《未来移动通信论坛：2025年双基地感知关键技术研究与验证白皮书（82页）.pdf》由会员分享，可在线阅读，更多相关《未来移动通信论坛：2025年双基地感知关键技术研究与验证白皮书（82页）.pdf（82页珍藏版）》请在三个皮匠报告上搜索。

1、目目 录录1 概述概述.11.1 双基地感知背景介绍.11.2 双基地感知和单基地感知性能对比分析.32 双基地感知系统架构双基地感知系统架构.82.1 通信感知融合架构介绍.82.2 感知业务流程.92.3 测量量定义与感知信息传输.152.3.1 感知测量量定义.152.3.2 感知信息传输协议栈.172.3.3 测量结果上报.193 双基地感知关键技术双基地感知关键技术.213.1 信号设计.213.1.1 序列设计.213.1.2 资源映射方案.233.1.3 感知与通信信号资源复用.293.2 双基地感知参数估计.333.2.1 谱估计基本方法.333.2.2 双基地感知位置信息计算

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响.403.3.2 硬件非理想因素消除方案.413.3.3 双基地杂波消除方案.443.4 波束管理和预编码.463.4.1 双基地感知波束管理.463.4.2 双基地感知数字预编码方案.514 仿真评估和样机验证仿真评估和样机验证.544.1 仿真评估方法.544.1.1 双基地感知信道建模.544.1.2 双基地感知仿真评估方法.564.2 样机验证.594.2.1 基站间协作目标定位.594.2.2 双基地感知呼吸监测.604.2.3 双基地多节点协作轨迹追踪.634.2.4 双基

3、地感知无源目标定位.664.2.5 基于 LOS 与 NLOS 同步校准的双基地试验.684.2.6 双基地动作检测.705 总结与展望总结与展望.72参考文献参考文献.73缩略语缩略语.761/791 概述概述1.1 双基地感知背景介绍双基地感知背景介绍雷达领域中按发射天线和接收天线是否分置可分为单基地雷达和双基地雷达，并且双基地雷达一般要求发射天线和接收天线距离与雷达作用距离可比拟1。双基地雷达可以通过接收专用发射机发射的信号进行工作，也可以通过接收为其他目的而设计的发射机发射的信号进行工作，后者也可称作无源雷达、无源相干定位雷达、被动雷达或非合作照射源雷达2，这类雷达是双基地雷达的一种特

4、例，其利用相关的电磁波探测理论技术与信号处理技术，获取第三方设备发射的非合作电磁信号，实现对目标的探测、定位、跟踪和识别。双基地雷达的应用领域非常广泛，涵盖了军事、民用、科研等多个领域，在飞行目标、海上船只检测和跟踪，气象监测和预报，道路交通监测等不同应用场景发挥了重要作用。双基地雷达的特性与双基地几何形状紧密关联，特别是由发射机、目标和接收机形成的双基地三角形，双基地三角形所处的平面称为双基地平面，如图 1-1 所示。其中，发射机和接收机之间的距离称为基线距离或简称基线，发射机到目标以及接收机到目标之间连线的夹角称为双基地角，该角度也通常用于表征单基地雷达和双基地雷达性能之间的差异。双基地雷

5、达接收机直接测量的距离信息通常是目标到发射机以及目标到接收机的距离和减去基线距离，即双基地距离差，当基线距离已知时，可以得到目标到发射机以及目标到接收机的距离和。双基地雷达中进一步计算目标到接收机/发射机的距离或目标位置信息需要对双基地三角形进行求解，通常需要获取发射机和接收机之间的相对位置信息。RxTargetTxRTBistatic TriangleBaselineRR图1-1双基地雷达几何关系参考双基地雷达的定义，可以将收发设备天线分置的感知模式统称为双基地感知模式。基于当前移动通信网络架构共可支持 6 种感知模式，分别是（1）基站自发自收；（2）基站A 发基站 B 收；（3）基站发终端

6、收；（4）终端发基站收；（5）终端自发自收；（6）终端 A2/79发终端 B 收。其中，模式（1）和（5）属于单基地感知模式，其他 4 种感知模式属于双基地感知模式。不同感知模式的优缺点总结如表 1-1 所示。表1-1不同感知模式优缺点对比感知模式优点缺点(1)基站自发自收无收发同步问题基站需具备全双工能力(2)基站 A 发基站B 收不要求全双工能力，对 CP 长度、无模糊测距范围要求相对较低收发同步误差会影响感知性能，LOS 径获得概率比基站自发自收低，配对复杂(3)基站发终端收可复用或增强现有信号，不要求全双工能力，终端数量众多，通过选择合适的终端可提升感知覆盖性能，对 CP 长度、无模糊

7、测距范围要求相对较低存在终端位置、朝向和速度的估计误差、身体遮挡以及收发同步误差等问题，到达角测量对终端天线有一定要求(4)终端发基站收可复用或增强现有信号，不要求全双工能力，终端数量众多，通过选择合适的终端可提升感知覆盖性能，对 CP 长度、无模糊测距范围要求相对较低存在终端位置、朝向和速度的估计误差、身体遮挡以及收发同步误差等问题，发射功率较低，支持的发天线数有限(5)终端自发自收无收发同步问题，支持无网络覆盖下的感知终端需具备全双工能力，发射功率较低，支持的发天线数有限(6)终端 A 发终端B 收可复用或增强现有参考信号，不要求全双工能力，支持无网络覆盖下的感知存在终端位置、朝向和速度的

8、估计误差、身体遮挡以及收发同步误差等问题，到达角测量对终端天线有一定要求，发射功率较低，支持的发天线数有限双基地感知相较于传统的单基地感知，展现出多方面的优势，是实现高精度、广覆盖感知的重要基础。首先，双基地感知提供了更多的可利用感知路径，可从多个候选接收节点中选择具备视距（Line Of Sight，LOS）路径的最佳节点，有效减少感知盲区。其次，双基地感知依托更丰富的散射强度，通过不同方向接收目标回波信号，显著提升了信号的平均散射强度。此外，通过多基地的协同，扩大了感知的空间覆盖范围。对于移动目标，双基地感知能够通过动态节点选择和高效的小区切换实现连续感知，确保目标在其整个活动范围内都能被

9、精准跟踪。对于单基地感知，接收机受到由发射泄露引起的强自干扰的影响，自干扰会引起接收机3/79饱和或者减小感知信号的动态范围3。减小自干扰的方法包括两个方面，一方面是进行干扰隔离，尽量减小接收机接收到的发射泄露信号；另一方面是进行干扰消除，以减小接收到的发射泄露的影响。干扰隔离的方法包括：进行空间隔离，通过增加收发距离来降低接收到的发射泄露；或者采用金属或吸波材料，来对从发射机到接收机之间的链路进行射频屏蔽。干扰消除的方法主要是在模拟域或者数字域，通过对已知的发射信号进行加权对消来实现45。双基地感知中不存在自干扰的问题，不需要进行相应的硬件改动。此外，双基地感知由于信号来源多样化，对单点干扰

10、的抵抗能力更强，而单基地感知更容易受到定向干扰的影响。目标识别能力是双基地感知的另一个优势，通过多角度观测，可以获得目标更全面的散射特性，提高识别准确性；单基地感知由于目标特征信息相对有限，可能导致误识别率增加。双基地感知的协作增益是其另一大优势。通过双基地以及多基地模式的协作，不仅提升了信噪比（SNR）和目标检测概率，还可以通过几何增益有效降低随机误差。同时，多节点提供的冗余信息能够用来排除故障节点，进一步增强感知系统的可靠性、稳定性和三维环境的完整还原能力。双基地感知还具有灵活的干扰协调能力，通过动态调度部分节点作为协作接收节点，既能够有效抑制多种干扰问题，如信号直射干扰和互干扰，又能在提

11、升感知精度的同时优化通信网络的整体性能。同时，双基地感知作也面临多方面的挑战。首先，杂波抑制的消除是一大挑战，特别是在回波信号较弱的情况下，需要有效的算法来抑制杂波干扰并提高感知精度。此外，高精度同步也是基础条件，因发射与接收节点之间的时间同步误差会直接影响感知定位精度，例如10 纳秒的同步误差可能导致 3 米的定位误差。非视距识别与利用也是双基地感知的核心挑战之一，特别是当存在遮挡时，如何识别和利用非视距感知路径。此外，感知目标移动时的节点选择与切换需要高效的机制，以确保感知任务的连续性与准确性。系统复杂度的增加也是主要问题之一，需要处理基站间的同步和数据融合，这增加了系统的复杂性。多基站的

12、部署和维护成本也高于单基地系统。此外，双基地系统对网络的要求较高，需要高带宽、低延迟的基站间通信网络。信号处理的复杂性也随之增加，需要更复杂的算法来处理多源数据，增加了计算负担。1.2 双基地感知和单基地感知性能对比分析双基地感知和单基地感知性能对比分析感知覆盖：感知覆盖：双基地感知和单基地感知在覆盖性能上存在差异，考虑噪声影响时，单基地感知的覆盖范围可以定义为圆形区域，而双基地感知的覆盖范围定义为卡西尼椭圆区域，双基地感知距离方程可表示为6 max=22243 min(1)4/79其中，、分别表示目标到发射机和接收机的距离，表示发射功率，、分别表示发射和接收天线增益，为波长，为目标雷达截面积

13、（Radar Cross Section，RCS），、分别表示从发射机或接收机到目标的路径传播因子，表示玻尔兹曼常量，表示接收机噪声温度，表示接收机噪声带宽，min表示目标检测所需的信噪比，、分别表示发射机和接收机系统损耗。令=22243，双基地感知信噪比可以表示为 =22，进而得到双基地感知恒信噪比等高线如图 1-2 所示，其中=304，为基线距离。图1-2双基地感知恒信噪比等高线可以看出，随着基线距离与双基地距离之间的大小关系不同，双基地感知最大覆盖区域为近似椭圆，或双纽线或变为两部分椭圆。对于双基地感知，距离发射机或接收机较近的区域的信噪比水平较好，因此相比于单基地感知，双基地感知可以通

14、过选择收发设备提升覆盖性能。尤其是对于终端参与的感知业务，终端数量更多、位置更加灵活，通过选择合适的终端能够有效提升感知性能。图 1-3 给出了城市微蜂窝（Urban Micro，Umi）场景下基站自发自收感知信号的单基地感知和基站发用户设备（User Equipment，UE）收感知信号的双基地感知的感知信干噪比（Signal to Interference plus Noise Ratio，SINR）的仿真结果，感知 SINR表示经过感知目标反射的径或簇的信号功率与干扰和噪声的比值。对于双基地感知，假设感知目标与 UE 的距离不超过 10 m。仿真结果表明，由于感知接收节点距离感知目标更近

15、，双基地感知相比单基地感知在移动蜂窝网络架构下能够获得更好的感知覆盖性能。此外，双基地感知相比于单基地感知提供了更多观察角度，这对于环境重构、目标识别等感知应用均有一定好处。5/79图1-3 Umi场景感知SINR仿真结果感知测量范围和分辨率：感知测量范围和分辨率：覆盖性能与感知信噪比（Signal to Noise Ratio，SNR）或感知 SINR 直接相关，感知无模糊测量范围及感知分辨率性能则与信号资源配置有关。相比于单基地感知，双基地感知性能指标中无模糊测距/测速范围，以及距离/速度分辨率除了受到信号配置的影响，还受到发射机、接收机和感知目标的位置关系的影响。单基地感知和双基地感知信

16、号资源配置与无模糊测量范围和分辨率性能之间关系如表 1-2 所示7。表1-2感知性能和计算公式感知性能感知性能计算公式计算公式影响因素影响因素无模糊范围无模糊测距范围单基地感知=2感知信号频域采样间隔双基地感知=22感知信号频域采样间隔、双基地角无模糊测速范围单基地感知=4波长、感知信号周期双基地感知=42波长、感知信号周期、双基地角无模糊测角范围=sin12波长、天线间距分距离分辨率单基地感知=2带宽6/79辨率双基地感知=2 2带宽、双基地角速度分辨率单基地感知=2波长、感知符号周期、感知符号数双基地感知=22波长、感知符号周期、感知符号数、双基地角角度分辨率 0.886波长，阵列的孔径注

17、：为信号带宽，为脉冲数，为脉冲重复周期，为信号频域采样间隔,3为 3dB波束宽度，为光速，为信号波长，为阵列的孔径，为天线间距，为双基地角。测距类感知应用中，除了需要考虑信号频域资源间隔对测距范围的限制，通常还需要考虑循环前缀（Cyclic Prefix，CP）对测距范围的限制。当感知目标距离收发机较远时，接收机接收到的感知回波信号时延超出 CP 范围会导致产生符号间干扰，影响测距性能。双基地感知通常通过测量感知目标回波信号与 LOS 信号的相对时延计算距离信息，因此相比单基地感知，双基地感知对无模糊测距范围，即信号频域资源间隔和 CP 长度的要求更低。感知检测盲区：感知检测盲区：感知系统实现

18、动目标检测主要依赖于多普勒检测，这意味着经过目标反射的回波信号上通常叠加多普勒频率。然而，在一些场景下，经过目标反射的回波信号上没有多普勒频率或者多普勒频率很小，这种情况通常被称为“盲速”8。在单基地感知模式下，如果感知目标的运动方向垂直于感知信号的传播方向，则在时域上相邻采样点之间没有信号时延的变化，从而没有多普勒频率。在双基地感知模式下，如果感知目标沿着以感知信号的发送端设备和接收端设备为焦点的椭圆运动，则在时域上相邻采样点之间也没有信号时延的变化，从而也没有多普勒频率。更一般地，如果感知目标的运动方向与上述的运动方向较为接近，则由感知目标的运动在感知信号上叠加的多普勒频率较小，很难被检测

19、出来。除了速度检测盲区以外，单基地感知和双基地感知在测距盲区上也存在差异。对于单基地感知模式，在采用脉冲体制的信号，通过收发分时的方式感知时，在开始接收信号之前到达接收天线的回波信号将不会被接收，因此将会存在近距离盲区的问题8。前面提到，对于双基地感知模式，通过测量感知目标回波信号与 LOS 信号的相对时延计算距离信息。因此，当感知目标位于感知信号的收发端连线及其邻近区域内时，感知目标回波信号与 LOS信号的到达时间几乎是一致的，因而没有时延差或者时延差较小，导致无法测量感知目标的距离。该区域称为双基地感知的前向散射区域，此时无距离分辨能力导致系统无法直接定位，7/79只能依靠回波多普勒等信息

20、非线性求解目标运动参数9。感知资源开销：感知资源开销：通信系统引入感知功能后，通常会挤占部分通信业务的资源，导致通信速率下降。对于单基地感知，通常还需要对通信系统进行额外的硬件资源改动以支持接收回波信号，在采用连续波感知的情况下还需要支持全双工能力，进行有效的自干扰抑制。双基地感知则可以复用通信收发链路，在满足感知覆盖要求的情况下，直接利用通信信号进行感知，或对通信信号进行增强从而兼顾感知性能，无需分配专用的感知信号资源，不对通信业务产生影响。8/792 双基地感知系统架构双基地感知系统架构2.1 通信感知融合架构介绍通信感知融合架构介绍通信感知融合整体架构如图 2-1 所示，其中感知相关的主

21、要功能包括感知信号测量、感知数据处理、感知数据存储、感知数据应用和感知控制管理。-感知信号测量，指感知信号接收节点对接收到的感知信号进行时域、频域信道估计，时延、多普勒和角度估计等获得感知所需的信道特性的过程。在移动网络通信感知融合中，UE和无线接入网（Radio Access Network,RAN）具有感知信号测量功能。对于双基地感知，感知信号发送节点和感知信号接收节点为不同的网络节点，例如基站发送UE接收，UE发送基站接收，基站A发送基站B接收，UE A发送UE B接收。-感知数据处理，指对前述获取的感知测量数据（如信道响应信息、时延、多普勒或角度信息等）进行进一步处理，获取感知目标信息

