多站协同感知技术.pdf

主题聚焦：5G-A/6G技术及应用展望16多站协同感知技术摘要 6G时代，全频谱通信将成为一个特征，雷达频段与通信频段共存共用可能成为现实。通感一体化技术可以复用通信设备的硬件和频谱，对物理世界进行无线感知，已被ITU列为6G的六大场景技术之一。利用现有蜂窝网络中广泛部署基站的数量优势，多站协同感知是6G通感一体化的核心关键，可以为感知性能带来显著增益。针对通信网络的多站协同感知研究仍然处于初步阶段，缺乏协同场景定义和关键技术识别，文章提供多站协同感知的应用场景，并给出实现多站协同感知的关键技术，为多站协同感知的深入研究提供技术参考。关键词 通感一体化；协同感知；感知模式；数据融合王瑜新1,2,3 马一华1,2 王钟斌1,2 韩志强1,2 李松谦1,2 白 辰1,2 夏树强1,21 中兴通讯股份有限公司 深圳 5180572 移动网络和移动多媒体技术国家重点实验室 深圳 5180573 华南理工大学 广州 510641引言无线通信技术演进带来了频段提升、带宽增加和天线数增多，这些演进趋势使得无线感知成为可能。通感一体化技术可以复用通信设备的硬件和频谱，对物理世界进行无线感知，引起了工业界和学术界的广泛关注1。在标准化方面，ITU(InternationalTelecommunicationUnion，国际电信联盟)将通感一体化列为6G的六大场景之一2，而3GPP(the3rdGenerationPartnershipProject，第三代合作伙伴项目)也在R19(Release19，第19版本)完成了通感一体化信道建模研究的立项。广泛部署的通信基站不仅可以提供无所不在的感知服务，还可以进行协同感知来增强感知性能3-5。相比于单站感知，多站协同感知具有以下优势：由于目标的雷基金项目：国家重点研发计划基金资助项目(2021YFB2900200)达截面积在不同角度是不同的，可以通过空间分集提高对目标检测的成功概率，同时通过相干或非相干的方式融合提升信噪比以提升精度；多站协同感知还可以提供更连续的感知覆盖，实现无缝感知，并通过站间协同降低干扰和复用资源，提升频谱资源利用率；此外，多站感知得到的信息不同，可以用来观测扩展目标的不同面以恢复更完整的目标，还可以借助不同的多普勒频移来恢复真实速度和分离出低慢小目标。现有的多站协同感知相关研究分为信号级协同6-7和信息级协同8。信号级协同联合处理多站信号直接得到感知结果，可以通过相干6和非相干7处理来实现。前者性能好，但对于多站同步要求高；而后者性能相对较差，但可以降低对同步的要求。信息级融合是将每个站上报的感知结果进行融合，从而得到更加精确的结果。相比于信号级融合，信息级融合可以有效降低多站的前传开销，而其主要难点在于如何进行多站间的目标关联8。主题聚焦：5G-A/6G技术及应用展望171 多站协同感知应用场景2023年，ITU发布IMT.FRAMEWORKFOR2030andBeyond将通信感知一体化(IntegratedSensingAndCommunication，ISAC)作为6大潜在场景之一，正式进入6G标准化视野。ISAC将搭建起物理世界和虚拟世界的桥梁，推动社会走向虚拟和现实结合的“数字孪生”世界。感知的场景按照识别感知目标的特征不同，可以分为三类。1)检测、定位和跟踪类。主要是先判断目标有无，然后再对目标进行定位和跟踪。包括入侵检测(家庭、工厂、高速公路、铁路等重要场所)，低空UAV(UnmannedAerialVehicle，无人机)的检测、跟踪和避障，车辆检测、跟踪，智慧工厂中的AGV(AutomaticGuidedVehicle，自动导引车辆)导航、安全生产。2)运动检测。主要是检测物体的局部微小运行，包括人的运动检测、手势识别等。3)环境监测。主要是对环境进行监测，包括环境重构，洪水监测，降雨监测，污染监测，桥梁、隧道、矿区、大坝等的微小形变等。移动通信网络最大的优势就是广覆盖，利用广泛存在的基站和终端可以提供物理世界详细的感知信息。