RIS辅助通感一体化：波束成形和反射相移的联合设计.pdf

第48 卷总第52 3期RIS辅助通感一体化：波束成形和反射相移的联合设计*陶启慧，栗欣，刘蓓，许希斌？（1.重庆邮电大学通信与信息工程学院，重庆40 0 0 6 5；2.清华大学电子系，北京10 0 0 8 4；3.清华大学北京信息科学与技术国家研究中心，北京10 0 0 8 4）移动通信【摘要】ISAC允许通信和雷达共享频谱资源，被视为解决未来无线网络频谱拥塞的一项有前途的技术。当信道退化严重时，仅依靠基站侧天线获得的性能增益十分有限，RIS因其能够创建有利的传播环境已成为一项革命性技术，借助RIS可为ISAC系统创建额外的链路以提高系统性能。基于此，提出RIS辅助ISAC，通过联合设计基站的有源波束成形和RIS的反射相移，以最大化加权和速率与探测功率，并提出了基于加权均方最小误差和分数规划的交替算法来解决这一问题。仿真结果证明在ISAC中部署RIS并合理优化其相移可以有效提升通信和感知的性能。【关键词】通信感知一体化；可重构智能表面；波束成形设计；反射相移设计doi:10.3969/j.issn.1006-1010.20240118-0001中图分类号：TN911.7文献标志码：A文章编号：10 0 6-10 10(2 0 2 4)0 3-0 0 6 1-0 5引用格式：陶启慧,粟欣,刘蓓,等.RIS辅助通感一体化：波束成形和反射相移的联合设计.移动通信,2 0 2 4,48(3):6 1-6 5.TAO Qihui,SU Xin,LIU Bei,et al.RIS-assisted Integrated Sensing and Communication:Joint Design of Beamforming and Reflection PhaseShifJ.Mobile Communications,2024,48(3):61-65.(1.School of Communications and Information Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China;AbstractKeywords0引言随着万物互联应用需求的不断增加，频谱已成为稀缺资源。通感一体化（ISAC,IntegratedSensingand收稿日期：2 0 2 4-0 1-18*基金项目：国家重点研发计划项目“6 G网络智能化技术研究”（2 0 2 0 YFB1806702)OSID:RIS-assisted Integrated Sensing and Communication:Joint Design of Beamforming and Reflection Phase Shift2.Department of Electronics,Tsinghua University,Beijing 100084,China;3.Beijing National Research Center for Information Science and Technology,Bejing 100084,China)Integrated sensing and communication(ISAC)is recognized as a promising solution to alleviate spectrum congestion infuture wireless networks by enabling the sharing of spectral resources between communication and radar systems.However,the performance gains obtained solely from base station antennas are limited under severe channel conditions.Reconfigurableintelligent surfaces(RIS),capable of creating favorable propagation environments,have emerged as a disruptive technique.The introduction of RIS in ISAC systems provides additional links,thereby enhancing overall system performance,Thispaper proposes a joint design of active beamforming at the base station and reflection phase shifts at the RIS to maximizethe weighted sum rate and radar detection power in the RIS-assisted ISAC system,An alternating optimization algorithmbased on weighted mean square error and fractional programming is further developed to