22、的过程。在移动网络通信感知融合中，UE和RAN 的感知数据处理功能是可选功能。对于UE，取决于UE是否有意愿或是否具备算力对感知测量信道进行进一步处理。对于RAN，取决于RAN是否被允许对感知测量的信道信息进行进一步处理。例如进一步处理可能获得的感知目标信息属于敏感信息，那么就不允许在RAN处理，相应地感知数据处理功能位于核心网（Core Network，CN）。-感知数据存储，指根据感知需求和感知隐私与安全等，将感知数据存储在UE、RAN、CN或者第三方服务器。-感知数据应用，指根据具体的感知应用场景对感知目标的信息进行应用，完成感知的过程。通信感知融合的应用场景可以分为网络向应用功能提供感

23、知服务（也称为对外感知服务，NET for Sensing）和感知辅助网络（也称为对内感知服务，Sensing for NET）。对于对外提供感知服务，感知数据应用位于CN或UE。对于对内感知服务，感知数据应用可以位于RAN侧。-感知控制管理，指感知过程中的控制和管理，包括感知节点的能力上报，感知节点的选择，感知测量配置，感知数据的隐私与安全管理等。感知信息包括感知信令和感知数据。感知信息传输包括空口传输和有线接口传输。感知信息空口传输包括如下潜在的三种方式及其组合：-方式1：基于控制面传输感知信息，在已有信令承载（如SRB、MAC CE、UCI格式）上增强支持感知的信令或数据传输；-方式2：

24、基于用户面传输感知信息，在已有数据承载（如DRB）上增强支持感知的信令或数据传输；-方式3：新定义的数据面承载可根据感知信令或数据需求支持灵活优先级和终结点，以9/79及优化的数据面配置（如PDCP配置等）。感知信息有线接口传输包括如下潜在的三种方式及其组合：-方式1：基于控制面传输感知信息，在已有信令接口（如基于SCTP/IP的N2、Xn）上增强支持感知的信令或数据传输；-方式2：基于用户面传输感知信息，在已有用户面接口（如基于GTP-U/UDP/IP的N3）上增强支持感知的信令或数据传输；-方式3：基于数据面传输感知信息，新定义一种数据面接口支持感知的信令或数据传输。新定义的数据面接口可根

25、据感知信令或数据需求支持灵活拓扑。图2-1通信感知融合系统架构2.2 感知业务流程感知业务流程感知业务流程包括节点选择、能力上报、感知测量配置等，相对于单基地感知，双基地感知还需要考虑发射机和接收机之间的消息交互。a)节点选择首先根据感知业务需求，选择感知区域和感知模式。然后根据选择的感知模式和感知区10/79域，选择参与感知的基站和/或终端。只有具有感知节点选择权的节点才能进行感知节点选择。而感知节点选择权与感知模式紧密相关。有些模式下，感知节点的选择更适合由感知网络功能(SF，Sensing Function)执行，有些感知模式下，感知节点的选择更适合由基站执行，有些模式下，可以使用混合方

26、式，比如，在基站发送-基站接收模式下，可以由 SF 选择感知信号发送基站，而由感知信号发送基站确定感知响应接收基站。感知节点的选择需要考虑多方面的因素，比如，候选节点移动与否，候选节点的感知能力是否能够满足感知业务需求，是否存在感知 LOS 径，以及候选感知节点的状态，包括设备是否正在进行感知/通信业务、当前可用频带、可使用的计算资源等。感知节点选择本身应该不需要太多流程交互，可以仅包括节点选择指示和确认过程，即：节点选择设备向被选择的节点确认是否愿意承担感知节点的任务，如图 2-2 所示。图2-2感知节点选择流程相对于单基地感知模式，双基地感知模式下，感知节点的选择可能相对复杂一些。比如，需

27、要分别考虑感知信号发送设备和感知响应接收设备的移动性、能力和状态；需要分别考虑感知信号发送设备的变换、感知信号接收设备的变换或者感知信号发送设备和感知信号接收设备同时变换带来的感知节点重选等场景。一种节点选择的方式是将不同感知模式的感知节点分成几个子集，如基站自发自收子集和基站发终端收子集。在节点建立和更新步骤时，需要综合考虑所有子集中的节点信息，选取合适的感知模式和对应的节点，构成最终选定的子集。选择感知模式和节点的规则可以针对不同的感知场景和用例进行设定，比如以基站自发自收为主，在小区边缘或基站覆盖盲区选择终端相关的双基地感知模式进行辅助，如图 2-3所示。对于复杂的场景，也可以使用 AI

28、 辅助进行感知模式和节点的选择。最终选定的各子集分别进行相应的感知操作，如感知信号的配置、发送、接收，以及信号处理和感知结果计11/79算等。图2-3双基地感知参与协作感知时的节点选择示例b)能力上报首先，感知节点能力上报应该是按需的，而不是必须要上报的。不应该作为 UE 能力随着 UE 的通信能力一起上报。因为如果没有感知业务，上报感知设备感知能力就会造成通信资源和设备能量的浪费。按需上报时，感知能力可以作为数据传输，而不需要通过控制信令传输。其次，感知能力上报的对象应该是具有感知节点选择权的设备。比如，感知节点的选择在感知网络功能 SF/基站/UE 执行，那么，感知节点的能力就对应的上报到

29、 SF/基站/UE。就双基地感知而言，执行感知节点选择的设备需要同时获得感知信号发送设备和感知响应接收设备的感知能力，以便综合进行感知节点选择判断。并且，对于双基地感知而言，候选节点也可以主动选择作为发送/接收节点上报相应感知能力，例如，选择作为感知信号发送节点可以只上报有关感知信号发送相关的能力和/或设备状态；同样，选择作为感知响应接收节点则可以只上报有关感知响应接收相关的能力和/或设备状态即可。感知能力请求和上报流程如图 2-4 所示，其中，上报的感知能力包括：支持的感知模式、感知信号的发送和接收能力、支持的感知模式下的感知测量方法，以及对应的感知测量方法对应的精度等。图2-4感知能力上报

30、流程c)感知测量配置感知测量配置，主要配置如何执行感知操作，比如发送感知测量相关的配置，感知测量12/79结果反馈相关的配置等。对于双基地感知而言，可以只向感知信号发送设备配置感知信号发送相关的配置，向感知信号接收设备发送感知信号接收或者测量相关的配置，以及感知结果反馈相关的配置（如果感知测量结果需要向设备外发送）。关于感知测量配置，感知测量用的感知信号发送资源应该由感知测量资源的控制设备配置，比如，基站发送-UE 接收的感知模式下、UE 发送-基站接收的感知模式下，和 UE 发送-UE 接收的感知模式下，基站具有资源使用的绝对控制权，那么，应该由基站负责感知测量配置的发送。因此，基于不同模式

31、测量配置的流程可以包括如下几种情况：对于基站发送-UE 接收、UE 发送-基站接收的感知模式，由基站发送感知测量配置，如图 2-5 所示。图2-5感知测量配置示例对于 UE 发送-UE 接收的感知模式，收发双方都从基站接收感知测量配置，如图 2-6 所示。图2-6感知测量配置示例或者，感知信号接收 UE 从感知信号发送 UE 获取感知测量配置，如图 2-7 所示。13/79图2-7感知测量配置示例对于基站发送-基站接收的感知模式，可能需要感知信号发送基站与感知响应接收基站进行协商以确定感知测量的配置，因为两者都有资源决定权，一方独立决定感知资源可能对另外一方本身的资源使用造成影响。所以对于基站

32、发送-基站接收的感知模式，测量配置的流程可以包括如下几种情况：基站之间直接协商确定感知测量配置，如图 2-8 所示。图2-8感知测量配置示例收发基站通过 AMF/SF 中转协商，确定最终的感知测量配置，如图 2-9 所示.图2-9感知测量配置示例d)非连接态下感知流程在 UE 参与的双基地感知业务过程中，可能通信数据传输需求很低，如果 UE 能支持非连接态下的感知操作，对 UE 降低功耗是很有意义的。比如利用基站发 UE 收的下行感知信号进行呼吸和入侵检测，利用 UE 发基站收的上行感知信号做环境重构等，都需要支持非连14/79接态 UE 进行感知操作。基于下行信号进行感知时，如果 UE 支持

33、非连接态感知，对应的感知流程如图 2-10 所示。图2-10基于下行信号的UE非连接态感知流程感知业务触发后，根据 UE 上报能力（如支持非连接态下感知信号接收和信号处理），网络可配置 UE 在非连接态下进行感知操作。如果当前没有通信数据传输需求，UE 进入非连接态。基站根据配置进行感知信号的发送，UE 根据配置进行感知信号的接收和数据处理。在 UE 侧，感知操作需要与通信的相关操作联合进行，比如同步、paging 接收以及测量等操作。如果感知数据需要上报，一种方式是 UE 进入连接态，根据网络配置进行感知数据的上报，如图 2-10(a)。这种操作对感知数据量和上报方式（如周期性上报，或事件触

34、发上报）等没有特别要求，但 UE 需要通过随机接入进入连接态，需要额外的信令，同时时延也较大。如果感知数据量比较少，另外一种可能的方式是在 inactive mode 下通过 SDT（Small DataTransmission,Rel-17）进行上报，如图 2-10(b)。在此过程中如果有通信业务需求，UE 需要进入连接态，感知操作需要继续进行，此时感知测量配置和感知数据上报需要依据连接态下的配置。基于 UE 发基站收的上行信号感知操作同样也需要考虑 UE 非连接态下的流程。对应的感知流程如图 2-11 所示。15/79图2-11基于上行信号的UE非连接态感知流程与基于下行信号的感知类似，感

35、知业务触发后，根据 UE 上报能力（如支持非连接态下感知信号发送），网络可配置 UE 在非连接态下进行感知操作。如果当前没有通信数据传输需求，UE 进入非连接态。UE 根据配置进行上行感知信号的发送，如图 2-11(a)。在 UE 侧，需要将感知信号发送和通信相关操作联合进行处理。基站则进行感知信号接收和信号处理。另外一种做法如图 2-11(b)所示,在 inactive mode，UE 可以通过小数据传输（Small Data Transmission，SDT）进行上行感知信号的发送。当 UE 处于 idle mode 时，接入网没有 UE 的信息，如何触发这些 UE 参与感知是需要进一步研

36、究的问题。2.3 测量量定义与感知信息传输测量量定义与感知信息传输2.3.1 感知测量量定义感知测量量定义在 6G 时代，感知技术正成为信息通信领域的关键技术之一。相比单基地感知，双基地感知在目标探测时对时延、多普勒频移和角度等基本测量量的计算和定义存在差异。这种差异源于收发节点间复杂的路径传播特性和干扰环境，传统测量量已难以满足复杂感知需求。因此，针对多样化的感知业务和场景需求，亟需定义符合实际感知要求的测量量，以支撑双基地感知的高效实现。感知信息可能包括多种层级，如下给出一种感知信息层级划分示例：-感知结果：目标的距离、速度、位置信息、轨迹等，还可以是呼吸/心跳等生命体征信息，手势/动作识

37、别信息，或者是车辆稽查信息，智慧路口和动态地图等，或者是成像结果、天气、空气质量、形状、材质、成分等。-感知初步数据：时延、多普勒、角度、信号强度（功率），也可以是谱信息，包括时延扩展谱、多普勒谱、微多普勒谱、角度谱，或者是以上至少两者的组合，例如时延-多普勒谱，或时延-角度谱，或时延-多普勒-角度谱等。-感知原始数据：接收信号或者原始信道信息（如接收信号或信道响应的复数结果、幅度和/或相位、I 路/Q 路及其相关运算结果）。3GPP TS 38.215 中定义了通信系统常用的测量质量指标，包括参考信号接收功率（Reference Signal Received Power，RSRP）、参考信

38、号接收质量（Reference Signal ReceivedQuality，RSRQ）、SINR 等10。以 SINR 为例，其定义为特定资源单元上的信号功率除以16/79噪声和干扰功率，当不考虑干扰时，可以用 SNR 替代 SINR，其定义为特定资源单元上的信号功率除以噪声功率。在通信系统中，SNR 是衡量信号传输质量的重要指标，与通信性能好坏紧密关联，一般可以认为，SNR 越高意味着信号传输质量越好，系统误码性能越好。对于通信系统，SNR（或 SINR）中的信号功率指经过 LOS 传播，以及经过信道中各种反/散射体关联的多径信道传播的全部接收信号功率之和。对于感知系统，SNR（或 SIN

39、R）中的信号功率指经过与感知目标关联的多径信道传播后的接收信号功率，即经过感知目标反射的接收信号功率。对于不同的感知业务，信号功率的计算存在差异，例如对于车辆、行人或无人机检测，信号功率指经过环境中的动态目标反射的接收信号功率，而经过静态目标反射的接收信号被视为静态杂波，对于静态环境重构或障碍物检测，信号功率则包含经过静态目标反射的接收信号功率。对于感知 SNR（或 SINR），首先要定义感知目标相关的信号功率（分子部分）。以上报点云信息为例，可以是以散射点为单位定义 SNR 或 SINR。分子部分为每个散射点的功率，同一目标各散射点的信号功率可能不一样。其次要定义噪声、干扰和杂波（分母部分）

40、。其中包含热噪声、干扰（通信或其它感知信号）以及动态杂波，它们是通过感知算法无法消除的部分，可以假设在一定时延、多普勒和角度域范围内（如感知信号所能观测的范围内）分布相同。由于 SNR 和 SINR 主要用于表征统计意义的信号质量，所以噪声和干扰等可以通过对无目标、无可消除杂波和干扰区域的功率取平均来计算。需要特别指出的是，对于 LOS径（双基地感知中发送节点和接收节点之间的直射径）和静态杂波等，通常可以通过感知处理消除，并不会对感知结果有太大影响（在某种意义上可以看作是“目标”），可以不包含在分母内。所以在估计 SINR 时，需要先对 LOS 径、干扰和杂波等实行一些消除算法，再统计平均噪声

41、和干扰的功率。图 2-12 中给出了感知性能评估结果以及相应的通信 SNR 和感知 SNR 的统计结果，仿真中采用 TRP-UE 双基地感知模式，由于 UE 位置不同，其观测到的感知目标 RCS 大小不同，且经过感知目标反射的传播路径损耗不同，因此不同 UE 的感知性能存在差异。可以看出，相比于传统的通信 SNR，感知 SNR 更能够有效反映出感知性能的好坏。因此，在感知系统的设计中，建议引入感知 SNR、感知 SINR 等新的信号质量指标，其能够更加准确地表征感知信号传输质量，可以用于判断感知测量结果的好坏，还可以作为感知设备选择/切换，感知波束管理，或感知资源配置调整等方面的参考指标。17

42、/79图2-12感知精度与SNR统计：定位精度（左），通信SNR（中），感知SNR（右）更加一般化地，考虑引入 SINR-P（Signal-to-Interference-plus-Noise Ratio per Path）的概念，作为感知系统中重要的性能指标。SINR-P 表示任意路径的信号干扰噪声比，它能够通过综合考虑真实路径损耗与干扰情况，反映每条回波路径的信号质量。在感知任务中，SINR-P 可用于选择协作节点，从而提升感知精度。例如，在多节点协作感知过程中，节点A 通过宽波束探测目标，目标反射的回波信号被其相邻节点 B、C、D 等接收。相邻节点可上报第一条远于直达径或第一条远于直达径

