题包括感知性能评估、感知算法、波形改进设计等方面。除此之外，尽管恒包络多载波信号在发送能量效率上优势明显，但其非线性处理过程引入了非线性噪声和滤波，在实际性能验证中需综合评估频谱效率、多目标感知能力、计算复杂度等问题。FMCW调频连续波（FrequencyModulatedContinuousWave，FMCW）是雷达领域场16景的波形。其中应用最广泛的是线性调频（LinearFrequencyModulation，LFM），其信号定义：1 jftut2 s2 3u 3

,2

t20,其它u:调频斜率,uB,B是调频带宽fs:是初始频率，可以为0LFM信号又被称为chirp信号，可以发现，在脉冲带宽内，线性调频信号的ff0 0频率从 2线性增加到 2，斜率是u。当u>0时，称为正向调频信号(up-chirp)，否则称为反向调频信号(down-chirp)。LFM其以下优点[8]：具有峰均比低，LFM可增加感知距离；自干扰抑制简单，实现自发自收实现难度低；对多普勒扩展不敏感，在高速目标测量上，实现更好的性能；但是，LFM承载数据的能力差，并且LFM信号较少，无法为多用户提供感知信号上的正交性。雷达波形除了包含FMCW外，还包含非线性调频信号(Non-linearfrequencymodulation，NLFM)。NLFM的特点是时域恒模，频域可以设计成任意形状。这样做的原因是，通常雷达的接收端需要在频域进行加窗处理来抑制时域/距离域的旁瓣泄露，而仅在接收端加窗的信号处理方式会造成SNR的损失。如果在发射端将频域设计成窗的形状，那么在接收端使用匹配滤波的处理方式就可以最大化接收SNR，并获得加窗抑制旁瓣的效果。注意到，传统的NLFM需要对窗函数积分的反函数再进行积分，适合发射信号较为固定的雷达系统。而在通感一体化系统，需要综合考虑通信和感知的需求，对发射信号进行灵活的调整，因此有必要研究更加高效的数字化NLFM信号(DNLFM)的实现方式，如在[9]中，针对时域信号在采样点上的相位进行计算，通过等效的积分计算方法，只需要少量迭代就可以得到需要的NLFM信号。17OTFSOTFS是一种基于二维辛傅里叶变换的多载波调制方法，将时变的多径信道转换为延迟-多普勒域中的二维信道，每一个发送的调制符号经历与时间无关的信道，然后通过有效的均衡器结构获得时域和频域的分集增益[10]，如图10所示。图10OTFS信号调制解调流程OTFS的核心就是需要经过二维离散逆辛傅里叶变换（InverseSymplecticFiniteFourierTransform，ISFFT），如图11所示。OTFSISFFT，使得时频信道在时延-多普勒域上不再是稠密的，而是稀疏的，且在时延多普勒域上，信道不再是点乘到数据网格上，而是卷积在发射数据上。这使得OTFS信号具有不同的导频设计与信道均衡方案。与传统OFDM接收机的主要区别是，传统OFDM接收机在进行多径时延估计和多普勒估计时是解耦的，也就是说传统OFDM接收机假设了在一个OFDMsymbol内高速运动导致的多普勒频率可以被忽略，多普勒频率的影响主要体现在OFDMsymbol间会引入多普勒频移而导致的相位旋转。多普勒频移的影响主要依赖额外的时间高密度的参考信号如PTRS的设计，以及相应的纠偏算法。而OTFS则原生地在信道均衡的过程中消除多普勒的影响，将多普勒的影响和时间信道等效看待。因此，在高速场景中，OTFS有潜力像均衡时域信道一样均衡掉多普勒频移的影响，其鲁棒性优越于传统OFDM接收机的频域纠偏方案，其后者限制于具体算法和可利用的时频资源。图11时变信道时延多普勒域信道响应18OTFSOFDM接收机的优势主要体现在高速移动场景下的距离估OFDM接收机，由于高速场景下多径效应和多普勒频移导致子载波间的正交性丧失，使得传统OFDM接收机中的频偏纠正算法面临失效。而OTFS使用在时延多普勒域二维正交基函数来对抗时变多径信道的动态特性，将衰落时变的多径信道转变为稀疏缓慢的时变信道，进而只要最高多普勒频移小于子载波感知目标参数主要位于时延信道中，传统OFDM接收机对于不受多普勒频移影响的时延信道具有很好的估计性能，此时OTFSOFDM的时延估计结果在特定场景下等效，性能也类似。虽然OTFS相比传统OFDM接收机具有巨大优势，但目前实现方面还有一定困难。首先，OTFS变换带来的算法复杂度通常是传统OFDM接收机运算量的几倍，这样会大大影响传输效率。其次，OTFS现在和MIMO技术结合还存在问题。OTFS和MIMO结合主要在于信道状态信息参考信号（CSI-RS）设计上需要推翻原有的CSI-RS设计。由于时延-多普勒上的数据，经过信道传输，不再保持正交。因此需要调研CSI-RS设计能否复用在OTFS-MIMO上。经过信道传输，数据不再保持正交，因此首先经过一个DMRS先对数据进行解调，随后才能计算CSI-RS获得的码本[11]。对于传统的OFDM信号，UE接收到的信号的时频资源的位置是固定的，UE只需要在指示的时频位置上找到CSI-RS并接收，基于已有的先验信息排除掉时频资源不一致引入的额外的相位（在某些情况下，这个相位可能很小），就可以计算预编码矩阵指示，并反馈。对于OTFS，由于在时延、多普勒域的信道是卷积在发射信号上的，所以会导致接收机在不知道信道信息的时候，并不知道在哪里接收目标。可以在对应的位置找到峰值，盲检测OTFS。这会引入额外的复杂度用以寻找峰值，且也会导致信噪比比较低。