室外场景具有感知区域大、感知目标多、感知环境复杂等特点，比如UAV检测、跟踪和避障，桥梁检测，降雨监测等场景都需要多个感知设备(基站或终端)之间协作来完成感知操作；而室内场景由于穿墙等影响，需要多个感知设备(基站或终端)协作提供感知服务。通过多站感知协作可以为以下场景提供更好的感知性能。1)感知通常是利用LOS(LineOfSight，视距)径去进行估计。但是，由于无线信道受障碍物遮挡等原因，导致感知信号不能直接传播到感知目标，造成小区出现覆盖盲区，因此需要多个基站来联合克服感知障碍，如图1(a)所示。此外，对于低空无人机场景，由于基站还要满足地面通信需求，所以基站的天线基本都向下倾斜，那就造成单站的感知是存在盲区的，需要其他基站协作来补盲。2)噪声、干扰和实现误差直接影响感知信号的检测效果。通过多节点协同，可以削减噪声、干扰和实现误差对感知信号检测的影响，提升感知检测的准确性，如图1(b)。3)对于移动的感知目标，单个感知节点难以覆盖感知目标全部的活动范围。感知目标有可能需要从一个基站的覆盖范围移动到另一个基站的覆盖范围，如图1(c)所示。4)在三维环境构建中，一个基站仅能感知环境的局部信息。需要通过位于不同高度，不同角度的多个感知节点的信息汇聚，才能还原完整的三维环境，如图1(d)所示。感知目标基站1基站2基站3基站2基站1Moving感知目标基站2基站1感知目标基站 1基站2感知目标障碍（a）克服覆盖障碍（b）提高感知精度（c）提供连续感知（d）增强信息完整性图1 协作感知的应用场景2 关键技术2.1 感知模式选择多站协同感知模式是指多个基站之间共同参与感知信号和反射信号的收发，并将各路单独的感知测量结果融合成最终感知结果的模式。充分利用移动通信网络已部署的多个基站来构建通感一体化网络，可以形成大范围、全覆盖、分布式、高精度的协同感知系统。如图2主题聚焦：5G-A/6G技术及应用展望18所示，根据收发链路类型，多站协同感知的基本模式包括A发A收和A发B收。基于两种基本感知模式，具体实现方式包括：主动多站协同(仅存在多路A发A收模式)、被动多站协同(仅存在多路A发B收模式)、主被动多站协同(同时存在A发A收和A发B收两种模式)。两种基本感知模式如图2所示。感知信号1反射信号2反射信号1感知信号1反射信号1感知信号2反射信号2图2(a)A发A收模式图2(b)A发B收模式图2 多站协同感知模式示意图1)A发A收模式：如图2(a)，一个基站可同时用于发射感知信号和接收反射信号，即一条完整感知链路的收发任务可由某个基站独立承担。系统中的感知服务器对不同感知结果进行融合处理。2)A发B收模式：如图2(b)，一个基站仅用于发送感知信号或接收反射信号，即两个不同的基站协作承担一条完整链路的收发任务。系统中的感知服务器对不同感知结果进行融合处理。实际应用中，需综合考虑感知模式自身特点以及感知环境的影响，合理选择多站协同感知模式。一般需考虑以下几点因素。1)基站与感知目标间路径遮挡情况：A发A收模式仅需单站到感知目标是LOS径，较易获得；A发B收模式则需要感知目标到收发站均为LOS径，较难满足。2)自干扰问题：A发A收模式上下行信号间存在较明显的自干扰问题，需进行自干扰消除；A发B收模式无需考虑自干扰问题。3)功率过饱和问题：两种感知模式均存在功率过饱和问题。由于接收端功率放大器线性放大范围有限，若发射端信号功率过大或收发端距离过近，可能会导致接收端无法线性放大信号，产生功率过饱和以及失真问题。4)覆盖范围与盲区：两种感知模式均存在盲区。在A发A收模式中，基站通常由高处向下发射感知波束，其盲区存在于基站顶部；在A发B收模式中，每个基站覆盖范围有限，若收发基站距离较远，盲区可能存在于收发基站连线的中部。5)符号间干扰：A发A收和A发B收两种感知模式均存在符号间干扰。6)同步问题：A发A收模式节点间同步要求较低，仅需考虑数据融合的同步；A发B收模式对协同节点的同步要求较高，为保证精度，需要同时考虑测量过程的同步和数据融合的同步。