43、且速度非零路径的 SINR-P，供节点 A 进行比较分析。最终，节点 A 选择 SINR-P 最高的协作节点（如节点 D），以提升目标感知的鲁棒性与准确性。图 2-13 展示了这一过程，强调了节点间协作的重要性及 SINR-P 在实际场景中的价值。图2-13协作节点选择示意图2.3.2 感知信息传输协议栈感知信息传输协议栈关于感知信息传输，其所使用的协议栈，根据不同的感知信息收发节点或者传输的感知信息内容的大小，协议栈有所不同。可以使用基于控制面的协议栈、基于用户面的协议栈，或者基于数据面的协议栈。感知信息传输的协议栈可能包括多种可能，但是，为了简化设计，可以在标准制定过程中明确给出感知信息传

44、输的所使用的协议栈，而不需要通过配置或协商的方式确定协议栈。下面以前述方式 1 基于控制面传输感知信息的方式为例，分别给出 UE18/79和 SF、基站和 SF 之间可能的协议栈设计。如果是 UE 和 SF 之间传输感知信息，其可能的协议栈如图 2-14 所示，其中 XX 代表 6G，7G 等版本号。需要说明的是，图中包含了 UE 和基站之间的协议栈。对于 UE 和基站之间的感知信息传递，方式 1 基于控制面传输感知信息时可以使用无线资源控制（Radio ResourceControl，RRC）信令传递，或者通过数据信道传递。图2-14 UE和SF之间感知信息传输协议栈示例基站和 SF 之间感

45、知信息传输可能采用的协议栈设计如图 2-15 所示。图2-15基站和SF之间感知信息传输协议栈示例基站之间感知信息传输可能采用的协议栈设计如图 2-16 所示。19/79图2-16基站之间感知信息传输协议栈示例2.3.3 测量结果上报测量结果上报网络化通感一体是面向 6G 的关键技术。利用通信/感知信号进行感知可支持目标检测、高精度定位、环境重构、成像等新业务，可广泛应用于室内定位、无人机、智慧车辆、物联网等应用场景中，助力于万物互联。在现有协议中，存在一些定位方法，即定位管理功能（Location Management Function，LMF）根据 RSRP、时延（差）、角度等测量量确定目

46、标的位置。但是对于更广泛的感知业务/感知需求来说，需要更多的测量量，这对测量量上报顺序提出了更高的要求。无论进行独立感知还是协作感知，在进行目标感知时，都可以获取很多感知测量量，如何高效地进行测量量上报是需要关注的问题。在移动网络中，SF 需要根据网络需求进行感知。为了解决协作高精度感知中测量量频繁交互和资源利用率不高的问题，考虑设计新的感知测量量上报机制。该机制通过定义测量量优先级排序方案，以及数据压缩方案，确保收发双方无歧义理解，保留更重要的交互内容，并提升资源利用率。在感知任务中，有多个径/测量量信息需要上报，SF 根据感知节点能力，配置多个径/测量量的上报顺序，其中上报顺序包括配置径的

47、优先级和测量量的优先级，测量量的优先级顺序和径的优先级顺序可通过网络配置获得。由此得到，感知节点需要上报多条径的多个测量量。径 1：测量量 1，2，.，P.径 M：测量量 1，2，.，P首先讨论多个径多个测量量的排序问题，提出两种测量量的排序方式。1）排序方式 1：先径后测量量，即按照每条径对所有测量量进行依次排序，示意图如20/79图 2-17 所示，其中 resource info 表示一些固定量，Am、Bm、Cm分别表示第 m 条径不同的测量量。图2-17排序方式12）排序方式 2：先测量量后径，即按照每个测量量对所有径进行依次排序，示意图如图 2-18 所示。Am、Bm、.Xm分别表示

48、第 m 条径不同的测量量。图2-18排序方式2在实际网络环境中，可能存在感知上报资源不充足的问题，则需要考虑径的优先级和或测量量的优先级。考虑优先级情况，将测量量上报内容分为 Sensing-1 和 Sensing-2。其中Sensing-1 大小固定，包含 resource info 和重要测量量，如果没有占满则对应比特置为 0。Sensing-2 包括其他优先级较低的测量量。1）将优先级较高的前 m 个径的所有测量量排在前面，即 Sensing-1；2）将 M 个径的优先级较高的前 p 个测量量排在前面，即 Sensing-1；3）将优先级较高的前 m 个径且优先级较高的前 p 个测量量排

49、在前面，即 Sensing-1；此外，对于感知测量量的上报问题，提出一种数据压缩方案，如图 2-19 所示。第一条径进行所有测量量的上报，后面对于任意一条径的测量量，都与前一条径的测量量做差，若当前需求下需要的测量量差值都在某个范围内，则上报当前径的测量量时只需上报与前一条径的测量量差值。图2-19数据压缩示意图通过配置感知测量量上报规则，实现了在协作高精度感知中高效、准确地传输感知数据，不仅确保双方对测量量组合无歧义的理解，还能够优先传输更重要的感知数据。21/793 双基地感知关键技术双基地感知关键技术3.1 信号设计信号设计3.1.1 序列设计序列设计现有通信系统所采用的正交频分复用（O

50、rthogonal Frequency Division Multiplexing，OFDM）波形的峰值平均功率比（Peak to Average Power Ratio，PAPR）较高，需要对功率放大器进行功率回退才能使功率放大器工作于线性区域，导致发送功率降低，直接影响感知回波信号强度，不易被检测。因此，若基于 OFDM 波形进行通信感知一体化系统设计，需尽可能采取低峰均比序列作为感知序列，减少功率回退，增大发射功率，提升回波信号强度。现有通信系统中的参考信号所使用的基础序列主要有 Zadoff-Chu（ZC）序列、最长线性反馈移位寄存器（m）序列以及 Gold 序列。其中，ZC 序列具有

51、恒幅特性，且 ZC 序列的离散傅里叶变换仍然是一种 ZC 序列，因此，ZC 序列的峰均功率比 PAPR 较低。ZC 序列具有良好的自相关特性和互相关特性，ZC 序列与其循环移位后的序列的相关值为零，不同根序列之间的循环互相关很低。而且，ZC 序列具有较高的多普勒容忍能力，即具有较好的抗频偏特性，对于高速目标反射的高多普勒频移回波信号也有较好的检测性能。例如，5G NR通信系统中的上行探测参考信号（SRS）使用的基础序列为 ZC 序列。另一种常用的序列是 Gold 序列，它是一种伪随机序列，是 5G NR 通信系统中使用最多的一种参考信号序列。通过对两个 m 序列进行模 2 加得到 Gold 序

52、列，然后再对 Gold 序列进 行 2-bit 的 QPSK 调 制，变 成 复 数 信 号 序 列。例 如，CSI-RS（Channel StateInformation-Reference Signal），DMRS（Demodulation Reference Signal）和 PRS（PositioningReference Signal）等参考信号的基础序列都是 Gold 序列。Gold 序列也具有良好的自相关特性和互相关特性，以及较好的抗频偏特性，并且支持的序列个数多，但其峰均功率比 PAPR相对较高。Gold 序列和 ZC 序列均可作为感知信号候选序列。通信系统中通常逐个 OFDM

53、 符号去生成和映射序列，很少考虑不同符号之间序列的关联性，因此存在时域维度序列随机性不足的问题，对于采用时、频域二维联合处理的感知系统，不同符号时域维度序列相关特性较差。考虑对不同符号序列进行时域维度加扰或随机化的方式，可以优化其时域维度序列特性，降低互相关峰值11。假设每个感知相干处理时间内 包 含 M 个 OFDM 符 号，每 个 符 号 承 载 长 度 为 N 的 参 考 信 号 序 列=0,1,1,0 1，通过随机生成的系数 ,0 1对不同符号承载的参考信号序列进行随机化处理得到,=,0 1,0 1。新的信号由于是对不同符号承载的参考信号序列进行整体随机化处理，其频域维度序列特性没有改

54、变，但时域维度序列特性得到了改善。以 5G NR 中 CSI-RS信号 Gold 序列和 SRS 信号 ZC 序列（开启组跳）的生成方式为基线，与进行时域随机化处22/79理后的序列的互相关特性对比如图 3-1 所示。可以看出，优化后的信号时域互关特性得到了明显改善。图3-1序列优化前后互相关性能对比进一步通过系统仿真对优化前后序列的感知性能进行对比评估，仿真中建模了来自邻区的干扰。其中 ZC 序列进一步考虑不进行组跳和序列跳，进行组跳或序列跳的不同配置，仿真结果如图 3-2 所示。可以看出，不论是 Gold 序列还是 ZC 序列，相比于 5G NR 现有的序列生成方式，对序列进行时域维度优化

55、后目标定位性能得到了显著提升。图3-2序列优化前后定位性能对比不同于通信系统，感知系统中，感知发送节点发送信号经目标物体反射后到达接收节点处的回波信号非常弱，时域功率不均衡容易导致微弱信号的失真，从而影响感知性能。因此，针对感知参考信号，更希望能使用具有恒幅特性，时域功率均衡的序列。虽然 ZC 序列具有恒幅特性，但以 ZC 序列为基序列生成的实际使用的参考信号序列可能不再具有恒幅特性。以 SRS 为例，使实际使用的 SRS 序列长度会大于 ZC 根序列长度，且存在相位循环移位项，使得实际的 SRS 序列不再具有恒幅特性，如图 3-3 所示。23/79图3-3 SRS序列无恒幅特性示意图一种处理

56、方法是对不再具有恒幅特性的序列做 DFT 变换后再使用，使得实际使用的参考信号序列又具有恒幅特性，如图 3-4 所示。图3-4增加DFT变换后具有恒幅特性示意图目 前 5G 通 信系 统使 用的 ZC 序 列生 成方 式为=exp j+1，=0,1,2,1，对于 SRS，根序列号的计算方式为=?+1 2+12?，?=+131。其中，0,1,29 是组号，0,1 是组内序列号。虽然 SRS 的生成支持组跳和序列跳的机制，但是最大分组个数以及组内序列数有限，因此可用的 ZC 序列个数有限。未来感知系统需要支持多目标感知以及多设备感知功能，因此存在需要支持更多序列个数的需求。为保证较高的距离分辨率，

57、感知系统通常使用较大的带宽资源，对应的序列长度较长。因此，若采用 ZC 序列作为生成感知信号的基本序列，可以通过改变组跳或序列跳的设计，例如支持更多的分组个数和组内序列个数，扩展可用的 ZC 序列个数，从而有利于实际应用场景中各个小区或感知设备之间的干扰随机化，提升感知性能。3.1.2 资源映射方案资源映射方案感知信号资源映射规则需要考虑满足感知分辨率和感知测量范围等性能。更大的信号带24/79宽、更长的信号持续时间能够提供更高的距离分辨率和速度（多普勒）分辨率，增加信号频域密度和时域密度能够提供更大的无模糊距离范围和无模糊速度（多普勒）范围。传统的雷达感知中通常发送资源连续且时宽、带宽较大的

58、信号，但通感一体化系统中还需要考虑对通信速率的影响，因此对感知资源开销有一定限制，需要根据感知业务中对上述几项感知性能的需求不同来设计信号资源映射图样。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，均匀感知信号存在如下挑战12：均匀感知信号的时频资源开销较大：为了满足时延和多普勒的分辨率和最大不模糊测量范围的要求，均匀感知信号所占用的子载波数和 OFDM 符号数较多。在多端口感知的情况下，感知信号的资源开销问题则会更加严重。均匀感知信号的配置灵活性差：为了实现高分辨率性能的感知，感知信号的时频资源的跨度较大，并且均匀采样的感知信号需要占用

59、周期性的信号资源。存在多种多样的通信业务（包括低时延高可靠业务）和感知业务的情况下，很难保证以特定周期重复的信号资源都能分配给某一感知信号。另外，均匀感知信号很难充分利用各种通信参考信号。在感知应用中，感知目标在时延和多普勒域通常是稀疏的，那么可以由低于奈奎斯特采样率的采样点重建恢复信号。也就是说，可以采用非均匀信号执行感知业务，从而能够克服上述均匀感知信号存在的问题。在相关文献中，基于非均匀天线阵列的到达角估计和波束赋型已经获得了广泛的研究和应用。非均匀信号设计和对应的信号处理方法也在非均匀天线阵列的研究中逐渐成熟起来。在通感一体化应用中，可以将非均匀信号设计从空域引入到时频域，用于感知信号

60、的时频资源分配，从而降低感知信号的资源开销、提升资源分配的灵活性。非均匀感知信号的设计方法主要包括如下两类：基于压缩感知的非均匀感知信号设计：如果感知信号本身或者在变换域是稀疏的，则能够以远低于奈奎斯特采样率的采样点重建恢复13。这种非均匀感知信号设计的关键在于稀疏矩阵和观测矩阵的构造，需要满足压缩感知理论中的有限等距条件（RestrictedIsometry Property,RIP）14。在通感一体化系统中，对于采用 OFDM 波形的信号，最典型的稀疏基为 DFT 稀疏基和 IDFT 稀疏基。具体地，对于频域信号，与时延域信号进行变换的稀疏基为 DFT 稀疏基；对于时域信号，与多普勒域信号

61、进行变换的稀疏基为 IDFT 稀疏基。另外，对 OFDM 波形的信号进行时频资源分配时，特定的子载波或OFDM 符号只存在两种可能状态：分配给感知信号、或不分配给感知信号，这种二元25/79状态可以用伯努利矩阵来描述。从而可以采用伯努利矩阵作为观测矩阵，与 DFT 稀疏基或 IDFT 稀疏基能够满足 RIP 条件。通过上述方法，能够简单地进行非均匀感知信号设计。在接收端，可以通过贪婪算法进行迭代搜索能够获得最优解，例如，正交匹配追踪算法（Orthogonal Matching Pursuit，OMP）。基于差分协同阵列的非均匀感知信号设计：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

62、过较少的阵元数构造较大的阵列15。典型的虚拟阵列构造方法是嵌套阵和互质阵，如下图 3-5 所示，包括物理阵列和对应的虚拟阵列。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，构造出虚拟阵列后可通过 DFT/IDFT 或 MUSIC 等方法进行后续处理。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 MUSIC 等子空间类算法。此种非均匀感知信号设计方法可用于一维感知信号设计，独立的二维差分协同阵列设计方法还有待研究。图3-5差分协同阵列示意图下图 3-6 为在样机试验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

63、谱的对比。可以看出，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。(a)均匀信号均匀信号(b)压缩感知方法压缩感知方法(c)嵌套阵方法嵌套阵方法图3-6非均匀感知信号实测时延-多普勒谱采用两步非均匀感知信号设计方法，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26/79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 3-7 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

64、开部分子载波或 OFDM 符号以避免与其他信号的冲突。图3-7两步非均匀感知信号设计方法两步非均匀感知信号设计方法的第一步能够保证感知信号的时延或多普勒的分辨率和最大不模糊测量范围的要求，从而使得第二步非均匀采样的设计能够更加灵活。另一方面，第一步的均匀信号配置比较易于采用现有协议中的资源配置方法实现。考虑到最大无模糊范围与感知精度之间存在折中关系，即测距误差 与（感知信号所占用子载波之间的间隔）成线性反比关系，最大测距范围也与成线性反比关系。如图 3-8 所示，非均匀的导频自适应映射方案可以基于感知需求进行频域资源的灵活配置，动态调整参考信号映射图样，接收端按照不同域配置方式进行感知算法选择

65、。这样可以很好的处理测距精度和最大测距范围的权衡问题，并且在同样的感知性能下可以减少开销，提高时频资源利用率，满足不同场景的感知测距需求。图3-8非均匀的导频自适应映射方案为了获取精准的终端位置信息、速度或其他感知信息，感知参考信号往往需要配置大量的时频资源。为节省感知资源开销，梳状映射是一种潜在的解决方案，梳状映射通过配置感知参考信号在时域、频域上等间隔分布，如图 3-9 所示。当感知带宽、帧长固定时，梳状映射方案可在不降低感知精度和分辨率情况下，节省资源开销。27/79图3-9时频均匀等间隔参考信号资源映射而梳状映射方案会引入估计模糊问题，例如基于 OFDM 等间隔感知参考信号排布可推导出