address this optimization problem.Simulation results confirm that deploying RIS in ISAC systems and optimizing its phase shits can effectively improve theperformance of both communication and sensing functionalities.integrated sensing and communication(ISAC);reconfigurable intlligent surface(RIS);beamforming design;reflection phase shift design扫描二维码与作者交流TAO Qihui,SU Xin,LIU Bei,XU Xibin?Communication）作为下一代无线网络的一项有前景的技术，有望革命性地改变网络范式。ISAC允许通信和雷达系统共享平台，利用共享的资源同时实现通信和感知功能，从而极大地提高频谱能量和硬件效率!。目前，学术界和工业界都在致力于研究实现ISAC的双功能发射波形，以获得更高的集成和协调增益2 。多输人多输出（MIMO，M u l t i p l e I n p u t M u l t i p l e612024年3月第3期第48 卷“6G通感算融合”专题总第52 3期RISOutput）系统的发射波束成形设计通过利用空间自由度（D o F,D e g r e e s o f Fr e e d o m）显著提高了通信和感知性能。然而，在面临信道退化严重的情况时，有源波束成形设计只能提供有限的性能改善。在复杂的电磁环境中，可重构智能表面（RIS,Reconfigurable Intelligent Surface)技术因其能够智能地创建有利的传播环境，实现令人满意的性能，成为一种提高额外自由度的革命性方法3。RIS通常是一个由许多无源、低成本反射元件组成的二维超表面。通过独立调谐元件的反射系数，RIS可以有效地创建额外的非视距（NLoS，No n Li n e o f Si g h t）链路，以提高系统性能。鉴于这些优点，研究人员开始研究在ISAC中部署RIS 的可行性4-6 。在相关文献中，文献4在通信服务质量（QoS，Q u a l i t y o f Se r v i c e）的要求和功率约束下最大化感知的信号干扰加噪声比（SINR，Si g n a lto-InterferenceplusNoiseRatio）。文献5 联合设计了发射波束和反射系数，旨在最大限度地减少多用户干扰（M U I，M u lt i U s e r I n t e r f e r e n c e），以满足功率约束和雷达感知波束图相似性要求，并提升通信服务质量。文献6也研究了类似的场景，其中基站在RIS的辅助下检测单个目标，并同时为多个用户提供服务。需要注意的是，文献6 主要关注基站与目标之间的直接链路被阻塞的特殊场景。然而，以上这些工作并没有考虑在ISAC系统中平衡通信性能和感知性能。实际上，在ISAC系统中感知性能和通信性能之间相互制约。因此，为了满足不同应用需求，需要正确地设计感知和通信之间的权衡关系，确保实现最佳的综合性能。在未来的研究中，这个问题需要更多的关注。在ISAC系统中，通信和感知性能往往需要权衡设计。与上文提到的QoS和MUI不同，加权和速率（WSR,Weighted Sum Rate）也是一个具有代表性的通信性能度量标准。对于雷达感知性能的度量，可以设计为最大化目标方向的探测功率7 。受上述讨论的启发，在ISAC中部署RIS并优化设计其反射相移系数可以有效提升系统的通信和感知性能。因此，本文研究了RIS辅助ISAC的联合波束成形和反射相移设计，贡献总结如下：（1）提出在ISAC中部署RIS以获得性能增益，多天线基站在RIS的辅助下向多个单天线用户传输数据，同时检测单个目标。BS的有源波束成形和RIS反射系数被同时优化，以最大化WSR和目标处的探测功率，并满足发射功率预算和反射元件模量属性约束。（2）提出采用交替优化（AO,AlternatingOptimization）算法解决由此产生的非凸优化问题。利用加权均方误差最小化（WMMSE,WeightedMinimumMeanSquare62移动通信2024年3月第3期Error）框架将有源波束成形设计重新表述为均方误差最小化问题。相较于随机优化算法，研究所提出的分数规划（FP,FractionalProgramming）方法可将RIS反射相移系数设计问题重新表述为一个无约束问题，有目的地设计其相移以获得更大的性能提升。（3）数值仿真结果证明了在RIS的辅助下，ISAC系统的性能得到了显著的改进，与随机优化算法的对比验证了所提出算法的有效性。1系统模型和问题建模考虑如图1的系统模型，配备M根发射/接收天线的BS在N个元件的RIS的辅助之下同时为K个单天线用户提供服务，并检测单个点状目标。特别地，RIS部署在靠近用户的位置，可以有效地辅助下行多用户通信。由于RIS部署距离探测目标较远，目标飞行高度较低，且与BS的视距链路较强，假设通过RIS 反射的雷达回波强度相对较弱，可以忽略不计5。TargetBSdkUserk图1系统模型BS 的发射信号表示为8 X=Ws.