也可以先进行时频信道估计，随后检测不同天线的引入的空域信道信息。这就要求给DMRS和CSI-RS需要共同设计，用来先进行时频信道估计，再进行空域信道估计。这还会要求接收端原来可以时频信道、空域信道在各自的参考信号上进行估计，变为现在需要空时频同时进行估计。跟进一步地，如果OTFS在时延多普勒域配置码分复用（CodeDivisionMultiplexing，CDM）组，则一定导致组内信道在时频域上混叠在一起，此时要求其一定需要均衡时频信道后，才能进行空域信道估计。这要求现有的CDM组19在OTFS信号上需要重新设计。OCDMOCDM（OrthogonalChirpDivisionMultiplexing，正交线性调频分频复用）是一种用于高速通信的技术，它通过复用一组正交的线性调频波形实现数据传输。在OCDM中，菲涅耳变换（FresnelTransform）用于实现线性调频波形之间的正交性。就像傅里叶变换在OFDM中的作用一样，菲涅耳变换是OCDM的核心。离散菲涅耳变换（DFnT）允许OCDM在数字领域的实现。菲涅尔变换后的域中（在此称之为chirp域），chirp域中的基信号是彼此正交的。这些基信号在时间上是平移的关系。因此首先生成第一个基信号，其他的基信号可以基于这个信号的平移获得。菲涅尔变换公式为首先，OCDM在通信上基本没有显著优势，其频谱效率和OFDM类似[12]。而波形本身的在数据是随机比特情况下和OFDM在统计上基本一致。在复杂度上，OCDMOTFS的信道估计和均衡都需要对数据进行解卷积操作，复杂OFDMOCDMOTFSOTFSMIMO结合的难点都会出现在OCDM波形系统中出现。OCDM在通信上取代OFDM6G波形的可能不大。而从感知的角度看，在已知信道的时延扩展的情况下，可以生成若干个为零的线性调频信号（LFM则只能生成两个上升频率下降频率的信号，用于感知参数估计，这在扩展感知范围上具有正面效果。但是，OCDM信号无法像OFDM结合DFT-s-OFDM一样在一个符号的时长内生成脉冲式的信号，必须发满整个符号的连续调频信号，这在极高功率超大范围覆盖时会在自发自收场景中导致自干扰。因此OCDMPAPR增大感知距离的增益，并由于有多个正交线性调频信号，能够为更多用户提供感知服务。此外，OCDM也有一些增强结构，比如IM-OCDM（IndexModulation-basedOCDM，索引调制正交线性调频波分复用）。IM-OCDMIMOCDM波形，利用子波形，利用子啁啾的索引域传输隐蔽信息，并进一步降低和实20现频谱整形[13]。小结对以上四种潜在感知波形进行分析，其性能、复杂度上各具优劣，总结如表1所示。表1四种潜在感知波形总结感知估计性能系统复杂度系统可行性OFDM良。PAPR高和高速场景时性能会收到影响署，复杂度可接受可行性高，已大规模部署，系统改动小LFM最优，恒包络，高多普勒情况下不受影响（需要算法优化）脉冲压缩、相干解调两种感知方案复杂度均类似于OFDMLFM信号较少，需向不同用户提供整块的时频域资源以提供正交性OTFS使用高阶处理算法时，高速场景下测距性能有提升较高。解调需要额外多进行FFT操作以及更复杂的信道度。需要以帧为单位发射、接收信号，估计算法多用户复用信道、双工模式有待讨论OCDM仅次于LFM,依赖参考资源设计，最优情况下恒包络，最差PAPR接近OFDM较高。解调需要额外多进行DFnT操作以及更复杂的信道估计算法OCDM在通信上基本没有优势，在感知上通过参考资源的设计，可以在小功率场景中为多用户提供接近LFM的感知精度注：这里的OFDM是指基于传统OFDM接收机21第四章感知信号设计和处理感知信号设计感知信号序列设计感知信号序列设计需要考虑序列自相关特性、互相关特性、PAPR特性等方面，序列特性对感知系统的抗干扰性能和覆盖性能有重要影响。当前通信系统采用的参考信号序列主要包括Gold序列和ZC（Zadoff-Chu）序列。Gold序列具有生成简单，自相关和互相关特性优良，支持产生的序列个数多等优点；ZC序列除了具有理想的周期自相关特性和良好的互相关特性，其在时域和频域都具有恒包络的理想特性，两者均可作为感知信号的候选序列。通信系统中序列设计通常仅考虑时域或频域维度序列特性，而感知数据处理通常联合多个符号或多个时隙进行相干处理，需要同时考虑序列的时域和频域维度特性。例如对于采用频域序列生成和映射的通信参考信号，多个OFDM符号上的感知信号对应的时域自相关旁瓣较高，且不同设备信号之间的时域互相关值较高，可以对不同OFDM符号承载的序列进行随机化改善其自相关特性及互相关特性[14]。以NR通信系统参考信号为基础，对不同OFDM符号承载的序列的相位进行随机化，优化前以及优化后信号的时域维度自相关特性和互相关特性对比如图12所示，可见优化后的信号具有更低的时域维度自相关旁瓣，以及更优的时域维度互相关特性，该方法对Gold序列和ZC序列都适用。

图12序列自相关与互相关性能对比：自相关（左），互相关（右）进一步地，图13给出了将优化前以及优化后的信号用于目标定位或测速时的感知性能仿真评估结果，可以看出，对信号时域维度序列特性进行优化能够提22升感知性能。

Positioningaccuracy

CDFCDF

Accuracy(m)