66、最大模糊距离为=2，其中为子载波间隔，表示频域相邻两个参考信号资源单元（Resource Element，RE）间隔；最大模糊速度为：=2，其中表示符号间隔，表示时域相邻参考信号符号间隔。可以看出感知信号频域间隔越小，距离无模糊范围越大；感知信号时域间隔越短，速度无模糊范围越大。同样，为解决模糊感知问题，感知信号可采用非均匀分布，即采用时频稀疏的感知参考信号设计。对于给定的感知带宽和感知帧长，稀疏感知信号采用非均匀的感知信号单元排布，不降低感知精度与分辨率的同时，可避免模糊估计问题。同时，当感知参考信号单元数确定时，非均匀感知信号可实现更高的感知精度与分辨率。典型的非均匀感知信号图样包括基于互

67、质稀疏图样和基于嵌套的图样，具体如下：基于互质的稀疏感知信号图样：由两个均匀的等间隔感知信号图样组成，其中一个感知信号图样包含 2M 个感知信号单元，且相邻感知信号单元间隔为 Nd；另一个感知信号图样包含 N 个感知信号单元，且相邻感知信号单元间隔为 Md。其图样设计可采用如下方案：=+,=0,1,2,1 +,=0,1,2,2 1其中表示所有感知信号单元组成的集合，表示相邻两个感知参考信号单元之间最小间隔，需要对输入信号进行补零。将二维周期图引入 OFDM 感知参数计算，其中输入信号为感知信息检测矩阵，利用IFFT 和 FFT 计算得到二维周期图18,=1=01=01,2?2?2感知信息检测矩

68、阵中感知目标反射径时延和多普勒的正弦分量会使得,中出现相应的峰值，若?,?对应其中一个峰值，则可以计算得到相应的感知目标反射径时延和多普勒的估计结果?=?,?=?其中，表示光速，为 OFDM 子载波间隔，为载波频率。35/79（2）Capon 算法对于目标角度估计，通常采用 Capon 算法。Capon 是一种基于阵列信号处理的到达角估计算法，通过计算输入信号的协方差矩阵以及阵列方向矢量相关的空间谱函数并进行谱峰搜索，得到角度估计值。其中，输入信号通常可以是不同天线的距离/多普勒脉冲压缩结果，例如周期图结果?,?。Capon 算法所要求解的优化问题可以表述为|()|2=min 其中，()为输入

69、信号，为阵元权重向量，为输入信号的协方差矩阵。通过进一步计算可得 Capon 的空间谱函数为=11 其中，是期望信号的导向矢量，即角度关联的信号方向向量。根据空间谱函数计算结果进行谱峰搜索，峰值对应的索引即表征了目标角度信息。（3）MUSIC 算法MUSIC 算法是一种基于子空间分解的算法，利用信号子空间和噪声子空间的正交性，构建空间谱函数，通过谱峰搜索进行参数估计。根据感知信息检测矩阵，估计时延自协方差矩阵和多普勒自协方差矩阵19=1,=1 分别对和，进行矩阵分解求特征值，个最大特征值对应的特征向量构成信号子空间，其余 个特征值对应的特征向量构成噪声子空间，噪声子空间可表示为 。目标角频率=

70、对应的导向矢量 正交于噪声子空间，即它位于噪声子空间 的零空间，对下式求解得到?,和?,。=0根据?,和?,得到与感知目标反射径时延和多普勒关联的角频率?,=arg?,，?,=arg?,，进而计算得到目标时延和多普勒的估计结果。?=?2,?=?2（4）ESPRIT 算法ESPRIT 算法是一种基于旋转不变性技术的高分辨率空域谱估计算法，同样属于子空间估计的经典算法。根据输入信号，即感知信息检测矩阵，估计时延自协方差矩阵和多普勒自协方差矩阵=1,=1 以为例，对其进行特征值分解后，按照特征值=diag 0,1,1排序，则中个最大特征值对应的特征向量构成信号子空间，其余 个特征值对应的特征向量构成

71、36/79噪声子空间，即=,分别取信号子空间的前 1 行和后 1 行可得1=1,2=1其中1为维度为(1)(1)的单位矩阵，为长度为 N-1，元素全为 0 的向量。根据1和2进一步计算可得=11112其中，矩阵的特征值可用于估计输入信号中与距离或速度关联的角频率。根据时延自协方差矩阵和多普勒自协方差矩阵分别计算得到和，进而根据和中最大的个特征值?,和?,计算得到的感知目标反射径的传播时延和多普勒频率的估计结果?=arg?,2,?,=arg?,2,=0,1,13.2.2 双基地感知位置信息计算双基地感知位置信息计算双基地模式目标与收发设备空间位置以及角度、距离关系如图 3-21 所示。xyzTa

72、rgetAOATZOATzxyRAOALZOALTxRxdTx-TargetdTarget-Rx图3-21双基地感知模式目标与收发节点空间位置关系信号接收设备通过测量得到感知目标反射径到达方位角，以及感知目标反射径到达天顶角，LOS 径，LOS 径，感知目标反射径与 LOS 径的时延差。接收设备根据感知目标反射径与 LOS 径的时延差以及收发设备距离计算双基地距离和+=+其中，为光速，为收发设备间的距离，即双基地基线距离。然后根据 LOS 径和感知目标反射径的到达角度信息，计算两者在双基地平面上的来波夹角37/79=1 +根据来波夹角以及双基地距离和计算目标到信号接收设备之间的距离=+2 22

73、+根据目标到信号接收设备之间的距离和目标径的角度信息即可计算感知目标相对于接收设备的位置坐标信息,，其中=双基地感知中接收设备测量的到达角信息通常是相对于接收设备本地坐标系的角度信息，因此若计算目标在全局坐标系中的位置坐标，则需要根据接收设备本地坐标系相对于全局坐标系的转换关系得到全局坐标系下的目标到达角度信息。对于双基地感知，除了可以通过对到达角和时延的测量得到目标位置信息，还可以通过对离开角以及时延的测量可以计算得到目标到发送设备的距离，进而根据目标到发送设备的距离以及离开角计算目标相对于发送设备的位置信息。双基地感知模式中，发送设备的天线配置相对于接收设备通常是未知的，若需要接收设备侧进

74、行离开角度测量，还需要通知接收设备发端天线的配置，或者间接通过接收端对预编码向量搜索或波束测量，并根据预编码向量或波束与角度的关联关系确定离开角信息。此外，双基地感知相对于单基地感知提供了不同的观测角度，仅通过离开角和到达角的测量也可以确定双基地三角形，并结合双基地基线距离计算目标位置信息。对于多基地协作感知模式，可以通过仅测量时延或角度得到目标位置信息，但需要考虑多个目标的角度或时延等测量信息的匹配问题。3.2.3 基于基于 NLOS 的感知方法的感知方法非视距（NLOS）传输是一种频繁发生的、会严重影响感知精度的非理想因素。双基地感知过程中的视距（LOS）传输是指在感知发送端和目标，以及目

75、标和感知接收端之间，感知信号径直传输，不存在由周围散射体造成的反射/折射/绕射，如图 3-22(a)所示。而 NLOS传输则是指在感知发送端和目标，或者目标和感知接收端之间，存在建筑物、树木等散射体，导致感知信号除了经过目标反射外，还经过散射体的反射/折射/绕射，使得信号发生多跳反射。对 NLOS 问题，有三种场景的处理途径：识别、消除和利用。当 LOS 径被遮挡时，只有最后一种可以将 NLOS 从不利因素转变为有利因素，保证 NLOS 情况下的感知精度。（1）一种双基地感知中的 NLOS 场景如图 3-22 所示。其中，感知发送节点（基站 A）发送感知信号来感知一个预先检测到的目标 T，感知

76、回波信号被感知接收节点（基站 B）接收。S 为散射体。仅考虑两跳之内的反射。在 A 和 T 之间为 LOS 径，但 T 和 B 之间的 LOS 径38/79被障碍物遮挡。在环境中另外存在一个散射体 S。目标 T 的位置和散射体 S 的位置均未知。可以看出，共存在 2 条路径，一是发送端-散射体-接收端的 LOS 径（A-S-B），二是发送端-目标-散射体-接收端的 NLOS 径（A-T-S-B）。针对 A-T-S-B 路径，如果利用传统感知方法，即 AoA+时延估计，计算目标位置，将得到一个“假目标”的位置，即图 3-22 中的“G”。为了获得真实目标位置，我们需要利用两条路径的几何关系。(1

77、)示意图(2)几何关系图图3-22 NLOS下的协作感知场景如图 3-22 所示，两条路径具有相同的 AoA，但 AoD 不同，这可以作为区分两条路径的一种方式。两条路径上的几何关系如下：(1)发送端-散射体-接收端的 LOS 径（A-S-B）sin1=sin1+=11+1=0(2)发送端-目标-散射体-接收端的 LOS 径（A-T-S-B）(+)sin2=(+)sin2(+)cos2+(+)cos2=02+2 2(2 2)=2+=2(3)若发送端-目标-接收端 LOS 径（A-T-B）存在，则有(sin3)2+(0 cos3)2=2+=3对比可见，当存在包含目标的 LOS 径时，仅需估计 A

78、oA+时延即可获得目标位置。但当 LOS 径不存在时，A-S-B 路径和 A-T-S-B 路径的几何关系中，角度和时延参数、散射体路径距离以及 LOS、NLOS 路径距离可以通过测量、估计获得，而其他距离参数则需要通过测量、估计得到的参数信息进一步根据几何关系推算获得。因此，为了利用 NLOS 径估计目标的真实位置，与利用 LOS 径不同，需要进行 AOA-AOD 联合估计，再结合时延信息，获得目标位置。为此，提出了一种 NLOS 利用算法。该算法流程如图 3-23 所示，包括以下39/795 个步骤：1联合 AOA-AOD 估计：传统的 AOA/AOD 测角算法如 MUSIC 等都可扩展到二

79、维联合估计。获得两路信号对应的两对 AOA-AOD 组合。2A-S-B 路径距离估计：可以利用 1-D DFT 等算法。3A-S-B 路信号重建与干扰消除：根据估计得到的时延、角度信息，结合路损模型，反推A-S-B 路信号，并从复合信号中删除，获得 A-T-S-B 路信号。4A-T-S-B 路径距离估计：对 A-T-S-B 路信号执行 1-D DFT 等，获得时延/距离信息。5目标位置估计：利用几何关系获得目标位置。图3-23协作感知中的NLOS利用算法流程图在 4.9GHz 频段，对以下四种情况进行了仿真对比分析，结果见图 3-24，包括以下几种不同算法：1所提算法（包括利用干扰消除）2所提

80、算法（不利用干扰消除）3传统算法（利用传统 LOS 径时的算法处理 NLOS 径）4传统算法（LOS 径存在，作为基准）图3-24位置估计结果可以看出，所提方法（红星）能够估计目标的真实位置，并且接近 A-T-B LOS 情况（蓝星）下估计的位置。当不采用干扰消除时（绿星），对 A-T-S-B 路径的距离估计结果将接近40/79A-S-B，导致认为目标位于 A、S 之间，又因为其 AOD 方向为 A-T 方向，因此最终估计目标位置将在二者交点，即原点附近，造成较大误差。当直接拿 A-T-S-B 的距离和 AOA 估计目标时（紫星），将获得假目标位置。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响硬件非理想因素及影响在通感一体化系统中，感知非理想因素是指那些对于通信性能几乎没有影响、但是对于感知性能有重要影响的非理想因素20。由于感知非理想因素的抑制对于双基地感知的性能起着决定性的影响，在过去几年中被广泛研究。本章节考虑的感知非理想因素主要由感知信号的收发端设备之间的时频异步问题引起，包括定时偏差、定时漂移和载波频率偏差。另外，由设备状态切换引起的随机相位对于感知性能也有重要影响。定时偏差（Timing Offset,TO）：感知信号的接收端和发射端使用各自的时钟源生成时钟信号用于进行定时同步，收发端之间的时钟信号的差异会造成定时偏差，给感知信号在频域上带来除了

82、由信号传播时延产生的、额外的相位偏差。因此，定时偏差会造成感知信号时延的模糊，从而带来距离测量的模糊。定时漂移（Timing Drift,TD）：受到感知信号的收发端之间的采样时钟偏差，以及感知信号的接收端的定时调整的影响，定时偏差会随着时间发生变化，从而使得不同 OFDM符号承受不同的定时偏差，最终导致不同 OFDM 符号之间无法进行相干积累21。定时漂移可以理解为定时偏差随时间的变化量，而定时偏差则主要强调某一指定 OFDM符号或者一个相干处理间隔（Coherent Processing Interval,CPI）整体的定时偏差。载波频率偏差（Carrier Frequency Offse

83、t,CFO）：包括两个方面：一是收发端设备本振频率的偏差，收发端设备使用各自的本振频率源进行信号生成，收发端设备的本振频率会有差异；二是由收发端设备之间的相对运动产生的多普勒频移。载波频率偏差会造成多普勒测量的模糊。随机相位：设备内部模块（例如，功率放大器）的状态变化（例如，开关、增益的调整）可能会引入随机相位。与定时漂移类似，随机相位导致不同 OFDM 符号之间无法进行相干积累，从而会影响多普勒或速度的测量，甚至通常导致多普勒或速度无法测量。随机相位主要发生于性能较差的设备上，例如，低成本终端。图 3-25 给出一组实测数据中感知信号受感知非理想因素的影响，在获得该组数据的过程中感知信号的收

84、发端设备均为静止状态，环境中存在 1 个运动目标，接收信号中包含了41/79LOS 路径信号以及运动目标和环境物体反射路径信号。图 3-25(a)是受感知非理想因素影响的时延谱，可以看出，各个 OFDM 符号之间有时延和幅度的差异，这主要是由定时漂移引起的。进而，在图 3-25(b)中，时延-多普勒谱发生严重弥散，无法正确检测出感知目标。在消除定时漂移的影响后，得到的时延-多普勒谱如图 3-25(c)所示，可以看出，包含了大部分接收功率的径没有处于零多普勒一列，这是载波频率偏差的直观体现。另外，定时偏差使得图 3-25(c)的时延-多普勒谱整体沿时延方向发生了平移。图3-25感知非理想因素的影

85、响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）对消类方法）对消类方法感知非理想因素的本质是引入额外的相位误差，进行感知非理想因素消除的主要思路可以是在某个域通过对消方法来消除由感知非理想因素所引起的额外的相位误差，包括以下几类22：天线域对消：天线域对消：主要包括天线间共轭乘（Cross Antenna Cross-Correlation,CACC）方法和天线间信号商（Cross Antenna Signal Ratio,CASR）两类，顾名思义，分别是进行天线之间信道状态信息的互相关运算和除法运算2324。其中，CACC 方法和 CASR 方法分别又被称为 CSI（Chan

86、nel State Information-Reference Signal）共轭乘方法和 CSI 商方法。不同天线上由时钟异步所引起的感知非理想因素是相同的，因此不同天线接收信号承受的定时偏差、定时漂移和载波频率偏差是相同的，能够通过天线域的信号处理来抑制非理想因素。在参考信号采用恒模序列（例如，ZC 序列）的情况下，共轭乘与除法运算的结果之间仅相差一个常数系数。需要指出的是，进行空域消除的天线之间需要共用变频模块和时钟生成模块；在射频通道数较大的设备中，可能存在多套变频模块和时钟生成模块，此时不可以进行不同模块间的空域消除。该类方法适合用于提取多普勒信息，因此在生命体征（呼吸、心跳）检测的