7)配对问题：A发A收模式组网简单，而A发B收模式组网需要进行更为复杂的收发关系配对。2.2 节点同步协同感知要求系统具备高精度的同步能力，否则将会在一定程度上影响协同感知的性能。目前关于基站时间同步要求，3GPPNR(NewRadio，新空口)协议中规定的基站间同步大约为正负1.5us9，这种同步精度要求将无法满足未来高精度感知业务的需求，需要借助其他手段提升系统的同步能力，尽可能满足高精度感知业务的需求。在感知测量中，上述us级的时间误差对应电磁波传播距离约为300米，1ns对应的电磁波传播距离为0.3米。通过对比，可以发现us级的同步精度太差，无法直接用于感知业务，需要引入同步方式提升系统同步精度。目前常见的同步方式主要有三种。1)往返测量法：如图3所示，基站A发送通感信号被基站B接收，同时基站B也发送通感信号被基站A接收，假设基站A与基站B之间的时间误差为。对于基站A发基站B收链路对应的传播时延为：(1)主题聚焦：5G-A/6G技术及应用展望19其中，为基站A发基站B收链路的真实时延。对于基站B发基站A收链路对应的传播时延为：(2)其中，为基站B发基站A收链路的真实时延。图3 往返测量法同步示意图通过将上述传播时延相加即可消除同步误差，该同步方式具有方案简单，无需其他辅助设备的优点，同时由于基站之间相互发送通感信号，资源开销相对较大。往返测量法的同步精度取决于时钟稳定性、信号传输延迟的精确测量以及系统噪声。典型的GPS卫星双向测距同步精度可以达到纳秒级别，在理想条件下，地面无线通信系统的往返测距精度也可达到几十到几百纳秒。2)参考径法：如图4所示，假设基站A与基站B不仅存在反射径，而且存在参考径(如直视径)，基站A与基站B之间的时间误差为。感知目标节点A节点B参考径反射径图4 参考径法同步示意图反射径对应的传播时延为：(3)参考径对应的传播时延为：(4)反射径对应的真实时延可通过下式估计得到：(5)相比于往返测量法，该方法的优点是无需往返发送通感信号，缺点是需要已知直达参考径。参考径法其同步精度依赖于参考径参考源的时间精度，如GPS系统提供的公共实时时钟精度非常高，商用接收机一般能够达到几十纳秒甚至更低的同步精度。3)专用光纤双向授时法：如图5所示，假设基站A与基站B通过两根长度一样的光纤相连接，然后基站A与基站B同时互传信息进行比对，可获取基站A与基站B的时间差。由于光纤具有损耗小、带宽大以及抗电磁干扰等优点，使得专用光纤双向授时法具有较高的授时精度，能够达到皮秒级别。感知目标节点A节点B反射径专用光纤感知目标节点A节点B反射径专用光纤图5 专用光纤双向授时法示意图上述3种同步方法所能达到的同步精度如表1所示。表1 节点同步方法性能对比方法同步精度往返测量法数十至数百纳秒参考径法数十纳秒专用光纤双向授时法数皮秒2.3 资源分配为实现节点间资源的合理分配和干扰协调，协同感知需要根据感知和通信的优先级在节点间协同共享各种资源，例如频率资源、时间资源、空间资源以及功率资源等1。在资源分配方面，可以应用传统的复用技术，如时分复用、频分复用和空分复用等。时分复用技术可以根据业务需求在节点间分配不同的时间资源，其优点是感知和通信业务之间干扰低，感知和通信都可以占用整个带宽，缺点是感知信号在时域上需要规避通信系统的参考信号；频分复用技术可以主题聚焦：5G-A/6G技术及应用展望20根据业务需求在节点间分配不同的频率资源或者带宽资源，其优点是感知和通信分别拥有独立的频谱，相互不干扰，缺点是感知和通信占用系统的部分带宽，资源利用率不高；空分复用技术可以根据业务需求在节点间分配不同的空间资源，其优点是感知和通信可以占用整个带宽，缺点是通信信号易混入感知信号，对感知带来干扰，导致虚警与漏警。此外，在协同感知中，还面临感知节点选择的问题，通常情况下，感知目标周围分布有多个感知节点，如何合理的选择感知节点将会影响协同感知的性能，在协同感知网络中，应该根据感知业务需求动态地选取覆盖范围内的感知节点。