图13感知性能对比评估结果：定位精度（左），测试精度（右）尽管ZC序列具有时频域均恒模的特性，但通信的发射信号是经过过采样的，其时域波形并不是完美恒模的，此时不同ZC更下的信号时域特性存在不小差异。这里采用CubicMetric来衡量功率放大器的功率效率降低。如图14，在3761的ZC长度下，不同ZC根的CubicMetric差异非常大，跨度超越了3dB。因此有必要对ZC根进行一定的挑选和限制，来提升感知的性能。进一步地，对感知信号功率受限的设备或者目标回波微弱的场景，可以直接推荐其选用特定的ZC根来确保性能。感知信号图样设计

图14ZC序列性能均匀感知信号的信号配置和对应的信号处理均相对简单，并且具有较好的感知性能。然而，在通感一体化的场景下，均匀感知信号具有时频资源开销大、资源配置灵活性差等局限性。感知目标在时延域和多普勒域的稀疏性，使得感知信号的非均匀配置成为可能，并显著降低感知信号的时频资源开销、提升资源配置23的灵活性。非均匀感知信号设计的两种典型方法是：压缩感知方法、差分协同阵列方法：压缩感知方法：其关键在于稀疏矩阵和观测矩阵的构造。在通感一体化系统OFDM信号波形，则默认在频域采用FFT稀疏基、在时域采用IFFT稀疏基。对于任意一个RE，只存在被感知信号占用和不被感知信号占用这两种状态，因此可以采用随机伯努利矩阵（01的矩阵）作为观测矩阵。从而，感知信号的配置能够完全沿用现有的参考信号配置框架。在感知信号接收端，可以通过贪婪算法迭代搜索重构出时延谱和多普勒谱。差分协同阵列：由物理阵元之间的频率差或时间差构造虚拟阵元，从而能够通过较少的阵元数构造较大的阵列。典型的虚拟阵列构造方法是嵌套阵和互质阵。在接收端，通过对非均匀的物理阵列的接收信号做协方差运算来构造均匀的虚拟阵列的接收信号。需要指出的是，构造虚拟阵列后会使得各个径变成相干信号，需要先进行解相干处理后才能应用子空间类算法；或者，可FFT/IFFT算法。图15为在样机中采用非均匀感知信号与均匀感知信号得到的时延-多普勒谱的对比。非均匀感知信号在显著降低时频资源开销的同时，会损失一定的感知信噪比。因此在实际应用中，需要在资源开销与感知信噪比之间权衡。均匀信号 (b)压缩感知方法 (c)嵌套阵方图15非均匀感知信号实测时延-多普勒在通感一体化系统中，非均匀感知信号的配置可以采用两步配置方法。首先进行均匀感知信号的设计，然后基于均匀感知信号进行非均匀采样得到非均匀感知信号。具体地，从均匀信号占用的时频资源中进行非均匀采样，选择出一部分子载波或OFDM符号用以承载感知信号，实现非均匀感知信号设计，如图16所示。与均匀信号相比，非均匀信号能够减小感知信号占用的信号资源数，且能够避开部分子载波或OFDM符号以避免与其他信号的冲突。24图16两步非均匀感知信号设计方法增强协方差矩阵的方法(augmentedcovariancematrix)主要是在雷达稀疏阵列上进行应用，也可以将其应用到时域，以降低时域资源开销。以最小冗余时域资源为例，如图17所示。图17左图是开销为10个符号的均匀时域时域资源，其在构造协方差矩阵时，共产生100个值，这些元素代表了时域位置差为-8~8的信号的共轭乘，可以看出在协方差矩阵中，很多元素是存在冗余的。图17右图是最小冗余时域资源，只占用了5个符号的时域资源，其也能够表示出时域位置差为-8~8的信号的共轭乘，从而重构出协方差矩阵来估计多普勒频率或速度。图17基于协方差矩阵的图样设计一种可实现的互质图样设计方案如图18(a)所示，感知信号间隔为{3,4,5}，互质且周期重复，下面以最大无模糊速度为例仿真分析互质间隔与等间隔感知信号性能。UAV场景下感知业务的最大无模糊速度应至少高于其移动速度160km/ℎ≈44.4m/s,仿真设置载频3GHz和子载波间隔15kHz，则感知信号在时域上等间隔4个slot排布的最大无模糊速度为12.5m/s。图18（b）表明当检测速度超过12.5m/s后会出现多个样值，即已经超过最大无模糊速度且不满足UAV场景感知性能要求，而与其相同数量资源开销的在时域上间隔{3,4,5}个时隙的感知信号性能如图18（c）所示，其最大无模糊速度为50m/s，不仅满足性能要求，还能够在达到连续时隙排布的最大无模糊速度性能的同时节省75%的资源开销。同25理，可应用于频域，在满足最大无模糊距离的同时节省资源开销。（a）互质的图样设计（b）时域等间隔排布性能 （c）互质排布性能图18互质的非均匀图样设计此外，感知业务具有不同的需求，比如可根据不同的需求以及可用时频资源，考虑双周期的参考信号频域配置方法，来更好的处理测距精度和最大测距范围的权衡。在频域进行双周期的信号设计通常可以采用交织或非交织的方法进行设计，如图19所示。（a）交织的频域双周期映射方式（b）非交织的频域双周期映射方式图19频域双周期映射方式示意对于均匀频域映射和非均匀频域映射，我们利用图20所示的频域资源图样，进行了链路仿真，仿真结果如图21所示。图20的资源图样中，均匀映射和非均匀映射占用资源数相同（均为240个26RE）,由于均匀参考信号中RS0和非均匀参考信号中RS2的等效子载波间隔均为max2Δf均匀映射和非均匀映射所对应的最大测距范围相（均为R = cmax2Δf'