87、感知应用场景中得到很好的应用，具有较好42/79的性能。然而，在需要获取感知目标的时延和角度信息进而获取位置信息时，该类方法存在一些困难。时延域对消时延域对消：将信道状态信息通过 IDFT 变换到时延域之后，通过不同径之间的相位对消来消除非理想因素的影响2526。因为，在非常短的时间内（例如，一个 OFDM 符号）不同径所经历的非理想因素是相同的。典型地，可以从 LOS 径或者其他强静态径中提取出除运动感知目标的多普勒以外的其他所有因素引起的相位，然后用于对其他所有的径进行相位补偿。这种方法在单天线和多天线情况下都可以使用，且能够避免天线间消除方法存在的镜像频率和非线性等问题，逐渐成为一种热门

88、的方案。然而，这类方法依赖于存在可分离的强径这一条件，其效果严重依赖于参考径的功率24。通常适用于 LOS 条件下，采用 LOS 径作为参考径来进行非理想因素消除。另外，时延域消除通常依赖于通过毫米波频段的大带宽信号获得较高的时延分辨率。如图 3-26 所示，通过仿真对基于参考径的同步方案进行验证，结果表明，该方法能够显著补偿时间和频率同步误差，大幅提升距离和速度的估计精度。这表明，参考径同步方案在实际通信感知一体化（Integrated Sensing and Communication，ISAC）场景中具有可行性和高效性。图3-26有无时间和频率同步情况下的距离和速度估计空间域域对消空间域

89、域对消：由于静态径中没有由运动感知目标引起的多普勒频率成分，而仅包含由非理想因素导致的相位变化2728。因此，通过在空间域识别出静态径，从而能够利用静态径估计出由所有非理想因素引起的相位变化，用于非理想因素的消除。这类方法在本质上与时延域消除类似，都是利用静态径进行非理想因素的提取和消除。显然，这类方法要求具有较大的空域自由度，从而能够在空域将静态径与其他径分开。显然，现有 sub-6G 频段的通信系统通常不能满足这一条件。另外，在空间域搜索静态径的运算量较大的问题也不容忽视。43/79（2）往返测量方法）往返测量方法对消类方法主要用于消除定时漂移、载波频率偏差和随机相位的影响，在 LOS 场

90、景下也可借助于 LOS 径的已知的时延值来消除定时偏差。然而，在 NLOS 场景下，需要通过其他方法来消除定时偏差的影响。类似于 5G NR 定位中的往返时间（Round-Trip Time,RTT）方法，可以通过往返测量来估计出感知信号的收发端设备之间的定时频移和载波频率偏差29。其基本思想是，在较短的时间内（例如，几毫秒到几十毫秒），感知目标的运动状态（位置和速度）没有发生变化；对于同一感知目标，基于感知信号的收发端设备之间相互收发感知信号，进行往返测量得到的信号传播时延和多普勒频移是相同的，而定时偏差和载波频率偏差的绝对值相同、正负号相反，因此可以提取或抑制定时偏差和载波频率偏差。（3）

91、补偿类方法）补偿类方法对消类方法往往仅适用于部分场景、或者对于感知测量配置具有一定要求，例如，时延域对消方法要求信号带宽较大、且具有单个功率显著的静态径，空间域对消方法要求较大的空间分辨能力、且具有单个功率显著的静态径。这些要求限制了对应方法的应用范围。文献21系统性地研究了感知非理想因素对于感知信号的作用机理，揭示了由定时漂移所引起的时延谱移位和相位漂移的现象，以及进一步导致的时延-多普勒谱弥散现象。基于这些机理的研究，提出了异步时延-多普勒方法（Asynchronous Delay-Doppler,ADD）。对应于时延谱移位和相位漂移现象，异步时延-多普勒方法包括两个步骤：时延谱对齐时延谱

92、对齐：采用过采样 IDFT 进行时延谱的运算，减小时延谱对齐之后剩余的分数移位。基于时间-时延谱提取出不同 OFDM 符号之间的时延谱移位值，进而进行时延谱移位的补偿操作，即时延谱对齐。相位补偿：相位补偿：在时延谱对齐之后，由定时漂移引起的相位漂移也会造成时延-多普勒谱的弥散。相位补偿方法包括：相位构造方法：基于相位漂移与定时漂移之间的解析关系，通过提取出的时延谱移位值构造补偿相位值。该方法运算简单，适用于无随机相位的场景，例如，下行感知场景、或者高性能终端参与的上行感知场景。群相位差方法：在静态径功率占主导的条件下，通过提取各个 OFDM 符号之间的群相位差来构造相位补偿值。该方法能够适用于

93、存在随机相位的场景。图 3-25 展示的是采用异步时延-多普勒方法消除定时漂移的影响的结果，可以看出，异44/79步时延-多普勒方法能够很好地抑制定时漂移的影响。另外，基于异步-时延多普勒的处理结果，很容易能够根据获取的无弥散的时延-多普勒谱，消除载波频率偏差的影响。表 3-2 汇总了上述各种感知非理想因素消除方法能够抑制的感知非理性因素。各种方法的优点和局限性参见前文描述。表3-2各种感知非理想因素消除方法适用的感知非理想因素定时偏差定时漂移载波频率偏差随机相位天线域对消-时延域对消（依赖 LOS 径）角度域对消（依赖 LOS 径）往返测量-异步时延-多普勒-3.3.3 双基地杂波消除方案双

94、基地杂波消除方案杂波是雷达领域中的术语，指的是接收机收到的与目标无关的回波信号。杂波回波是随机性的，而且具有热噪声的特性，因为不同杂波物体产生的回波具有随机的幅度和相位。很多情况下，杂波功率要比接收机热噪声功率大得多。因此，在复杂环境中，感知系统对目标的检测能力更取决于信号杂波比，而非信噪比。也就是说，杂波消除对于保证感知性能至关重要。在雷达领域，动目标显示（Moving Target Indication，MTI）、动目标检测（Moving TargetDetection，MTD）是常用的杂波消除方法。MTI 技术是一种通过利用目标运动产生的多普勒频移来抑制静止杂波，从而突出移动目标的方法3

95、0。MTI 技术通常使用滤波器来抑制静止目标的回波信号，从而提高雷达系统对移动目标的探测性能。在雷达系统中，杂波频谱一般集中在零频附近，对于脉冲体制雷达，杂波频谱一般集中在零频附近以及雷达脉冲重复频率附近，MTI 的基本原理是利用目标的运动特性，将目标产生的回波信号与地面杂波进行区分，即将杂波功率集中的频带进行抑制。在 MTI 雷达中，通常采用脉冲多普勒处理技术，通过对连续多个脉冲回波信号进行处理，从而实现对静止杂波的抑制，或者将慢速运动目标和快速运动目标区分开来。MTD 技术是一种用于检测雷达回波中移动目标的技术31，它通常结合了 MTI 技术，通过对雷达回波信号进行处理，利用多普勒滤波器组

96、来抑制各种杂波，来提高雷达在杂波背景下检测运动目标的能力，从而实现杂波消除和目标检测。此外，在机载雷达中广泛应用的空时自适应处理（Space-Time Adaptive Processing，STAP）45/79技术是一种利用雷达接收阵列的空间和时间信息来抑制杂波的方法，其通过空域和时域 2维联合自适应滤波的方式，实现了机载雷达对强杂波与干扰的有效抑制32。STAP 技术的方法包括空间滤波器设计、时域自适应处理、方位角多普勒联合处理等。STAP 技术在现代雷达系统中得到广泛应用，尤其是在对抗复杂电磁环境和抑制干扰信号方面具有重要意义。对于双基地感知模式，如果收发设备均为静止状态，则在进行非理想

97、因素消除后，采用经典的 MTI 技术等直接对静态杂波进行消除即可有效检测到动态目标。若收发设备存在运动，则导致环境中非感知目标反射信号携带多普勒信息，杂波特性更加复杂，接收端杂波消除变得更加困难。例如对于 UE 参与的双基地感知模式，假设 UE 存在 3km/h 的移动速度，感知目标运动速度为 20km/h。此时环境中各种反射体的回波信号受到 UE 运动的影响均携带上了多普勒信息，且由于环境中静态反射体的回波功率通常远大于动目标的回波功率，因此动目标信息很容易被杂波掩盖导致无法检测。如图 3-27 所示，时延-多普勒谱中以收发设备之间的 LOS 信号以及其他静态目标回波为主的信号功率远高于感知

98、目标回波功率，并且感知目标所在的多普勒区间也是由杂波功率占主要部分，此时难以检测出感知目标。图3-27杂波消除前的时延-多普勒域检测结果若目标运动速度与 UE 运动速度存在一定差异，可以通过空域、多普勒域联合处理的方式，减小由于 UE 运动导致的动态杂波干扰，优化实际动目标检测的性能。一方面，通过空域滤波的方式聚焦在待感知的区域，减少来自其他区域的杂波干扰。另一方面考虑到 UE 运动速度较低，因此由于 UE 运动导致的动态杂波功率集中在多普勒频率较低的区间，可以在多普勒通过滤波进行抑制。考虑到静态目标回波功率较高的问题，为了避免其多普勒域旁瓣信号对感知目标回波信号的影响，通过加窗处理的方式进一

99、步抑制其旁瓣功率。经过空域、46/79多普勒域联合处理的方式，能够抑制杂波影响，提高目标检测概率。图3-28杂波消除后的时延-多普勒域检测结果3.4 波束管理和预编码波束管理和预编码3.4.1 双基地感知波束管理双基地感知波束管理波束管理在大规模 MIMO 通信中扮演着关键的角色，通过大规模天线阵列和波束赋形技术，能够将发射和接收信号能量集中到某一方向，进而提高通信质量和覆盖范围。在通感一体化系统中，波束管理技术同样至关重要，有助于提高通信速率和感知性能。感知波束训练与感知目标的检测、跟踪等感知业务紧密关联，需要根据感知业务的需求设计合理的波束选择与切换方法，因此具体流程和反馈的信息与通信波束

100、训练存在差异。主要的不同之处在于，在通信波束管理中，通常采用 L1-RSRP/SINR 等作为波束管理的测量量。然而在感知业务中，波束对的 L1-RSRP/SINR 最大只能保证感知接收端收到的感知信号能量最大，但无法判断该感知信号是否对准或经过感知目标。例如图 3-29 中，理论上波束对 2-B具有最高的 RSRP，但是想更准确的对感知目标进行感知，采用波束对 1-A 将带来感知性能增益。因此，为了支持感知波束的选择，需要设计新的波束训练流程以及相应的感知测量配置，以及新的感知波束管理测量结果，该测量结果与感知目标具有较强的关联性，即该测量量需要准确地反映出感知信号是否经过感知目标的反散射，

101、例如可以是感知 SNR、感知目标关联信号分量功率信息（感知目标关联径的功率信息）等。47/79图3-29通信最优波束与感知最优波束的差异下面以下行双基地感知（即基站作为感知发射机且终端作为感知接收机的双基地感知模式）为例对感知波束管理过程进行说明。终端可以通过如下过程确定最优感知波束对。Step 1：环境目标初识别：环境目标初识别如图 3-30 所示，在终端初始连接时，基站使用较宽的 M 个波束分别发送 M 个感知参考信号，终端使用较宽的 N 个波束分别接收上述感知参考信号。终端基于 MN 个波束对中一对或多对波束的测量结果，根据多普勒-时延域谱，对环境中的目标进行初始识别。通常情况下环境目标

102、为静止状态，即多普勒对应为 0。图3-30环境目标初识别Step 2：感知波束粗扫描感知波束粗扫描如图 3-31 所示，基站使用较宽的 M 个波束分别发送 M 个感知参考信号，终端使用较宽的 N 个波束分别接收上述感知参考信号。终端基于 MN 个波束对中一对或多对波束的测量结果，生成多普勒-时延域谱。终端基于新的多普勒-时延域谱和初始环境判断是否有感知目标出现，如果多普勒-时延域谱中新出现能量大于预设阈值的峰则判断为有新的感知目标出现，反之则判断为无新的感知目标出现。终端可将能量最高的多个感知参考信号 ID 上报给基站。图3-31感知波束粗扫描Step 3：感知发送波束精炼：感知发送波束精炼如

103、图 3-32 所示，基站根据终端上报信息确定最优的发送宽波束，并在宽波束的包络内48/79通过 M1 个窄波束分别发送 M1 个感知参考信号，终端使用对应的宽波束进行接收。终端根据每个接收信号分别计算获取多普勒-时延域谱，并将感知目标对应的峰的能量最高的 K1个感知参考信号 ID 报给基站。图3-32感知发送波束细搜索Step 4：感知接收波束精炼感知接收波束精炼如图 3-33 所示，基站根据终端上报信息确定最优的发送窄波束，并使用该波束重复发送 N1 个相同的感知参考信号，终端在最优宽波束内使用 N1 个窄波束进行接收。终端根据每个接收信号分别计算获取多普勒-时延域谱，并根据多普勒-时延域谱

104、中感知目标对应的峰的能量确定最优的接收窄波束，此时即完成了对感知目标的窄波束对确定。图3-33感知接收波束细搜索对于感知而言，由于感知回波信号往往很弱，感知发送端一般采用重复发送的方式实现能量累积，提升感知接收信噪比。因此，感知信号持续时间较长。以感知接收端为终端为例，当发送基站同时调度感知终端和通信终端时，通过空分复用，可以有效提升资源利用率，提升通感系统整体性能。为实现通感空分复用，通信终端和感知终端需进行联合预编码，使用相同的模拟波束。从 CSI 报告角度看，只有当不同终端的 CSI report 所对应的 CSI-RS 资源指示（CSI-RS Resource Indicator，CR

105、I）相同时，基站才能将相应的终端进行联合预编码，以 MU-MIMO 的方式进行多用户传输。当通信终端测量到感知波束的通信质量较差时，其所选择的最优波束（集合）很有可能与感知波束不一致，进而无法实现通感空分复用。一种可能的方式是当感知波束通信质量也能基本满足通信性能需求时，终端也需要上报感知波束对应的 CSI，以实现有限资源下通感性能的最佳折中。例如，向通信终端指示感知波束对应的 CRI，当该 CRI 的波束质量与最优波束的波束质量，或最优波束集合的平均质量的差值在可容忍范围内时，允许其上报该 CRI 对应的 CSI，则基站可以根据感知终端和通49/79信终端针对相同 CRI 上报的信道状态信息

106、进行联合预编码，从而实现两类终端的空分复用。图3-34通感联合波束复用另一种方式是设计通信和感知联合的波束训练流程，可以通过设计通信感知联合波束扫描和测量过程以及感知和通信联合测量使用的信号配置，并定义新增的通感联合测量量、波束选择指标以及规则，以此来获取合适的模拟波束，获得通信和感知性能之间的折中。感知系统中需要对环境中的区域或目标进行实时感知时，需要通过更加灵活的波束配置，能够快速扫描特定区域或跟踪特定（多个）目标。对于双基地感知场景，还需要相对稳定的、指向收发设备 LOS 方向的参考波束用于时频同步。为了达到理想的感知性能，感知测量过程中，收发波束需要指向感知目标或区域，或者说，在感知测

107、量过程中，收发波束需要覆盖感知目标或覆盖感知区域，如图 3-35 给出了在双基地感知场景下，感知目标或区域以及相应的收发波束对的示意图，其中红色的波束为能够覆盖感知区域或者目标的收发波束。感知测量过程中可能需要持续地波束扫描或动态切换，以覆盖特定区域或跟踪动态目标，传统的波束指示和波束扫描方法开销较大。为了降低开销，可以一次性为所配置的感知信号指示关联的发送波束，接收设备使用的接收波束，以及波束扫描或切换的预设规则，这样就无需实时指示波束切换，能够节约指示信令开销。同时，也可以根据感知业务特征，动态指示感知信号关联的波束扫描或切换方法，能够更加灵活地在测量过程中进行实时波束调整，进而实现按需配