+W,s,=Ws其中，W。e CM K 和W,eCMM分别代表通信波束成形矩阵和感知波束成形矩阵。s。EC表示通信符号矢量，满足E(s.s)=Ik;s,eC表示感知符号矢量，且满足E(ss)=IMo假设它们在统计上彼此独立，即E(ss)=0。为简洁起见，将整体波束成形矩阵定义为WWW.J=CMx(k+M)，发射符号量定义为s,，-5,m。引人额外的探测信号，以通过利用更多的自由度来提高感知性能。那么，第k个用户处的接收信号可以表示如下：y,=(hlG+dl)x+n其中，h,eCN代表RIS与用户之间的信道，GeCNM代表BS与RIS之间的信道，d,ECM代表BS与用户之间的信道。会diag(p)表示RIS的反射系数矩阵，会di,。标量n表示用户k的加性高斯白噪声GkUserK(1)(2)第48 卷总第52 3期陶启慧，粟欣，刘蓓，等：RIS辅助通感一体化：波束成形和反射相移的联合设计（A W G N），n k CN(O,o）。则第k个用户的SINR为：Yk=K+M(3)j=l,j+k简洁起见，定义cl=hlQG+d为BS与用户k之间的级联信道，,是W的第j列，即W=.,.m。因此，定义所有用户加权和速率：R=uReKk=1其中是为用户k设置的权重，根据公平性和QoS要求确定。R=logz(1+)表示各用户的通信可实现速率。从雷达感知的角度看，为了追求更好的目标检测和估计性能，广泛采用的方法是最大化目标方向上的信号功率并最小化其他方向的信号功率7 。因此，可使用探测功率来评估感知性能。定义方向为0 的信号探测功率：d(e.)=a(0.)wwa(0.)(5)j2(M-1/gdsine,Tj2元dsin(0m)具体地，对于均匀线阵天线，a(e.)1,e元表示方向的导向矢量。其中，是天线间距，入表示信号波长。不失一般性，设置d=入/2。本文的目标是联合设计波束成形矩阵W和反射系数，在总发射功率和相移的约束下最大化加权和速率和目标方向探测功率。假设完美的信道状态（CSI,ChannelStateInformation）是已知的，优化问题表述如下：pZuRe+a(0.)Wwla(0.)KmaxW,IWl,P,S.t.e,=E13-s,m,今dek=0，可得到最小均方误差接收机，即：omkHmkMMSE(4)则MMSE接收机输出的MSE为：eMMSE=1-eK+MH-1至此，可以将原优化问题等价为加权MSE最小化和目标探测功率最大化问题，即：minp2a.e,-a(0.)wwha(0.)KWk=1S.t.IWl,P根据文献9 的研究，对于固定的，当o=（(e M M SE)，,e问题(11)与问题(6)有相同的解。然而，由于式(1la)的第二项中的二次项，上述新问题仍然是非凸的。根据文献10 中的变换方法，可以证明第二项等价于：-a(0.)wwa(0.)=2wi(MI-a(0.)a(.)w-MP其中Z(0m)为一个半正定矩阵。因此，忽略常数项后，问题(11)可以重写为：(6a)k=1(6b)(8)-2Re(m.c/w.)+1K+MH2+0k2Wj=1K=1minW(9)(10)+0k(11a)(11b)(12)(13a)k=1k=110,|1,Vn其中，P是正则化参数，使得WSR和目标探测功率均可以最大化，P表示基站可用的发射总功率。可以看出，问题(6)实际是一个多目标优化问题，但由于目标函数(6 a)中含有分数项、log()项和二次非凸项，问题(6)难以优化。因此，下一节中，提出了一种使用WMMSE框架和FP的方法9-10 1，将问题(6)转换为两个易于处理的子问题，并使用有效的算法交替迭代解决。2RIS辅助ISAC系统的联合波束成形设计2.1基于WMSE的有源波束成形设计基于文献8 中提出的WMMSE方法，可以证明式(6)中的加权和速率最大化问题可以转化为加权均方误差最小化问题。首先，将用户k处的接收信号重写为：K+M在用户k处使用接收机m估计的信号：s.=mkJk，j=l,j+kMSE定义为：(6c)(7)S.t.WIP固定，以上问题是一个凸优化问题，使用凸优化工具通过交替更新Wk和问题（13）即可求解。2.2基于FP的反射相移系数设计经WMMSE得到W后，固定W，优化?。问题(6)简化为：max(14a)k=1S.t.10,/1,Vn目标函数（14a)中，WSR的对数分式形式导致了问题(14)的非凸性。然而，可以证明应用基于拉格朗日对偶变换和二次变换来解决10-12 。首先，由文献9 中的拉格朗日对偶变换，通过引入辅助变量k，将目标函数（14a）等价为：(15)1+Kk=1k=1对于固定的，上述函数对有最佳解。然后，通过固定，式（15)中去掉了对数项，简化为仅分数项，但仍然阻碍直接求解。通过简化处理目标函数，将式（15）重新表述为：63(13b)(14b)k=1af-=0,最佳的=kok移动通信2024年3月第3期第48 卷“6G通感算融合”专题11总第52 3期Kk(1+k)Yk24+a)lewlg(0)=241+Ykk=1令A=diag(h)，式(16)表示为：K+M2(oA,G+dl)w,+0ik=1展开其中的括号，式（17)进一步简化如下：g(g)=+k=1其中,aju=A,Gwj,bix=dwjo进一步应用文献12 中提出的二次变换，将目标函数(18)转换，得到一个新函数h(,)，即：h(0,)=2(2/(+a.)Re(yi(oax+b.)k=1K至此，优化问题（14)等价为：max h(p,y)S.t.l,/1,Vn对于给定，式(2 0)是一个无约束的凸问题，令ah=0，得到y的最佳解：ayK+Mj1得到后，重写0 ax+bl=a,g+2Relb.a+带入h(J)，去掉常数项后，得到一个新的目标函数：h(o)=-pUp+2Re(ov)Kk=1至此，给定，优化问题(2 0)简化为：oUo-2Re(ov)minS.t.