= c4Δf从图21的仿真结果中可以看出，当占用参考信号的感知频域资源数与最大测距范围均相同的时候，非均匀映射比均匀映射的测距误差减低。图20均匀映射与非均匀映射的频域占用情况对比图21均匀映射与非均匀映射的测距精度对比同理，可以在时域进行双周期设计来平衡速度测量与资源开销。双周期测量利用第一个周期来确保最大不模糊速度，而第二个周期则用于提升速度分辨率，一种可能得双周期配置示意如图22所示，参考信号双周期配置包括P1和P2，其中P2包含P1。图22双周期配置感知信号除了在一维进行图样设计，还可以在时域和频域均使用非均匀图样，这样相27比于一维图样可以大大降低资源开销。另一种方法也可以从孔径的角度出发，无论是否使用非均匀图样，图样的孔径决定了感知的性能。最大孔径雷达切片(max-apertureradarslicing,MaRS)技术可以通过使用少量的时频域资源来获取最大的时频域感知孔径，通过特殊的信号处理也可以获得时频大孔径的感知效果[15]。此外，利用多层结构阵列技术，可以以较低的复杂度和内存需求设计感知参考信号时频配置所需的大规模非均匀图样[16]。一个大规模图样可以由两个规模较小的阵列构造而成，这两个小阵列分别被称为内核和外核。具有两层结构的图样所对应的点扩散函数是内核和外核所对应的点扩散函数因子的乘积。因此利用这种两层结构，构造大规模非均匀图样的问题可以简化为两个小规模矩阵设计问题。两层结构化感知参考信号时频配置的基本思想是利用具有较大最大无模糊区域的内核因子来抑制由于大采样间隔导致的外核因子的栅瓣，同时利用具有较窄主瓣的外核因子来锐化内核因子的主瓣，以获得具有较大最大无模糊范围和较窄主瓣(较高分辨率)的点扩散函数。内核因子和外核因子可以通过现有的稀疏阵列设计方法进行设计。感知信号复用方式配备大规模/超大规模天线阵的6G系统具有较高的空间自由度，通感空分复用在该场景下具有较大的潜在应用价值。通感空分复用时，可通过全连接架构或部分连接架构同时生成不同方向的通信波束和感知波束。与传统多用户通信系统类似，此时可能会存在通信和感知之间的相互干扰。因此需要设计合适的通感一体化空分复用干扰检测和抑制方案来降低该相互干扰，保证两者的性能。预编码技术可用于解决传统MIMO通信系统多用户之间的干扰，能有效提升系统传输速率和链路可靠性。对于通感空分复用场景，可将通信接收端和感知接收端视为一体化系统的多用户，从而在该场景中应用MU-MIMO预编码技术，或基于通感的新需求进行方案优化或改进。例如，以基站作为通感一体化发射端，感知采用基站主动感知，通信为与基站-UE间的下行通信，两者共用基站的发射天线，以同时生成指向不同方向的感知和通信波束，感知接收天线面板与一体化发射天线面板采用物理隔离的方式以避免收发干扰。此时在发射端采用全数字ZF预编码方案进行通信和感知间的干扰抑制。波形图如图24所示，采用导向向量生成波束。以某个时刻为例，此时通信波2033（withISI24(a)，28通信和感知旁瓣在感知方向和通信方向都存在较大旁瓣，即存在相互干扰。当不考虑干扰（记为noISI）时，通信和感知为两个独立的系统，波形图与withISI的情况类似，但每个功能仅保留自身的波形图即可。当有干扰并在发端利用全数字ZF进行干扰抑制（记为delISI）后，能看到通信和感知旁瓣在感知方向和通信方向的旁瓣相比未做干扰抑制前都被大幅削减至0，即通信波束和感知波束方向的旁瓣干扰基本都被抑制掉。图23通感空分复用波束方向图：(a)withISI；(b)delISI图23的(a)和(b)分别展示了通信和感知在noISI、withISI和delISI三种情况下关于SINR的性能对比图，可看出通信和感知的情况基本一致。以图25(a)的通信为例，withISI的SINR性能相比noISI的SINR性能在SNR=0dB后逐渐大幅下降，这是因为SINR性能在SNR=0dB前主要被噪声影响，在SNR=0dB之后干扰的影响逐渐增大。做完干扰抑制后，delISI的SINR性能又会提升至noISI的SINR性能，说明全数字ZF预编码能有效抑制通信和感知间的相互干扰。通信 （b）感知图24感知和通信的SNR通感信号融合设计在5G中，移动通信系统引入了各种参考信号（ReferenceSignal，RS）用于29CSI-RS（ChannelStateInformation-ReferenceSignal）CSI测量和波束管理，跟踪CSI-RS用于获取时间和频率跟踪，PTRS（Phase-trackingRS）用于相位噪声和多普勒估计，PRS（PositioningReferenceSignal）用于定位测量。对于感知来说，研究和定义用于感知目的的参考信号是很自然的。然而，由于感知往往需要提取目标物体的多普勒信息，在进行信道估计时需要多很多个时隙进行联合处理，此外为了高精度的距离测量，感知参考信号的带宽也需要非常大。如果单一的感知参考信号具有大带宽，多时隙传输，可能会导致较大的系统开销。所以可以考虑以下多种参考信号融合设计，共同服务于感知以及通信。RS集合1：用于时间/频率跟踪的基本参考信号这一组参考信号可以作为6GRS（BM时间-频率跟踪、时间或延迟估计、到达角度估计。NRCSI-RS用于波束管理（BM）、无线资源管理（RRM）、跟踪、PRS的模式可以作为这一组RS的起点。基本上，对于集合1中的RS，单端口可能就足够了，以节省RS开销。然而，频域密度应足够高，以确保估计的准确性。为了提高系统传输效率，最好为具有上述用途的参考信号采用统一或嵌套结构。如图25所示，使用四个OFDM符号的RS模式既用于定位又用于感知，同时，在第二个OFDM符号中标记为蓝色的RE也配置用于波束管理。这是不同用途的RS嵌套结构的一个示例。