108、置，节省资源。最后，还可以通过配置不同的感知信号进行波束指示，即在感知测量配置信息中为不同感知信号关联到不同波束，通过对多个感知信号的时域资源分配实现能够满足感知业务需求的波束扫描过程。50/79图3-35双基地感知场景示意图：（上）感知波束覆盖特定区域，（下）感知波束覆盖特定目标随着毫米波以及大规模 MIMO 技术的持续发展，数字模拟混合架构的大规模 MIMO 正成为发展趋势。这种数模混合架构大幅度减少了降低了射频链路数目的需求，节约了实现成本。若通感一体化系统的天线阵列采用数模混合架构，对于任意一个子阵列，可以使用模拟域波束赋形形成指向性波束，利用数量可观的天线阵元，实现模拟波束的精细调控

109、；对于多个子阵列，由于它们连接了多个数字通道，可以在数字域应用基于虚拟阵列的多天线感知，实现更高精度的角度估计。这种情况下多个子阵列间的发送信号可以在时域、频域，甚至波束域上实现正交。图3-36多天线通感一体化波束管理示意图在上述波束赋形与虚拟阵列结合的多天线技术中，模拟域波束赋形实现了感知信干噪比的提升，通过控制各个子阵列上的移相器，使感知信号集中在感兴趣的感知区域或感知目标上。同时，利用多个子阵列构造虚拟阵列，实现了对感知区域或感知目标的精细感知。正如前面所述，对于波束赋形，可以借鉴现有 NR 系统里面的波束管理过程。一方面，可以基于51/79感知测量量测量值或者感知性能评价指标的测量值（

110、例如，感知信噪比 SNR 等），确定最佳感知波束。另一方面，可以根据通信测量量的测量值（例如 RSRP 等），对通信波束进行灵活配置。以基站与终端之间收发通感一体化信号为例，图 3-36 展示了上述多天线通感一体化技术的示意图。在这个场景中，终端发送通感一体化信号，基站接收，对环境中的车位置进行感知，同时终端和基站进行通信。基站配备多数字通道，每个数字通道又与一个天线子阵列连接。系统可以通过两个独立的波束扫描过程，分别获得通信测量量和感知测量量的测量值，从而分别确定通信波束和感知波束；也可以通过一个波束扫描过程，同时获得通信测量量和感知测量量的测量值，确定出通信波束、感知波束，以及可以同时用于

111、通信和感知的波束。图 3-36 中，感知波束指向了感知目标，而通信波束则指向了通信的发射端或接收端。3.4.2 双基地感知数字预编码方案双基地感知数字预编码方案根据 MIMO 雷达理论，为了获得较高的感知分辨力，雷达发射机各发射天线端口的信号需要彼此正交33，以便于雷达接收机能够准确分离出各发射天线端口信号，从而获得最大的探测孔径。雷达的孔径越大，空间分辨力越好。通感一体化系统可以通过时分复用（TimeDivision Multiplexing，TDM）、频分复用（Frequency Division Multiplexing，FDM）、多普勒频分复用（Doppler Division Mul

112、tiplexing，DDM）的方式，分别在时域、频域、多普勒域实现各发射天线端口信号彼此正交。此外，也可以通过数字预编码的方式，在各发射天线端口信号占用相同时频资源的情况下，在感知接收机侧消除各发射天线端口信号间的互干扰。另一方面，感知数字预编码也可以起到类似模拟波束赋形的效果，对各发射天线天线端口信号进行数字预编码后，也能够形成感知波束，使感知信号的能量汇聚在感知目标或感知区域，提升感知目标反射信号能量，进而提升感知功能。综上所述，感知数字预编码技术既能保证足够的等效阵列孔径，实现高精度空间分辨功能，还可以灵活地对某个特定区域或者目标的信号进行能量聚焦，实现提升感知信噪比功能。此外，通过灵活

113、设计预编码矩阵，还能实现上述两个功能的平衡。在通信领域，空时编码（Space Time Coding，STC）能够获得分集增益，提高传输的可靠性。目前，已有一些针对 MIMO 雷达的空时编码研究。通过空时编码，能够实现对 MIMO雷达各发射天线端口发射信号互相关性的抑制，即消除在雷达接收机侧各发射天线端口信号的互干扰累积3435。根据感知接收机信号处理方式的不同，感知发射机所可采用的不同的空时编码方案。若感知接收机在时域采用匹配滤波的方式，接收机侧对接收信号与发送信号做时域滑动相关运算，可以得到包含目标信息的数据矩阵（信道矩阵）。相应地，可以设52/79计空时编码矩阵以及相应的译码矩阵，使得接

114、收机侧在进行脉冲压缩并经过 K（K发射天线端口数）次信号累加后，各发射通道的信号的互相关成份相互抵消；若感知接收机在与感知发射机实现同步后，在频域将接收信号与发送信号做点除操作，可以得到频域信道矩阵，作为后续信号处理（例如，2D-FFT）的数据矩阵。相应地，可以在空域和时域联合设计一种预编码，使得在接收机侧各发射天线端口信号的多普勒谱在真实目标多普勒位置的串扰为零35，从而实现 MIMO 感知。针对如何实现发射天线端口信号分离，除了使用上述空时编码，还可以使用基于多普勒域或者时延域正交的感知预编码36。其中，基于多普勒域正交的感知预编码，本质上可以看作是沿着时间维对感知信号进行了相位编码，对各

115、发射天线端口信号引入不同的相位旋转，即将各发射天线端口信号在多普勒域上进行了搬移，保证接收机可以在多普勒域上对它们进行分离；基于时延域正交的感知预编码则可以看作是沿着频率维对感知信号进行了相位编码，对各发射天线端口信号引入不同的时延偏移，使得接收机可以在时延域上对它们进行分离；需要注意，上述基于多普勒域或时延域正交的预编码，会导致 MIMO 系统的最大无模糊测速范围或最大无模糊测距范围缩小，但可以使用一系列解模糊方法来完美解决。上述感知预编码方案虽然由于能够充分利用阵列孔径获得最优的空间分辨率，但是由于各发射天线端口信号正交而无法形成指向性波束，导致大部分感知信号能量没有集中在感知目标或感知区

116、域上，造成感知范围受限和能量浪费。借助更加灵活的感知数字预编码设计，我们能够以适当缩小等效阵列孔径为代价，形成覆盖感知目标或感知区域的指向性波束，实现感知空间分辨率和感知信噪比的平衡，从而提高感知性能。假设需要感知的角度区域为，感知预编码的设计目标可以为：形成 K 个数字预编码用于传输 K 个正交信号，使得在给定角度区域内的能量均匀，且给定角度区域外的能量最小化。即最大化 2 2 2?其中，=?，为发射阵列的导向矢量，是第 k 个预编码。那么，则(=1,)的最优解为 A 的 K 个最大特征值对应的特征向量37，即=1,2,其中 =1为矩阵 A 的 K 个最大特征值对应的特征向量。当基站同时进行

117、感知业务和通信业务时，预编码的设计需要同时兼顾通信的性能。此时，就需要在保证通信速率需求的情况，最大化感知性能指标38（例如感知信噪比，感知克拉53/79美劳界或者与理想波束图的相似性等）。但是通信预编码和感知预编码的需求可能不同，通信预编码要求稳定地对准用户方向以确保可靠数据传输，感知预编码需要动态地进行扫描以覆盖特定区域或跟踪动态目标。考虑到通信预编码与感知预编码的诸多不同，设计单一的预编码向量同时服务通信和感知挑战较大，可以考虑使用多波束优化的设计方法39，例如，预编码可以表示为=+1 ，其中和分别表示用于通信的预编码和用于感知的预编码，是功率分配因子，用于调整两个预编码向量之间的相位。

118、通过优化和，可以在保证感知信噪比的情况下最大化通信性能，或者在保证通信性能的情况下最大化感知信噪比。另一方面，尽管通过合理的感知预编码矩阵设计来使得波束聚焦一定的角度范围内进而提高感知性能，但是感知预编码矩阵的设计需要基站对感知的角度范围有先验信息。虽然基站可以通过历史的感知信息来获取先验信息，但该信息可能不够精确，例如范围过大，不利于波束能量的聚焦。终端可以测量并上报合适的感知预编码给基站，帮助基站确定最后的感知预编码矩阵。与现有的以通信性能最优为指标的预编码反馈方法和流程相比，上述反馈流程需要以感知性能最优来选择预编码。具体到上报量方面，上报的预编码可以是多个 DFT波束的线性组合，也可以

119、是某些角度范围进而可以确定矩阵 A，同时还可以上报某些预定义的正交矩阵调整波束方向。与此同时，终端还可以上报对应的感知性能指标，辅助基站根据业务需求确定最后的预编码。进一步，终端还可以识别环境中与感知目标关联的 LOS 径和NLOS 径，并将这些径对应的预编码信息进行上报，辅助基站确定预编码向量来充分利用环境中的多径信号进而提高感知性能。54/794 仿真评估和样机验证仿真评估和样机验证4.1 仿真评估方法仿真评估方法4.1.1 双基地感知信道建模双基地感知信道建模双基地感知模式和现有通信系统较为相似，因此双基地感知信道模型可在现有通信信道模型基础上进行演进。对于双基地感知信道模型，需要重点考

120、虑感知目标 RCS 建模，感知信道建模，环境信道建模等问题。感知目标感知目标 RCS 建模建模在双基地感知中，感知目标通常可以建模为单散射点或多散射点，对于感知目标的任意一个散射点，其线性域 RCS 可建模为 RCS=A*B1*B2，其中 A 可以是根据不同感知目标类型确定的固定值，并且用于任意出入射角度；B1 可以建模为函数或者表格等且每条径有不同的 B1，B2 可以建模为对数正态分布其均值为 1 方差为 V，并且不同的径对应不同的 B2。感知信道模型感知信道模型在双基地感知信道模型中，考虑将感知发射机，感知目标，以及感知接收机链路建模为感知发射机-感知目标链路的信道与感知目标-感知接收机链

121、路的信道的级联信道。大尺度建模在双基地级联的感知信道模型中，感知发射机-感知目标链路和感知目标-感知接收机链路的 LOS 和 NLOS 属性根据各条链路所对应的场景中的判决方法确定。例如可以根据TR38.901，TR38.808 和 TR38.858 中的 LOS 和 NLOS 判决方法得到 UMa，UMi，Indoor Office,Indoor Room 以及 Indoor Factory 场景中各条链路的 LOS 和 NLOS 属性；根据 TR37.885 中的 LOS 和 NLOS 判决方法可以得到 Urban grid 和 Highway 场景中各条链路的 LOS 和 NLOS属性；

122、根据 TR36.777 中的 LOS 和 NLOS 判决方法可以得到 UAV 场景中各条链路的 LOS和 NLOS 属性。继而根据 LOS 和 NLOS 属性可以进一步得到两条链路的路径损耗。小尺度建模对于感知发射机-感知目标链路中和感知目标-感知接收机链路中均为 LOS 径的级联径可称之为直接径，其他径均可称为间接径。对于级联信道的多径建模，将感知发射机-感知目标链路中的 LOS 径与感知目标-感知接收机链路中的 LOS 径进行匹配，将感知发射机-感知目标链路中的LOS径与感知目标-感知接收机链路中的NLOS簇中所有NLOS径进行匹配，55/79将感知发射机-感知目标链路中的NLOS簇中所有

123、NLOS径与感知目标-感知接收机链路中的LOS 径进行匹配，对于感知发射机-感知目标链路中的 NLOS 径和感知目标-感知接收机链路中 NLOS 径，可以考虑如下两个方案。方案 1：将感知发射机-感知目标链路中的所有 NLOS 径与感知目标-感知接收机链路中的所有 NLOS 径进行完全映射级联并获取间接径。方案 2：将感知发射机-感知目标链路中的所有 NLOS 径与感知目标-感知接收机链路中的所有 NLOS 径进行一对一映射级联并获取间接径，进而降低感知信道的复杂度。根据上述方案及两段链路中各链路的多径的时延、功率、角度参数可确定级联径的时延、功率、角度参数，并基于收发端天线图样，交叉极化矩阵

124、、以及由阵元间相对位置和多普勒等导致的相位差，完成感知信道建模。环境信道模型环境信道模型在双基地环境信道模型中，其特点与现有通信信道较为相似，因此可以复用现有 3GPPTR 中的信道模型进行环境信道建模，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确定感知信道和环境信道后，可通过叠加的方式获取通感信道矩阵，即=1,?+其中表示感知目标数量。通过叠加的方式获取通感信道的方法适用于比较空旷的环境信道，例如 UAV 场景中，整体环境较为空旷，感知目标的加入不会对原有的环境信道特性产生过大的影响。除此之外，在确定感知信道和环境信道

125、后，通感信道的获取还可以通过感知信道多径替代环境信道中某一些多径的方式来产生。这种方式适用于环境物体较多的场景，例如 UMa或者 Indoor 场景，感知目标的加入会改变原有环境信道的散射特性。此外，通感信道模型中还可以考虑微多普勒，空间一致性等模型。其中，微多普勒的模型有利于感知目标的局部性运动，例如无人机的机翼旋转，人体的摆臂运动等。空间一致性的模型有利于解决两段级联信道之间相关性建模问题，也有利于解决多目标信道之间的相关性问题。56/794.1.2 双基地感知仿真评估方法双基地感知仿真评估方法感知性能评估与通信性能在评估方法上存在差异，需要结合具体感知应用场景引入感知相关的性能评估指标。

126、本节重点介绍双基地感知仿真评估指标与评估流程，仿真评估流程示例如图 4-1 所示，具体步骤包括：1.仿真参数设置：包括场景参数，天线配置参数、感知目标参数、信号参数等。2.场景建模，包括生成网络拓扑，初始化各个小区参数，撒放 UE 并初始化 UE 参数（可选，用于 TRP-UE 双基地感知）。3.初始化信道，撒放感知目标，根据目标撒放情况生成不同收发链路的信道。4.根据资源配置和调度生成各个收发链路的感知信号。5.根据目标运动情况更新各个收发链路的信道，信号过信道（卷积）。6.接收信号，并通过 LS 信道估计获得原始信道信息，根据信道信息进行参数估计，得到感知信息，包括目标是否存在及个数、目标

127、距离（时延）、速度（多普勒）、角度、位置坐标等。7.判断是否达到仿真次数或仿真调度时长：a)若未达到仿真次数或仿真调度时长，存储当前感知信息，并跳转至步骤 3；b)若达到仿真次数或仿真调度时长，进入下一步骤。8.输出结果/性能评估指标：达到仿真次数后，统计存储的感知信息，并根据计算得到的感知信息和真实感知信息计算性能评估指标。图4-1双基地感知仿真评估流程57/79下面对仿真评估流程最后输出的评估指标进行具体说明。双基地感知中距离、速度、角度等测量量的定义和计算方法与单基地感知存在差异，因此相关的仿真评估指标也需要明确，不同感知模式下与目标参数估计结果关联的评估指标定义和评估方法包括：距离精度

128、：表示目标物体的距离估计结果与其真实距离的接近程度。对于单基地感知，目标物体的距离可以是指目标物体与信号接收设备之间的距离；对于双基地感知，目标物体的距离可以是指目标物体与信号接收或发送设备之间的距离，或者目标物体与信号接收设备以及发送设备之间的距离和，或者目标物体与信号接收设备以及发送设备之间的距离和减去收发设备间的距离，或者目标物体与信号接收设备以及发送设备之间的距离和在双基地角平分线上的投影。-系统仿真指标评估方法：距离精度是根据多次独立试验估计的距离误差=?的累积分布函数（Cumulative Distribution Function，CDF）的第 x 个百分位点。-链路仿真指标评估