|0,/1,Vn,其中，可以证明矩阵U是半正定的。因此，式(2 3)是一个凸二次规划(QP,Quadratic Programming)问题，可采用CVX求解。3仿真结果分析3.1仿真参数设置本文研究一个RIS辅助的蜂窝网络，其中基站（BS）配备了M=16根天线的均匀线阵，RIS配备了N=20个元件的反射阵列，可辅助K=4个用户的下行通信。通信的总功率预算为P=20dBm，用户噪声功率为o=-117dBm，并假设感知的目标方向相对于BS为0，即0 m=0根据图1的系统模型，假设以BS为参考点，即BS的64移动通信2024年3月第3期坐标是(0 m,0m)，RI S的位置设置为(2 0 0 m，0 m)，用户(16)K+M(17)(18)K+M(19)Haj-1的位置以(2 0 0 m,30m)为中心，在半径为10 m的范围内随机生成。采用基于3GPP传播环境定义的典型距离相关路径损耗模型13，并假设BS-User的信道d遵循Rayleigh衰落，BS-RIS以及RIS-User的信道遵循Rician衰落，即：GBR&+1其中，LB和LRu为路径损耗，为Rician因子，GNLos和hALS为NLoS 分量。3.2结果分析首先，在图2 中展示了所提算法的收敛性能。从图中可以明显观察到，不论采用何种正则化参数，所提出的方案都能够在10 15次迭代的情况下达到收敛状态。此外，h+0元1GNLos+1&+18h.NLoS8+1还可以观察到正则化参数与WSR之间存在着明显的关系。随着正则化参数的增大，WSR也随之增加。这说明了正则(20a)化参数在调整模型性能和鲁棒性方面的重要作用。通过适(20b)当选择正则化参数，可以有效地平衡模型的复杂度和性能要求，以获得更好的结果。这一观察结果进一步加强了所提算法的可行性和有效性。4.5(21)43.532.5(22)K+Mj-1(24)(25)X27Y4.2906X27Y2.5245821.51(23a)0.5(23b)0其次，为了验证所提出的RIS辅助ISAC方案的有效性，将没有RIS辅助方案和仅采用雷达感知方案作为基准进行比较，并绘制了发射波束图以展示感知性能。在本文中，考虑了由LoS路径主导的Rician信道，并设置=1000。从图3可以明显观察到，在目标方向（0）上，尽管RIS辅助方案的目标探测功率低于仅采用雷达感知方案，但这恰好证明了ISAC中通信与感知之间性能的制约与平衡。相对于没有RIS辅助方案的情况，RIS辅助方案显示出显著的性能提升，目标方向上的探测功率约有4dBm的性能增益。与仅采p=10p=100510图2算法收敛性能15Steps202530第48 卷总第52 3期陶启慧，粟欣，刘蓓，等：RIS辅助通感一体化：波束成形和反射相移的联合设计用雷达方案相比，由于RIS辅助方案和无RIS辅助方案附加了通信功能，因此发射波束图的旁瓣具有更高的水平。这一观察结果表明，通过引人RIS辅助，虽然在目标探测功率方面会有一些牺牲，即相比仅雷达方案的目标探测功率低大约5.2dBm，但其相比于无RIS辅助方案，可在平衡通信和感知性能的同时获得感知性能提升。35302520151050-80本文还对RIS反射元件数量对通信和感知性能的影响进行了评估。根据图4的结果，可以观察到随着反射元件数量的增加，ISAC系统在可实现区域和WSR方面表现更好。具体而言，当RIS具有10 0 个反射元件时，相比于仅有2 0 个反射元件，系统性能可获得约0.58 bps/Hz的增益。然而，在探测功率方面，增加反射元件数量并没有带来额外的增益。这是因为目标探测功率的上限取决于基站的能力，而不受RIS辅助的影响。34323028262422200最后，由于优化问题(6)实际上是一个多目标优化问题，为了揭示感知与通信性能之间的制约与平衡关系，绘制了图5中的探测功率与WSR性能的权衡图。在该图中，将无RIS辅助方案和随机（Random）优化RIS辅助方案作为基准进行对比。从图5可以明显看出，随着WSR的增加，探测功率呈下降趋势。而RIS辅助方案在WSR方面表现出比基准方案更出色的性能，相较于无RIS方案，获得了约1.8 bps/Hz的增益，相较于随机优化RIS方案，获得了约1.5bps/Hz的增益。这一结果启示我们，RIS相移不仅需要进行优化，更需要有效合理的优化策略，以获得更优异的性能提升。-Radar-only-RIS-aided.withoutRIs11-60-40Azimuth Angle degree图3发射波束图-without RIS*_20elements-*-60 elements-100 elements12图4反射元件数的影响由图示结果还可得出，尽管RIS辅助方案可以提高WSR的上限，但是探测功率的上限始终保持在32 dBm左右，这也符合之前提到的观点，即探测功率的上限取决于基站的能力。