在这种情况下，服务基站（Basestation，BS）只需传输一次RS资源，但UE可以同时用于感知、定位和波束管理（BM）测量。图25参考信号集合1RS集合2：用于更好地获取相位噪声/多普勒信息/频偏/速度估计的补充为了避免非常高的速度估计的模糊性，并支持更精细的速度估计分辨率，类30似PTRS的模式在时间域中具有更高的密度，在频率域中具有较低的密度，以平衡估计准确性和RS开销，类似于NR。如图26所示，对于感知目标估计，例如无人机入侵检测，在左侧标记为黄色的基本RS集合1的基础上，PTRS可以作为提高速度估计精度的补充。在这种情况下，黄色部分更适合用于路径/时间估计，而绿色部分可以用于更高精度的目标速度估计。图26参考信号集合2RS集合3：用于更大覆盖范围的补充在另一种情况下，即使RS由BS传输，也需要极大的覆盖范围来进行感知。例如，如图27所示，由于无人机的高度非常高以及BS天线仰角的限制，BS0可能无法成功检测到入侵的无人机。那么，更好的方法是让BS1对该区域进行感知。然而，由于无人机与BS1之间的距离较大，BS1传输的RS应具有较大的覆盖范围。为了实现大的覆盖范围，设计低峰均比（PAPR）的RS是必要的。图27UAV感知场景需求更大感知范围RS集合3需要更大的覆盖范围与NR下行链路中使用的Gold序列相比，ZC序列具有更低的PAPR和更好的自相关和互相关特性。它可以被认为是BS传输参考信号的补充集，以在BS传输端实现更好的覆盖性能。此外，雷达中常用的线性调频（LFM）序列由于其极低的PAPR和对自发自收感知模式检测的友好性，也可以选择。特别是自发自收感知模式可能存在覆盖问题，如图28所示，方案A1可能不足以感知远离感知收发器的目标。这是因为感知收发器需要同时传输和接收感31知RS，更大的传输功率将导致严重的自干扰，并进一步导致接收功率饱和。例如，对于FR1中的无人机入侵检测，使用BS自发自收感知模式，最大传输功率可能不超过20dBm左右以避免接收功率饱和。因此，可以考虑图28所示的方案A2，其中发射和接收可以以时分复用的方式进行。例如，当接收天线正在接收感知信号时，发射天线可以关闭。为了覆盖整个感知区域，可以考虑同时配置方案A1和方案A2，分布服务于近感知区域和远感知区域。图28自发自收感知下的两种波形结合总之，为了提高RS传输效率，可以将多种类型的RS融合与一个目的相关联。例如，可以为感知目的同时配置一个PRS资源、一个PTRS配置和一个TRS突发，如图29所示。在这种情况下，由于频域密度较高，PRS或TRS突发主要用于较好的路径/时间/RSRPP估计，而具有较高时间域密度的PTRS可用于更好地估计目标速度。图29多个参考信号融合共同用于感知感知信号处理干扰消除对于通感一体化系统，获取精确的感知测量结果很重要，但是环境及通感系32统中的各种外部和内部干扰因素会显著影响感知测量结果的精度。如果不消除这些干扰，将给后续的感知数据处理带来很大的问题。感知环境中来自非待感知目标的回波是一种外部干扰。通感一体化系统要探测的目标（例如自动驾驶场景中的车辆和行人）周围经常存在着各种背景，例如各种地物、道路两旁的护栏等。这些背景所产生的回波称为杂波。当杂波和待感知目标回波同时在雷达图上显示时，会使待感知目标的观察变得很困难。一种解决方案是利用密度聚类算法识别在回波信号中识别出杂波物体[17]。通过密度聚类算法，可以将探测点聚类为多个簇。根据感知应用场景中常见待感知目标与杂波目标的几何特征，合理的选择密度聚类算法参数，即可识别环境中的待感知目标和杂波目标。通感系统中的一种内部干扰来自于高电平的旁瓣干扰。在雷达信号处理中，匹配滤波是常用的低旁瓣脉冲压缩方法，其关键思想是在接收端尽可能复现和恢复发送端的期望波形，从而实现脉冲压缩。然而对于通信波形来说，感知的功率放大器一般工作于非线性区，会导致发射信号的严重失真，造成脉冲压缩后的旁瓣水平抬高。同时，受通信信息的高随机性的影响，通信信号的雷达点扩展函数旁瓣较高，且存在大量伪峰。可以通过失配滤波、稀疏感知以及多脉冲累积等方法对通信波形进行脉冲压缩以抑制旁瓣。基于失配滤波的通信波形脉冲压缩方法的主要思想是通过设计参考信号，将脉冲压缩处理后的通信信号的旁瓣和伪峰能量移至模糊平面远端，而对于模糊平面近端的主瓣临近区域，旁瓣和伪峰近似为零[18][19]。基于稀疏恢复的通信波形脉冲压缩方法的主要思想是，在雷达目标成像中，当雷达回波中存在强散射点时，雷达目标的回波信号在高频段可以看做是少数几个散射中心回波信号叠加的结果，目标相对于成像背景表现出高度的稀疏性。针对雷达目标回波的稀疏特性，将雷达成像模型转化为稀疏表示模型，并采用稀疏重构方法来对雷达目标参数进行优化求解[20]。基于多脉冲积累的通信波形脉冲压缩方法是在匹配滤波后采用脉冲积累的方法可以抑制旁瓣。图30是基于OFDM通信信号的脉压效果对比：33 匹配滤波 b)失配滤波c)稀疏感知 d)多脉冲积累图30通信波形下的低旁瓣脉冲压缩方法处理结果通感系统中的另一种内部干扰来自于器件和硬件电路的非理想因素，包括定时偏移、载波频率偏移、时域随机相位、通道不一致性、和相位噪声等[21]，这些非理想因素导致的测量误差，会显著影响感知的精度，其中通道不一致性可通过硬件的校准得到很好的抑制，时域随机相位问题目前尚未得到充分的研究。收发端之间的定时差异会造成定时偏移，给感知信号在频域上带来除了信号传播时延产生的、额外的相位偏差，从而造成距离测量误差。