129、方法：距离精度是根据多次独立试验估计的距离均方根误差?=1=1?2?。其中，?为第次试验中第个目标的距离估计值，为第次试验中第个目标的真实距离。表示试验次数，表示每次试验中的目标个数，对于单目标仿真场景，=1。速度精度：描述了目标物体的速度测量结果与其真实速度的接近程度。对于单基地感知，目标物体的速度可以是指目标物体运动速度在目标与信号接收设备连线上的投影；对于双基地感知，目标物体的速度可以是指目标物体运动速度在双基地角平分线上的投影，或者目标物体运动速度在目标与信号接收设备连线上的投影以及目标物体运动速度在目标与信号发送设备连线上的投影之和。除此之外，还可以是指目标物体旋转速度、动作重复速率

130、（例如呼吸/心跳速率）等。-系统仿真指标评估方法：速度精度是根据多次独立试验估计的速度误差=?的 CDF 的第 x 个百分位点。-链路仿真指标评估方法：速度精度是根据多次独立试验估计的速度均方根误差?=1=1?2?。58/79其中，?为第次试验中第个目标的速度估计值，为第次试验中第个目标的真实速度。表示试验次数，表示每次试验中的目标个数，对于单目标仿真场景，=1。角度精度：描述了目标物体的角度测量结果与其真实角度的接近程度，包括方位角精度和俯仰角精度。对于单基地感知，目标物体的角度可以是指目标物体相对于信号接收设备的到达角度；对于双基地感知，目标物体的角度可以是指目标物体相对于信号接收设备的到

131、达角度，或者目标物体相对于信号发送设备的离开角度。-系统仿真指标评估方法：角度精度是根据多次独立试验估计的角度误差=?的 CDF 的第 x 个百分位点。-链路仿真指标评估方法：角度精度是根据多次独立试验估计的角度均方根误差?=1=1?2?。其中，?为第次试验中第个目标的角度估计值，为第次试验中第个目标的真实角度。表示试验次数，表示每次试验中的目标个数，对于单目标仿真场景，=1。定位精度：描述了目标物体的位置测量结果与其真实位置的接近程度。其中，目标物体的位置坐标可以由其距离和角度中的至少一项进一步计算得到。-系统仿真指标评估方法：定位精度是根据多次独立试验估计的位置坐标误差=?2+?2+?2的

132、 CDF 的第 x 个百分位点。-链路仿真指标评估方法：定位精度是根据多次独立试验估计的位置坐标均方根误差?=1=1?2+?2+?2?。其中，?,?,?为第次试验中第个目标的位置坐标估计值，,为第次试验中第个目标的真实位置坐标。表示试验次数，表示每次试验中的目标个数，对于单目标仿真场景，=1。对于定位精度指标，由于目标位置坐标可以通过目标距离和角度中的一项或两项计算得到，因此可考虑通过评估距离精度和角度精度替代评估定位精度。对于一些通感物理层技术方案性能对比评估，可以考虑直接评估基本测量量的参数估计性能，包括时延精度、多普勒精度和角度精度。59/79目标检测或识别性能指标：检测/识别精度：检测

133、/识别精度包括检测概率或识别概率，检测概率用于二元检测场景，表示存在目标时，判为有目标，判断正确的概率；识别概率用于多元检测场景，表示目标处于特定状态或属于特定类别，正确检测到目标状态或类别的概率。-系统/链路仿真指标评估方法：检测/识别精度是根据多次独立试验计算的检测/识别概率的平均值，即正确检测或识别的目标总数=01?与实际目标总数=01?的比值，即=01?=01?。表示试验次数，表示第次试验中的实际目标个数，表示第次试验中的正确检测到的目标个数对于漏检概率，可以通过检测概率直接计算得到，无需再单独评估。虚警概率：虚警概率表示检测到非目标物体或环境特征的虚假感知结果的概率。-系统/链路仿真

134、指标评估方法：虚警概率是检测到的虚假目标总数=01?与检测到的目标总数=01?的比值，即=01?=01?。表示试验次数，表示第次试验中检测到的目标个数，表示第次试验中检测到的虚假目标个数。4.2 样机验证样机验证4.2.1 基站间协作目标定位基站间协作目标定位本节重点介绍毫米波协作通感原型样机设计、关键参数及试验验证结果。该原型样机基于高速率、大带宽的通用化基带平台和多通道毫米波收发前端，实现高效的基站间协作感知。在感知资源占用不超过 10%的情况下，该样机能够达到亚米级感知精度，为通感一体技术的应用奠定了重要基础。样机主要由基带平台（中央处理板、射频前端板）和毫米波 AAU 组成。中央处理板

135、支持资源密集型信号处理，具有 100Gbps 的高速数据流处理能力。射频前端板负责多路信号的接收与发射，其中接收通道完成信号采样和模数转换，发射通道将数字信号转换为射频模拟信号并输出至毫米波 AAU 前端。AAU 采用数模混合架构，支持百兆级带宽，为感知与通信任务提供强大的硬件支持。在信号设计方面，样机采用通感性能最佳折中的 OFDM 一体化波形，通过资源分配算法实现了通信与感知性能的平衡。该原型样机完成了基于参考径的高精度同步方案测试。测试系统包括一台通感发射机、一台感知接收机、一台通信接收机，以及一个待感知的小球目标，试验场景如图 4-2 所示。在实验场景中，利用参考径空口同步校准方案，有

136、效消除了多节点协作感知中收发节点的时60/79间同步误差。感知结果显示，通过比较真实目标位置与估计位置，感知精度达到亚米级。此外，测试还验证了单用户通信性能，样机与通信终端间的数据传输平均吞吐率超过 600Mbps，展现了优异的通信能力。图4-2样机测试场景示意图实验结果表明，该样机通过参考径空口同步校准方案，能够有效支持高精度感知和高性能通信，验证了通感一体化技术在实际应用中的可行性。4.2.2 双基地感知呼吸监测双基地感知呼吸监测(a)单人呼吸监测：通过对接收到的无线信号分析获取信道状态信息，进而能够得到人体呼吸等特征信息，无线感知的方式具有无接触、低成本的优点。人体呼吸对信道的影响如图

137、4-3 所示。假设收发设备之间存在 LOS 径以及其他静态反射路径 Hs，呼吸带来的胸腔往复运动对应信道中的动态反射路径 Hd。由于运动路径较短，其幅度变化可以忽略不计，主要体现为相位变化。设备接收到的信号为各个路径信号的叠加，基于接收信号进行信道估计得到的 CSI 受到动态反射路径 Hd 相位变化的影响，其幅度和相位均随着呼吸运动周期性变化。图4-3呼吸监测原理示意图实际环境中，感知非理想因素会对基于 CSI 幅度或相位的呼吸监测性能产生影响。由于连接至同一频率源的不同接收天线上的感知非理想因素基本一致，可天线域对消方法（共61/79轭乘或 CSI 商）消除感知非理想因素。呼吸带来的信号运动

138、路径长度变化导致动态反射径的相位在一定范围内往复变化，而人体相对于收发设备位置、收发天线的选择以及子载波的选择均会对动态反射径相位变化范围产生影响。不同的相位变化范围对共轭乘或 CSI 商的复数结果的幅度或相位影响不同，从而影响了呼吸监测的效果。为了提升呼吸监测的稳定性，可以根据呼吸检测的感知 SNR，即与人体呼吸关联的信号反射径的功率与噪声功率之比，对不同天线、不同子载波的共轭乘或 CSI 商的处理结果进行筛选与合并。考虑到呼吸运动对于共轭乘或 CSI 商的复数结果的幅度和相位影响存在差异，也即对复数结果的实部和虚部数据的影响存在差异，且一般实部数据和虚部数据具有互补特性，例如当实部数据检测

139、性能好时，虚部数据检测性能可能差，反之亦然。因此可以利用投影的方式进行实部和虚部数据合并得到最终的时域检测数据40。以 CSI 商结果为例，将其表示为=+，其中a和b分别表示实部和虚部，将其投影到向量,，得到+，其中的取值可以根据对应的感知 SNR 进行搜索。最后将时域检测数据变换到频率域计算得到呼吸频率，或者直接基于峰值识别等时域检测算法得到呼吸频率。基于 5G NR 系统实现的呼吸监测原型样机如图 4-4 所示。其中心频点为 3.6 GHz，带宽为 100 MHz。采用基站发送、终端接收的感知方式。天线配置为 1 根发射天线和 4 根接收天线。利用 CSI-RS（Channel State

140、 Information-Reference Signal）信号作为感知信号，其中CSI-RS 发送周期为 20 ms，频域密度为 1。由于是复用 5G NR 系统下行参考信号进行感知，感知信号不增加额外的资源开销，因此对通信速率无影响，可以正常进行上下行的通信业务。图4-4基于5G NR系统实现的呼吸监测原型样机如图 4-5 所示，呼吸检测的数据处理流程如下：基于接收到的 CSI-RS 进行最小二乘信道估计得到原始信道信息，进行抑噪处理与并计算 CSI 商结果；剔除异常值，实际硬件系统中 CSI 商结果通常含有幅度异常的值，需要通过滤波等方法剔除，这里采用 Hampel 滤波，即采用滑动窗口

141、的方式，基于中值和中位数绝对偏差62/79尺度估计进行异常值检测与替换；带通滤波、平滑滤波。根据人体呼吸频率的范围对数据进行带通滤波，以及进行平滑滤波。平滑滤波采用 Savitzky-Golay 滤波。基于不同天线、不同子载波的预处理后 CSI 商数据计算投影后的实部和虚部的合并数据，并计算对应的感知 SNR，选择出最优天线、子载波以及投影数据作为时域检测数据，进而计算得到呼吸频率。图4-5呼吸检测信号处理流程被测对象在 1m、2m、3m、4m、5m 的距离上分别进行测试，呼吸频率的误差 RMSE约为 0.8 次/分钟。(b)多人呼吸检测基于双基地通感一体化系统的非接触式呼吸检测技术是一种创新

142、性解决方案，通过无线信号实现多目标的实时、高精度呼吸监测，突破了传统检测方法在分辨率、精度和场景适应性上的限制，开创性地提出了超分辨率的多人呼吸检测方法，平均误差仅为 0.2 次/分钟，性能媲美专业医疗仪器，同时无需目标佩戴任何设备即可在数米范围内完成精准监测。这一技术的核心在于利用双基地架构、信号处理优化和智能算法融合，为智慧医疗、健康监护等领域提供了非接触、实时、高精度的解决方案。基于 26 GHz 中心频率和 450 MHz 带宽的系统配置，双基地通感一体化系统利用微多普勒效应实现了呼吸特征的检测。目标的胸腔运动会引起无线信号传播路径的动态相位变化，这些变化通过信道状态信息（CSI）可以

143、被精确捕捉并提取为呼吸特征信号。发射端发送参考信号，接收端通过多天线阵列捕获信号的反射路径，并从中提取与目标呼吸相关的动态变化。与传统基于接触式设备的检测方法不同，该系统依托无线信号的反射特性，可在非接触63/79场景下实现对目标呼吸频率的监测，同时保持高精度和高实时性。在信号处理方面，该技术通过多步骤优化实现了超分辨率的呼吸频率检测。首先，系统采用最小二乘法对接收的反射信号进行信道估计，获取动态信道信息。为了消除静态背景反射和噪声对检测的干扰，系统引入了 CSI 商方法，通过共轭乘和天线域数据融合消除静态路径的影响，并提升与呼吸相关的动态信号的信噪比（SNR）。其次，为进一步优化呼吸信号的提

144、取，系统引入了信号投影技术，将复数信号投影到最优方向以强化对动态相位变化的响应，从而实现对微小信号变化的高灵敏捕捉。最为关键的技术突破在于超分辨率算法的引入。传统 FFT 方法因分辨率限制，难以在多目标环境中实现对彼此接近目标的信号分离。而该系统采用高分辨率谱估计算法，能够在频域上精确定位呼吸频率，不仅突破了传统方法的分辨率瓶颈，还可以在间距不足 30 厘米的多目标场景中实现呼吸信号的分离。结合天线阵列的空间分辨能力和波束成形技术，系统实现了复杂场景下对多个目标的独立监测，进一步提高了多目标检测的准确性和可靠性。实验在室内复杂多径环境下进行，分别针对单目标和多目标场景对系统性能进行了全面验证。

145、实验结果显示，系统在单目标检测中，呼吸频率的均方根误差（RMSE）低至 0.1 次/分钟，展现了媲美专业医疗设备的检测精度。在多目标检测中，系统通过超分辨率算法和天线阵列的分离能力，有效区分了多个目标的呼吸信号，平均误差为 0.2 次/分钟，显著优于传统 FFT 方法的 0.8 次/分钟。此外，实验表明系统在检测延迟上的表现同样出色，能够在100 毫秒以内完成信号处理和呼吸频率提取，确保了实时性需求。图4-6双基地通感下双人呼吸检测场景及结果4.2.3 双基地多节点协作轨迹追踪双基地多节点协作轨迹追踪图 4-7 展示了双基地多节点协作轨迹追踪通感一体化样机原理。基站发射感知信号，经过人体反射后

146、，被用户终端（UE）接收。终端基于多重信号分类（Multiple Signal Classification，64/79MUSIC）或者其他高精度参数估计算法得到对应于人体反射的径的多普勒频率。终端获取的多普勒频率，反映的是基站-行人-终端反射路径长度的变化速度。在获取多普勒频谱的过程中，需要抑制感知非理想因素的影响。在该样机中，同样采用天线域对消（CSI 商方法）进行感知非理想因素消除。如果存在多个 UE 接收感知信号，则能够通过多个 UE 获取的多普勒频率构造出行人的运动速度矢量。假设相邻两次测量相对行人运动来说的时间足够短（例如 5-10 ms），这期间行人可以近似看做匀速直线运动，因此

147、能够根据得到的运动速度矢量下一个时刻的行人位置。这样，对于时间维度上的连续 N 次测量，在给定某个初始位置下，就得到了感知目标的运动轨迹坐标。图4-7双基地多节点协作轨迹追踪通感一体化样机原理示意图双基地多节点协作轨迹追踪通感一体化样机，采用通用软件无线电外设（UniversalSoftware Radio Peripheral，USRP）设备，模拟基站发送感知信号（DMRS 信号），发送天线端口数为 1，信号载频为 4 GHz，带宽为 400 MHz。同时，采用另 1 个 8 端口 USRP 设备，模拟 4 个接收终端（每个终端接收天线数为 2）。在实际测试中，4 个接收端连续获取下行CSI

148、，并发送到一台计算机上。计算机用于执行后续信号处理，获得感知结果。计算机基于4 个终端发送的、在时域上连续的多个 CSI 样本，估计出由于行人运动导致的动态反射径的多普勒频率，并进一步估计出行人运动轨迹。图 4-8(a)展示了整体系统框图，图 4-8(b)为样机的实物图片。65/79图4-8双基地多节点协作轨迹追踪通感一体化样机：(a)系统框图(b)实物照片图 4-9(a)-图 4-9(c)展示了基于三组实测 CSI 商数据得到的多普勒 MUSIC 伪谱，其中横轴为时间，纵轴为多普勒频率。从图中我们可以清晰地看到，消除静态杂波后，在大多数时刻存在 1 个谱峰，在40 Hz 范围内随着时间变化而