这些结果揭示了RIS辅助ISAC中平衡感知与通信性能之间的重要性，为进一步理解RIS辅助ISAC技术的性能提供了重要的见解。3432+30-2003456WSR bps/Hz20407608980102826242220014结束语本文聚焦于RIS辅助ISAC的发射波束成形设计和RIS反射相移系数设计，旨在同时优化加权和速率以及目标方向的探测功率。研究提出了一种基于WMMSE框架和FP算法的解决方案来解决这个非凸问题，通过仿真数值结果的验证，在ISAC中引人RIS的辅助可以带来性能的增益，并在感知和通信之间进行平衡。未来，希望将这项工作扩展到更多实际场景中，例如研究RIS在同时辅助通信和目标探测方面的应用，以及考虑RIS对探测回波的反射噪声等因素。这些进一步的研究将推动RIS辅助ISAC技术的发展，并为未来通信系统的设计提供更多有益的见解。参考文献：1 Liu F,Masouros C,Petropulu A P,et al.Joint Radar and CommunicationDesign:Applications,State-of-the-Art,and the Road AheadJ.IEEETransactions on Communications,2020,68(6):3834-3862.（下转第7 4页）移动通信2024年3月第3期65+-without RIS-RIS-aided(WMMSE-Random)+-RIS-aided(WMMSE-FP)2345678WSR bps/Hz图5性能权衡图+1910第48 卷“6G通感算融合”专题1总第52 3期Communication-Assisted Orthogonal Time Frequency Space作者简介Transmission for Vehicular NetworksJ.IEEE Journal ofSelected Topics in Signal Processing,2021,15(6):1515-1528.24 Raviteja P,Phan K T,Hong Y.Embedded Pilot-Aided ChannelEstimation for OTFS in Delay-Doppler ChannelsJ.IEEETransactions on Vehicular Technology,2019,68(5):4906-4917.25 Yuan W,Wei Z,Li S,et al.Integrated Sensing andCommunication-Assisted Orthogonal Time Frequency SpaceTransmission for Vehicular NetworksJ.IEEE Journal ofSelected Topics in Signal Processing,2021,15(6):1515-1528.26 Raviteja P,Phan K T,Hong Y,et al.Interference Cancellationand Iterative Detection for Orthogonal Time Frequency SpaceModulationJJ.IEEE Transactions on Wireless Communications,2018,17(10):6501-6515.27 Gaudio L,Colavolpe G,Caire G.OTFS vs.OFDM in thePresence of Sparsity:A Fair ComparisonJ.IEEE Transactionson Wireless Communications,2022,21(6):4410-4423.28 Roy R,Paulraj A,Kailath T.ESPRIT-A subspace rotationapproach to estimation of parameters of cisoids in noiseJ.IEEE Transactions on Acoustics,Speech,and Signal Processing,1986,34(5):1340-1342.29 Zhao E,Zhang F,Zhang D,et al.Three-dimensional MultipleSignal Classification(3D-MUSIC)for Super-resolution FMCWRadar DetectionJ.2019 IEEE MTT-S International WirelessSymposium(IWS).Guangzhou,China:IEEE,2019:1-3.30 Provencher S.Estimation of Complex Single-Tone Parametersin the DFT DomainJ.IEEE Transactions on Signal Processing,2010,58(7):3879-3883.徐然：北京邮电大学在读硕士研究生，从事波形设计等研究工作。王兆祺：北京邮电大学在读博士研究生，从事抗干扰波形设计等研究工作。刘喜庆：现任北京邮电大学副教授、博士生导师，从事波形设计、多址接入技术等研究工作。