收发端设备使用各自的本振频率源进行信号生成，收发端设备之间的本振频率差异会引起载波频率偏移，进而造成速度测量误差。时域随机相位来自于发射机天线、射频模块、时钟模块、数字处理模块的其中至少一者在信号发送和接收过程中状态发生了变化。时域随机相位会严重降低多普勒、角度的测量精度，甚至导致多普勒和角度无法测量。上述内部干扰可以通过共同时钟校准方法、CSI商/共轭乘方法、参考径方法、往34返测量方法等方式来减弱或消除。感知信号的收发端共用时钟（光纤直联或GPS）是解决时钟偏差和本振频率偏移问题的最直接的方法。对多个共用频率源的接收天线的接收信号进行除法运算或者共轭乘运算，能够抑制本振频率偏移和时域随机相位的影响。利用参考径可以对时钟偏差和本振频率偏移进行校准，避免收发端设备间同步误差的影响，其核心思想是通过已知信号传播时延和多普勒频率的参考径来估计出叠加在这条径上的额外的时延和多普勒频率，即分别为时钟偏差和本振频率偏移。通过往返测量来估计出感知信号的收发端之间的时钟偏差和本振频率偏移，其基本思想是，对于同一感知目标，感知信号的收发端之间双向收发感知信号，进行往返测量得到的信号传播时延和多普勒频率是相同的，而时钟偏差和本振频率偏移的绝对值相同、正负号相反，因此可以提取出时钟偏差和本振频率偏移。虚拟孔径高频段的超宽带宽和超大规模天线阵列技术的融合，可以实现高精度的感知。但是，同时也带来了天线硬件成本高、系统功耗高、波束偏移等问题。稀疏阵列天线具有低成本、低功耗等优点，采用稀疏阵列天线的通感一体化系统可以获得与同尺寸天线阵列类似的单目标感知性能[22]。另外，可重构全息表面（Reconfigurableholographicsurface,RHS）天线也可以替代常规的偶极子天线阵列，以实现低成本、低复杂度的大规模天线阵[23]。使用OFDM波形调制的宽带大规模阵列系统中会出现波束偏移现象，即来自不同频率的子载波的波束赋形会指向不同的角度方向，使部分子载波的能量偏离所期望的用户或目标位置，造成严重的能量泄露。波束偏移现象对通信而言是一种负面效应，通常采用真时延线补偿或子阵列补偿的方式缓解波束偏移对通信的负面影响。然而，通过调整真时延线和移相器的取值，能够反向控制波束偏移效应，使其有利于ISAC系统快速实现用户和目标的参数估计，降低感知波束管理的复杂度，增强系统整体感知性能[24]。为了降低ISAC系统的硬件成本，并提升天线硬件的利用率，[25]提出一种基于统一天线结构的虚拟孔径技术，通过设计感知发射方案及增强的接收方案，将一套收发天线用于通信和感知，实现硬件的一体化、并提高感知的角度分辨率。首先，提出ISAC统一天线架构，考虑N个半波长间距的ULA天线（方案35可拓展至UPA天线），如图图31所示。对通信业务，该半波长间距的天线阵列可以用于通信信号的收发，无需额外设计；对感知业务，将N个天线分为两组发射天线（每组包含M根天线）、一组接收天线（NR<=N-2M，部分天线可留作保护间隔），为了增加发射天线距离，两组发射天线分别位于ULA的两侧。图31ISAC统一天线架构为了在图31的统一天线架构中实现虚拟孔径，提出增强的发射方案。一方面，对每组发射天线内使用Beamforming发送感知信号，在获得Beamforminggain、提升感知SNR的同时，将组内半波长间距的多天线等效为单天线，用于后续的虚拟孔径合成；同时，通过Beamsweeping实现全区域覆盖。另一方面，为实现虚拟孔径，在两组发射天线中发送正交感知信号（比如，TDM/FDM/CDM等）。在接收端，对来自两组发射天线的正交信号进行拼接，实现更大的虚拟孔径。但是如图32所示，由于发射端未知目标角度θ0，在每组发射天线内使用角度θ的Beamforming后，实现的等效虚拟发射天线间距为NRdVA=NRdsinθ/sinθ0,只有当θ=θ0时，等效发射天线距离为NRd，才能满足虚拟孔径所需发射天线间距需求。为补偿实际系统中θ≠θ0的问题，提出两步接收算法。第一步，接收端使用传统接收算法，对两组天线的接收信号进行信号合并、实现能量累积（或者只使用第一组发射天线的信号），并利用FFT或MUSIC等算法估计角度。第二步，使用第一步中估计的角度，对第二组天线的接收信号进行相位修正，并与第一天线的接收信号进行拼接，对拼接后的高维接收信号进行FFT/MUSIC等角度估计，实现等效的虚拟孔径的高角度分辨率。36图32等效发射天线间隔及实现的非均匀孔径图33(a)提供了不进行发射天线优化（即M=1）时多目标场景的性能，结果表明提出方案通过接收端处理（不改变硬件），可获得与传统虚拟孔径技术（基于硬件设计）类似的高角度分辨率性能。图33(b)提供了进行发射天线优化时单目标场景的性能，结果表明提出方案可以更加灵活地利用天线资源进行SNR与角度分辨率折中，获得比传统虚拟孔径技术更好的角度估计精度。(a)两目标场景，M=1 (b)单目标场景，M为最优图33角度估计RMSE性能功率分配在通感一体化系统中，通信和感知业务共享并复用相同的时间、频率、功率等资源，并且通信感知业务功能紧密协同，通过频谱和功率资源实现最大化的复用共享。但是，通信、感知在设计目标上的差异，如何权衡折中通信感知业务的性能，成为通感一体化系统亟待研究的关键技术之一。常用的功率分配方法包括：等功率分配技术将总功率Ptotal按照系统带宽内RE的数量，将总功率平均分配在每个RE上得到EPRE（Energyperresourceelement），如图34所示。此时感知区域内的EPRE与通信区域内的EPRE相同，PEPRE=PEPRE−sensing=PEPRE−communicaiton=Ptotal，其中N为系统带宽内的RE数量。N37图34等功率分配技术固定功率分配技术将总功率Ptotal划分为Psensing=αPtotal与Pcommunication=（1−α）Ptotal两项，其中α为感知信号的功率占比。然后根据不同区域内的RE数进一步计算感REPRE