149、变化，这是由于人体走动不匀速以及人体与反射径的夹角存在变化两个因素共同导致的。基站、UE 和行人的相对位置会影响获得的多普勒谱，在任一时刻，只要有 2 个或 2 个以上的 UE 获得较可靠的多普勒估计结果，就能够完成行人的轨迹追踪。图 4-9(d)-图 4-9(f)展示了行人不同移动轨迹的测试结果，其中红色曲线为行人真实走动轨迹，蓝色曲线为估计轨迹。Tx 表示基站的发射机位置，Rx 表示 UE 的位置。在这组测试中，行人尝试行走了三种轨迹，可以看到，三种情况下估计轨迹均可以与实际轨迹较好地吻合。图4-9实测多普勒频率-时间谱和轨迹跟踪结果66/794.2.4 双基地感知无源目标定位双基地感知无

150、源目标定位双基地感知无源目标定位样机的硬件配置如图 4-10(a)和图 4-10(b)所示，复用PDSCH-DMRS 作为感知信号。信号中心频率为 4 GHz、带宽为 400MHz，感知信号采用单通道发送、8 通道阵列天线接收，以对感知目标进行测角。为了尽可能准确地获得感知目标的运动参数的真值，在样机测试中采用金属导体球作为感知目标，并将金属导体球安装于电动滑轨之上。金属导体球沿着滑轨做往复运动。样机测试的实物展示如图 4-10(b)所示。另外，为了对双基地感知样机的性能进行对照，这里采用完美时频同步的感知测试作为对照基线。如图 4-10(c)所示，在基线测试中，收发天线的位置以及感知目标的运

151、动方式，均与双基地感知样机测试中的相同。在基线测试中，由于感知信号的收发端属于同一个USRP，因此能够实现完美的时频同步，不受定时偏差、定时漂移、载波频率偏差和随机相位等感知非理想因素的影响。图4-10双基地感知无源目标定位样机对于双基地感知样机，直接按照传统雷达信号处理的方式进行 2D-DFT 处理，得到的时延谱和时延-多普勒谱如图 4-11 所示。可以看出，时延-多普勒谱发生了严重的弥散，使得感知目标无法被正确检测出来。造成时延-多普勒谱弥散的原因主要是前面分析中的定时漂移，包括由定时漂移引起的时延谱移位和相位漂移。图4-11不做ADD处理得到的时延谱和时延-多普勒谱67/79为了抑制感知

152、非理想因素的影响，采用异步时延-多普勒方法消除定时漂移和载波频率偏差的影响，并且采用 LOS 径消除定时偏差的影响。需要指出的是，在该样机系统中未观察到随机相位，如果有随机相位，异步时延-多普勒方法也能够消除随机相位的影响。图 4-12(a)和图 4-12(b)分别是感知非理想因素消除后的时延谱和时延-多普勒谱，非常接近于完美时频同步的单基地感知的时延谱和时延-多普勒谱。进一步地，消除静态杂波后的时延-多普勒谱如图 4-12(c)所示，从中能够清晰地观察到运动感知目标。消除静态杂波的方法是，将图4-12(b)所示的时延-多普勒谱中的零多普勒一列置零，即可实现雷达技术中基于动目标显示的杂波消除方

153、法。图4-12感知非理想因素消除后的时延谱和时延-多普勒谱采用异步时延-多普勒方法结合 LOS 方法获得正确的时延-多普勒谱之后，采用传统雷达技术中的信号检测与参数估计方法，获得感知目标对应的径的时延、多普勒和角度等信息，进而基于时延和角度信息解算出感知目标的位置坐标。图 4-13 展示了两个场景下对无源感知目标定位的测试结果，采用完美同步的情况作为对照。两个场景下通过双基地感知得到的感知目标位置坐标的 RMSE 都在厘米量级，非常接近于完美同步的情况。图4-13测试结果68/794.2.5 基于基于 LOS 与与 NLOS 同步同步校准校准的双基地试验的双基地试验双基地 ISAC 系统在现代

154、智能应用中的潜力巨大，而其关键性能指标受同步精度的显著影响。为探讨优化路径，针对视距（LOS）和非视距（NLOS）场景提出了专门的同步校准方案。系统配置 26 GHz 中心频率和 450 MHz 带宽，通过实验验证，这些方案有效提升了定位精度和感知性能，使系统能够适应复杂的城市环境。LOS 场景中的同步校准：当 LOS 路径可用时，充分利用视距信号传播的稳定性，通过沿 LOS 路径对准，达到最佳的同步精度。这种方法能够显著降低时间误差，将同步精度提升至小于 0.4 ns。实验结果表明，在 LOS 条件下，感知定位误差被控制在 8 cm 之内，接近厘米级精度。这种高精度的同步能力，极大地增强了系

155、统在自动驾驶、智慧交通等需要精准感知的场景中的适用性。图4-14 LOS场景下双基地同步校准NLOS 场景中的同步校准：在没有 LOS 路径的情况下，引入了基于参考目标的同步校准方法。通过选择具有固定位置的参考对象（如建筑物、标志物等），系统可以通过间接路径的传播特性进行同步校准，从而补偿时间误差。在这种方法的支持下，NLOS 场景中的感知定位误差也能被有效降低至 8 cm 之内。这种鲁棒的校准能力使系统能够在多径干扰和视距受阻的复杂环境中依然保持较好的感知性能。图4-15 NLOS场景下同步校准参照物选取69/79实验数据表明，与传统的 GPS 基带同步方法相比，所提出的基于空口的 LOS

156、和 NLOS同步校准方案展现了显著的优势：同步精度：空口同步误差小于 0.7 ns，远优于 GPS 基带同步的 30 ns。感知定位精度：空口同步在 LOS 和 NLOS 场景下均实现厘米级定位精度，而 GPS基带同步的定位误差仍为米级（约 550 cm）。通信性能：在两种同步方案下，通信速率保持在 1.6 Gbps 的稳定水平，表明同步精度的提升不会对通信性能造成负面影响。实验表明，通过 LOS 路径对准和 NLOS 参考目标校准的结合，双基地 ISAC 系统能够适应城市环境中存在的同步挑战和视距障碍问题。这种灵活的同步调整策略有效提升了系统的定位精度和感知性能，使其能够满足智慧城市、无人驾

157、驶、工业物联网等复杂场景中的需求。在实际应用中，LOS 路径可用时，系统利用视距信号实现最佳同步；在 NLOS 场景中，通过参考目标的智能校准确保同步误差的最小化。这种灵活适应性使得系统在动态变化的环境中保持了高效的运行能力。为进一步验证系统性能，基于 LOS 和 NLOS 场景的同步校准方案，生成了 CDF 曲线。结果显示，空口同步在两种场景中的误差分布显著优于传统方案，尤其在高精度范围（厘米级误差）内占优。如图 4-16 和图 4-17 所示，CDF 曲线直观地证明了同步校准方案在提升定位性能和环境适应性方面的有效性。图4-16LOS 场景双基地 ISAC 系统同步误差 CDF 曲线70/

158、79图4-17 NLOS场景双基地ISAC系统同步误差CDF曲线4.2.6 双基地动作检测双基地动作检测动作检测是双基地 ISAC 系统的重要应用场景，能够通过对动态目标的无线信号反射进行精确分析，实现多目标、多动作的实时检测与识别。其核心原理基于无线信号的微多普勒效应，即目标动作会引起无线信号传播路径的动态变化，从而在频率上产生微小的偏移。通过捕捉这些频率特征，系统能够精准地提取目标动作信息，如站起、坐下、行走、挥手等。系统以 26 GHz 中心频率和 450 MHz 带宽的配置为基础，通过 USRP 硬件平台实现高精度感知与实时信号处理；发射端发送感知信号（如 CSI-RS 信号），信号经

159、过目标反射后被接收端接收。目标的动态行为会通过反射路径引入独特的多普勒特征，系统利用这些特征进行动作检测。接收端采用多天线阵列，通过高分辨率信号处理方法（如 MUSIC 算法或快速傅里叶变换 FFT）提取目标的多普勒频谱。静态杂波和背景反射径通常表现为稳定的频率成分，而动态目标则会产生随时间变化的动态频率特征，系统通过动目标显示（MTI）技术和CSI 商方法有效消除了静态杂波干扰，进一步突出了动态目标的动作特性。为确保系统在复杂环境下的高性能，样机配备了空口同步技术，保证发射端和接收端之间的时间对齐精度优于 0.7 纳秒，感知定位精度达厘米级。这种高精度同步能够有效应对多径干扰和环境复杂度的挑

160、战，使得系统在 LOS 和 NLOS 场景中均表现出优异的稳定性和可靠性。实验测试中，系统在室内多径反射环境下完成了多目标动作检测的验证。测试包括站起、坐下、行走和挥手等典型动作，动态目标数量为 1 至 3 人。通过提取多普勒谱并结合机器学习模型对动作进行分类，系统实现了 93%的检测精度，检测延迟低于 100 毫秒。不同动作的识别率也表现出高度一致性，其中站起和坐下的检测准确率达 95%，行走和挥手等复杂动作的准确率超过 90%。71/79图4-18双基地通感下双人动作检测场景及结果双基地 ISAC 系统动作检测通过结合微多普勒效应、同步校准技术和智能分类算法，实现了实时、多目标的高精度动作

161、检测能力。在智慧医疗、家庭监护、公共安全等领域，该系统展现了巨大的应用潜力。未来，通过进一步优化天线配置、信号处理算法和数据分析模型，系统将在更大规模、多目标动态检测的应用场景中展现更强的性能优势。72/795 总结与展望总结与展望综合比较双基地感知和单基地感知技术，我们可以看到，双基地感知技术在性能和功能上具有显著优势，特别适合需要高精度、大范围覆盖的应用场景。它能够提供更全面的环境感知，更精确的目标定位和跟踪，以及更强的抗干扰能力。这使得双基地感知技术在未来的6G 网络中占据重要地位，尤其是在智慧城市、自动驾驶、工业物联网等领域有广阔的应用前景。然而，我们也不能忽视双基地感知技术面临的挑战

162、，如系统复杂度增加、成本上升、对网络基础设施要求高等问题，这些因素可能会在某些应用场景中限制其推广。相比之下，单基地感知技术凭借其简单性、低成本和易部署的特点，在一些特定场景中仍然具有优势，例如在资源有限或需要快速部署的情况下。因此，在实际应用中，选择使用双基地感知还是单基地感知技术，需要根据具体的应用需求、环境条件和资源限制等因素综合考虑。在某些情况下，结合两种技术的混合解决方案可能是最优选择，既能发挥双基地感知的高性能优势，又能利用单基地感知的灵活性和成本效益。随着 6G 技术的不断发展，我们可以预见，双基地感知技术将在通信和感知融合的大趋势下扮演越来越重要的角色。未来的研究重点可能会集中

163、在如何进一步提高系统效率、降低复杂度和成本，以及如何更好地与现有网络基础设施融合。同时，针对不同应用场景的优化和定制化解决方案也将成为重要的研究方向。73/79参考文参考文献献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）推进.5G-Advanced 通感融合无线空口技术方案研究报告R.2024.8丁鹭飞，雷达原理，电子工业出版社，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.通感一体化技术白皮书R.2023.12丁圣利,李健之,姜大洁,等.面向通感一体化的非均匀感知信号设计J.移动通信,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,陈 保 龙,等.通 感 一 体 化 中 的 感 知 非 理 想 因 素 及 其 消 除 方 法 J.移 动 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缩略语缩略语英文缩写英文缩写英文全称英文全称中文中文2D-FFTTwo-Dimensional Fast Fourier Transformation二维快速傅里叶变换3GPP3rd Generation Partnership Project第三代合作伙伴计划5GThe fifth generation m

182、obile communication systems第五代移动通信系统6GThe sixth generation mobile communicationsystems第六代移动通信系统AAUActive Antenna Unit有源天线单元AIArtificial Intelligence人工智能AMFAccess and Mobility Management Function接入与移动性管理功能BMBeam Management波束管理BSBase Station基站CACCCross Antenna Cross-Correlation天线间共轭乘CASRCross Antenna

183、Signal Ratio天线间信号商CDFCumulative Distribution Function累积分布函数CFOCarrier Frequency Offset载波频率偏差CNCore Network核心网CPCyclic Prefix循环前缀CPICoherent Processing Interval相干处理间隔CSIChannel State Information信道状态信息CSI-RSChannel State Information Reference Signal信道状态信息参考信号CRICSI-RS Resource IndicatorCSI-RS 资源指示DMRS

184、Demodulation Reference Signal解调参考信号DDMDoppler Division Multiplexing多普勒频分复用DFTDiscrete Fourier Transform离散傅里叶变换DRBData Radio Bearer数据无线承载ESPRITEstimating Signal Parameter via RotationalInvariance Techniques旋转不变子空间方法77/79GPSGlobal Positioning System全球定位系统GTP-UGPRS Tunneling Protocol for the User Plane

185、GPRS 用户面隧道协议IDFTInverse Discrete Fourier Transform离散逆傅里叶变换IFFTInverse Fast Fourier Transform快速傅里叶逆变换IPInternet Protocol网络协议ISACIntegrated Sensing and Communication通信感知一体化LMFLocation Management Function定位管理功能LFMLinear Frequency Modulation线性调频信号LOSLine-of-Sight视距LSLeast-Square最小二乘MAC CEMediumAccess Co

186、ntrol-Control Element媒体接入控制单元MIMOMultiple Input Multiple Output多输入多输出MTIMoving Target Indicator动目标显示MTDMoving Target Detect动目标检测MUSICMultiple Signal Classification多重信号分类器NLOSNon-Line-of-Sight非视距OFDMOrthogonal Frequency Division Multiplexing正交频分复用OMPOrthogonal Matching Pursuit正交匹配追踪OCCOrthogonal Cove

187、ring Codes正交覆盖码OTFSOrthogonal Time Frequency Space正交时频空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调参考信号PRSPositioning Reference Signal定位参考信号PTRSPhase-tracking Reference Signal相位追踪参考信号QPSKQuadrature Phase Shift Keying四相移位键控RAN

188、Radio Access Network无线接入网REResource Element资源单元RIPRestricted Isometry Property有限等距条件78/79RRMRadio Resource Management无线资源管理RRCRadio Resource Control无线资源控制RCSRadar Cross Section雷达截面积RSRPReference Signal Receiving Power参考信号接收功率RSRQReference Signal Received Quality参考信号接收质量SC-FDESingle Carrier Frequency

189、 Domain Equalization单载波频域均衡SDTSmall Data Transmission小数据传输SINRSignal to Interference plus Noise Ratio信干噪比SNRSignal to Noise Ratio信噪比SRBSignaling Radio Bearer无线信令承载SCTPStream Control Transmission Protocol流控制传输协议SFSensing function感知网络功能STAPSpace-Time Adaptive Processing空时自适应处理TRSTracking Reference Sig

190、nal追踪参考信号UmiUrban Micro城市微蜂窝UEUser Equipment用户设备UDPUser Datagram Protocol用户数据报协议UCIUplink Control Information上行控制信息USRPUniversal Software Radio Peripheral通用软件无线电外设UAVUnmanned Aerial Vehicle无人航空载具79/79白皮书贡献人员白皮书贡献人员单位名称单位名称贡献人员贡献人员维沃移动通信有限公司姚健、李健之、丁圣利、袁一凌、袁雁南、刘是枭、姜大洁中国移动通信集团研究院桂鑫、程执天、韩林丛、马良、沈嵩辉、孙志雯、息荣艳中信科移动通信技术股份有限公司索士强、龚秋莎、张向东、耿毅中兴通讯股份有限公司韩志强、蒋创新、夏树强北京小米移动软件有限公司张振宇、段高明、李成钢上海诺基亚贝尔股份有限公司高飞、徐朝军、王文建、刘建国、周艳妮联发博动科技（北京）有限公司曲文泽、邵宣博、李浩然、雷敏、陈滔