（上接第6 5页）2 Zhang J A,Liu F,Masouros C,et al.An Overview of SignalProcessing Techniques for Joint Communication and RadarSensing.2021,15(6):1295-1315.3Wu Q,Zhang S,Zheng B,et al.Intelligent Reflecting Surface-Aided Wireless Communications:A Tutorialljj.IEEETransactions on Communications,2021,69(5):3313-335i.4Liu R,Li M,Liu Y,et al.Joint Transmit Waveform and PassiveBeamforming Design for RIS-Aided DFRC SystemsJ.EEEJournal of Selected Topics in Signal Processing,2022,16(5):995-1010.5 Wang X,Fei Z,Zheng Z,et al.Joint Waveform Design andPassive Beamforming for RIS-Assisted Dual-Functional Radar-Communication SystemJ.IEEE Transactions on VehicularTechnology,2021,70(5):5131-5136.6Li Y,Petropulu A.Dual-Function Radar-Communication SystemAided by Intelligent Reflecting SurfacesC/2022 IEEE 12thSensor Array and Multichannel Signal Processing Workshop(SAM).Trondheim,Norway:IEEE,2022:126-130.7Stoica P,Li J,Xie Y.On Probing Signal Design For MIMORadarJ.IEEE Transactions on Signal Processing,2007,55(8):4151-4161.8Liu X,Huang T,Shlezinger N,et al.Joint Transmit Beamformingfor Multiuser MIMO Communications and MIMO RadarJ.IEEE Transactions on Signal Processing,2020,68:3929-3944:9Christensen S S,Agarwal R,De E Carvalho,et al.Weightedsum-rate maximization using weighted MMSE for MiMO-BC beamforming designJ.IEEE Transactions on WirelessCommunications,2008,7(12):4792-4799.10Shen K,Yu W.Fractional Programming for CommunicationSystems-Part I:Power Control and BeamformingJ.IEEETransactions on Signal Processing,2018,66(10):2616-2630.1l Xu C,Clerckx B,Zhang J.Multi-Antenna Joint Radar andCommunications:Precoder Optimization and Weighted Sum-Ratevs Probing Power TradeoffJJ.IEEE Access,2020,8:173974-173982.12SShen K,Yu W.Fractional Programming for CommunicationSystemsPart II:Uplink Scheduling via MatchingJ.IEEETransactions on Signai Processing,2018,66(10):2631-2644.13Evolved Universal Terrestrial Radio Access(E-UTRA).Furtheradvancements for E-UTRA physical layer aspects(Release 9).2010.陶启慧：重庆邮电大学通信与信息工程学院作者简介在读硕士研究生，研究方向为可重构智能表面、通感一体化。栗欣：现任清华大学教授，主要研究方向包括6 G网络智能化、通感一体化、宽带无线接入、自组织网络、软件无线电、协作通信。刘蓓：硕士，清华大学北京信息科学与技术国家研究中心工程师，主要研究方向为6 G网络智能化、通感一体化、网络智能化、移动边缘计算、超密集网络等。许希斌：现任清华大学电子工程系教授，主要研究方向包括6 G网络智能化、通感一体化、宽带无线接入、自组织网络、软件无线电、协作通信。74移动通信2024年3月第3期