EPRE−sensing

=αPtotal与PNsensing

EPRE−communication

=(1−α)Ptotal，Ncommunication其中Nsensing与Ncommunication分别为感知区域内子载波数以及通信区域内的子载波数，如图35所示。图35固定功率分配技术在通感一体化系统中，基站向UE发送下行数据，UE接收并处理反射回波完成感知任务。不同的下行功率分配机制将导致通信和感知性能的差异，例如，若以等功率的方式分配下行功率，感知的性能最优；而若利用UE获取的CSI时，按照注水原理分配下行功率，此时通信的性能最优。在文献[26]提出了一种以通信速率和有效感知分辨率为权衡目标的效能评价方案，该评价方案通过对通信和感知业务性能的加权来实现二者性能的均衡。在该评价方案下，根据通信和感知的性能要求，可以得到面向通感一体化的联合分配方案。图36给出了所提功率分配方案与传统方案的对比，可以看出所提方案相比于传统方案获得了更加均衡的通信和感知性能，可以在牺牲少量的感知(或通信)的性能的条件下，换来通信（或感知）性能的大幅度提升。38图36功率分配方案与传统方案的对比目标特征识别通过无线感知技术可以感知目标的特征，比如速度、位置、形状等，却无法获得感知目标的身份标识。如图37所示，基站和终端协作感知行人，网络最终获得的感知结果，可以包括行人的位置、速度，甚至身高，身体的局部运动等，但是却无法知道人是谁。图37感知示例但是，在某些场景中，感知目标的身份也很重要，比如在低空无人机场景。未来低空中会存在合法无人机和非法无人机。未来合法无人机会存在通信连接或者飞行计划报备。而感知是可以把低空无人机都感知出来，需要进一步的对这些无人机进行区别，识别出非法无人机，并对非法无人机采取必要的措施以保证低空飞行安全。再比如在入侵监测场景中，不仅需要感知监测范围内物体或者人员的数量，还需要从多个物体或人员中识别目标身份，以分辨出是否合法。一个解决思路是利用无线定位技术和感知技术结合。移动通信网络通过感知获得感知目标的运动轨迹和感知目标的定位轨迹。定位轨迹和感知轨迹如果匹配，39则定位对应的标识就是感知对应的标识，这里轨迹匹配有很多成熟的方法，比如最近配对距离（Closest-PairDistance）。这里定位轨迹的获得可以基于移动通信网络的定位技术，也可以基于蓝牙、WIFI、UWB、GNSS等技术获得，也可以基于感知目标规划的运动轨迹。此外，还可以利用标签技术近似身份识别。为了实现多个感知目标身份的识别，可在感知对象贴附无源标签，通过感知信号与标签通信信号特征的匹配算法实现一一映射，空口侧对应工作包括：首先，空口需要支持标签信号的收发，即基站硬件层面集成读写器模块，包含信号处理与控制模块、射频模块以及天线部分，软件层面支持标签读写器的链路层协议，实现6G感知与无源标签读写模块在基站的合设（如图38所示）。图386G感知与无源标签通信融合示意图其次，要求基站同时发出感知信号与标签信号，两路信号经过相同的LOS路径，在尽可能接近的时间区间内到达基站接收端。由于感知模块和读写器模块在同一个BBU下，能够做到信号同时发出，但信号到达目标后，感知信号即刻反射回来，标识信号搭载标签ID信息后到达基站，不过在室内场景下，目标运动的速度通常不会高于5m/s，所以标签处理导致的误差为毫米级，对匹配算法精度的影响处于可接受范围内（如图39所示）。图39感知信号和无源信号收发示意图最后，空口基于感知回波和标签反向散射信号，进行信号特征值时间戳的对齐，通过标签信号与感知信号的距离误差（图40）或特征分类（图41）的匹配40IIHT-2030(6G)@îgżgIMT-2030(6G)PromotionGroup方法实现感知目标与标识目标的一一匹配。%jtŒFID}NtZ,RSSI%tTtf40%jtŒFID}NtZ,RSSI%tTtf41该方案借助无源标签低成本、免维护、易部署等优势，但由于标签链路预算有限，多用于室内的感知场景中。41第五章感知波束管理波束管理在MIMO通信系统中扮演着关键角色，通过大规模天线阵列和波束赋形技术，它能够将发射和接收信号聚焦在终端设备方向，从而提高信号质量和覆盖范围。在通信感知一体化系统中，波束管理技术同样至关重要，它有助于提升通信速率和感知精度。感知波束独立管理与毫米波通信的波束管理相比，感知波束管理具有明显的差异性，主要有以下两方面原因。首先是通信和感知在波束管理的基本设置上有本质不同。在毫米波通信中，波束的管理的对象是基站和用户之间的波束管理，在初始阶段，基站和用户是相互不知道对方的位置，所以需要波束管理流程经过多个阶段的配合，由粗到细完成波束的对齐。然而在毫米波感知中，若是单站感知，发射和接收在同一个站上，相互之间的位置是已知的，若是双站感知，大多场景也是假设事先已经知道感知的两个设备的位置，因此感知的波束管理过程是通过收发机的配合快速的完成目标的感知。其次是通信和感知在波束方向检测方法上也有不同。在毫米波通信的波束管理中，基站和用户都是通过信号的强度来判断波束的方向，以及对波束信息进行解码，这就要求波束的能量必须要达到一个比较高的门限，以用于通信。在毫米波感知的波束管理中，由于目标的反射信号很弱，甚至于低于噪声强度，接收机往往难以通过信号强度来判断目标所在方向，因此需要借助于雷达感知算法来进行相关参数的估计，因此对高效的波束管理也提出了新的要求。为了支持感知接收机利用多个阵列进行目标来波角度估计，同时扩大接收机的角度检测范围，亟需在感知接收机侧引入基于波束分裂的波束赋形设计。即一个天线阵列将波束分裂后对准多个方向，每个天线阵列采用相同的波束分裂设置，两个阵列进行波束分裂的示意如图42所示，其中每个子阵列采用8根天线。采用该模式下，接收机覆盖范围大，且不同阵列接收到的信号可利用感知算法直接估计目标角度。42图42用于感知接收机基于波束分裂的波束赋形模型与通信的波束扫描方式不同的是，在进行感知波束扫描时，感知发射机和感知接收机可事先根据感知扫描区域，灵活预设扫描的方式以及波束赋形方式，最大程度的覆盖扫描区域。如图43所示的双站感知中，两个站直视径附近的感知区域，感知距离相对较近，因此感知目标的回波相对较大，可以使用宽扫描的方式进行快速扫描，而在两侧较远的位置，感知距离较远，则适合使用窄波束的扫描模式。且收发机进行配合完成扫描区域覆盖，节省扫描所需的资源和时间。例如发射机扫描上部分区域时，接收机也仅进行上部分区域的扫描配合。图43基于感知区域的灵活感知波束扫描示意图通感波束融合管理在通信感知一体化的波束赋形设计中，感知和通信通常有不同的性能需求，这为波束赋形的设计带来了独特挑战。特别是在毫米波和太赫兹频段，通信通常需要稳定的波束，以确保可靠数据传输，而感知需要扫描波束以侦测周围环境中的目标。为了实现全方位的定向波束感知，需要有效的窄波束管理策略，包括时频域的发射设计和空间域的波束形成设计，以满足同时感知和通信的要求。在大43规模天线阵列系统中，波束赋形的硬件架构也直接影响相关算法的性能。虽然大规模天线阵列技术可以提供显著的阵列增益，但由于高频器件的硬件成本和复杂性，如图44所示大规模天线阵列通信感知一体化波束赋形将在很大程度上依赖于数字-模拟混合架构。在太赫兹通信中，针对动态子阵列的混合波束赋形架构，可以考虑采用矢量化或感知码本辅助的通感一体化混合预编码方法来实现感知和数据传输的整合。通过在不同时隙产生扫描感应波束，并向用户发送稳定的通信波束，从而实现感应和数据传输的整个角度方向。实验表明矢量化通感一体化混合预编码算法能够获得与全数字预编码相近的性能，优于现有的其他预编码算法，感知码本辅助通感一体化混合预编码算法可通过消除每个时隙的交替最小化过程来降低计算复杂度[28]。在毫米波通信中，通感一体化混合波束赋形可建模为加权最小均方误差问题，以最小化收发信号的均方误差作为通信方面的设计目标，以最小化发射波束图与参考波束图的均方误差作为感知方面的设计目标，通过引入权重因子来ISAC混合波束赋形对通信与感知功能的趋向程度。然后，将涉及多个耦合变量的加权最小均方误差（WeightedMinimumMean-SquareError，WMMSE）问题解耦为求解对应变量的子问题，并通过交替向乘子法（AlternatingDirectionMethodofMultipliers，ADMM）迭代优化获得各自载波ISAC数字波束赋形与全ISAC模拟波束赋形的次优解。实验结果表明，所以该方法能够实现良好的MU-MIMO通信与多目标感知功能，并且可以在通信性能与多目标感知波束效果之间实现较好的权衡[29]。可重构全息表面（RHS）作为一种作为一种超材料天线，具有结构简单，成本低的特点。可通过使用RHS代替含有复杂相移器的相控阵，从而降低通感一体化系统的硬件成本。通过联合优化基站端的数字波束赋形和RHS端的模拟波束赋形，可以充分利用基站多通道和RHS多单元带来的波束调控自由度，以满足不同方向的感知和通信需求[30]。通过设计合理的全息通感一体化架构，结合全息波束赋形优化方案，全息通感一体化系统可以适应多种通信和感知场景，在保证通信和雷达性能的条件下大大降低硬件成本，有助于进一步推动通感一体化技术的发展。44图44大规模天线阵列通感一体化混合波束赋形设计示意图通信辅助感知波束管理在通感一体化系统中，感知发射机发送感知信号，以感知周围环境的信息，例如目标的位置、速度等。感知信号通常具有特殊的波形和参数，以确保准确感知。为减少系统频谱资源的开销，可以考虑复用通信资源来进行感知，例如，基站可以在与终端用户通信时，利用通信信号来完成对目标的感知。然而，这需要感知接收机能够获取通信用户的参考信息的配置，从而可能增加通信信令开销。在通感一体系统中，可考虑采用通信辅助感知的波束管理方案来解决以上述问题。如图45所示收发机通过在感知区域和LOS路径方向分别生成窄波束，感知接收机可以从这些方向分别提取回波信号，然后计算它们的比值以获得相对信道状态信息用于感知。该方案可以使感知接收机在无先验信息（如参考信号配置和数据解码信息）的情况最大程度地复用通信回波信号对目标进行感知，减少资源开销，提高感知精度。图45通信辅助感知波束管理示意图45第六章感知辅助通信感知辅助通信信道估计传统通信信道估计方法仅利用接收到的导频信号，求解基于