另外，感知辅助通信是通感一体化技术中的重要业务之一，对时效性要求很高，在协同感知网络中，其不仅能够辅助资源分配，如根据感知结果调整波束赋形、波束切换以及波束管理等，而且也会影响节点间的资源分配，如根据感知结果进行感知节点的动态选择与切换、感知模式的选取等。总之，在协同感知网络中，需要根据感知业务的需求合理地分配和利用各种资源，避免感知节点之间的相互干扰，同时也能够有效提升网络的频率利用率、能量效率、时间效率以及信息协同处理效率等，降低系统整体开销。2.4 数据融合基站通过主动或被动式感知方式获取状态信息后，将感知数据进行交换与融合，从而增强感知性能。其中有两种融合方式，包括基于信息的融合和基于信号的融合。2.4.1 基于信息融合基站先进行预处理，再传递到中心节点求解。通过几何模型建立真实值和观测值的关系，再联合求解。各个接收节点对各自接收到的反射信号进行处理，获得距离、角度、速度等感知测量估计量。接收节点再将上述估计量及其多维组合发送给服务器或中心节点，再进行数据融合，其中服务器或中心节点包括几何定位模型、目标信息求解等功能模块，如图6所示。基于信息融合的优点是同步要求低，实现简单，需要融合的数据量较低；缺点是融合增益相对较小，各接收节点的信号处理会引入误差，导致融合时出现误差传递。距离/角度/速度估计几何定位模型目标信息求解距离/角度/速度估计距离/角度/速度估计检测信息检测信息检测信息接收信号图6 基于信息的数据融合2.4.2 基于信号融合基于信号的数据融合，如图7所示，将各基站收到的回波信号汇总至中心节点进行融合。其中，中心节点包括构造代价函数、目标信息求解等功能模块。该融合方式具有更佳的性能，但是需要传输的数据量更大，通常可采用光纤传输，类似于分布式MIMO(Multiple-InputMultiple-Output，多输入多输出)雷达的概念，现有5G架构已可类比分布式MIMO雷达系统。分布式MIMO雷达是一种采用多输入多输出技术的雷达系统，但与传统的集中式MIMO雷达不同的是，它的发射和接收天线分布在多个不同的物理位置上，形成一个虚拟的大型阵列。信号级协同可以通过相干和非相干处理来实现。前者性能好，但对于多站同步要求高；而后者性能相对较差，但可以降低对同步的要求。为了研究分布式雷达系统中同步误差对目标检测的影响，文献6为分布式雷达系统考虑了相关检测和非相关检测的方法。基于信号融合，其优点是融合增益大，利用了原始信号或信道信息，没有引入额外的信号处理及其带来的误差，因此该方式可以获得全局最优解；缺点是同步要求高，前传开销大，数学问题模型更加复杂，呈现更高的非线性，从而需要更加高效的信号处理算法，处理时延大。主题聚焦：5G-A/6G技术及应用展望21接收信号接收信号接收信号构造代价函数目标信息求解图7 基于信号的数据融合综上所述，基于信息的数据融合和基于信号的数据融合，其在处理时延、前传开销和融合增益方面的性能对比如下表2所示。表2 基于信息的数据融合和基于信号的数据融合的性能对比处理时延前传开销融合增益基于信息的数据融合小小低基于信号的数据融合大大高2.5 干扰抑制协同感知中的干扰可以分为杂波干扰(clutter)、自干扰(self-interference)与互干扰(cross-interference)。杂波干扰来源于非目标的、不感兴趣的环境回波干扰。自干扰是A发A收中泄露径的干扰，A发B收中来自于发射站直视径的干扰也可以认为是自干扰。互干扰是来自于其他通信，雷达感知设备的频谱干扰。干扰的存在，会导致目标回波的信干比下降，导致检测精度下降。强干扰还会影响弱目标的检测，降低检测距离。所以，干扰抑制是实现准确灵敏的协同感知功能必要使能技术。干扰抑制的性能可以通过信干噪比(SINR)与改良因子进行衡量10。影响系统干扰抑制性能的关键因素是干扰信号的自由度和系统感知的自由度。干扰的自由度可以理解为独立的干扰源数目，干扰源数目决定了干扰信号协方差矩阵的大特征值的个数，强干扰源越多，干扰信号的自由度越大。给定干扰信号自由度，系统感知的自由度决定了干扰抑制和目标监测的能力。在相控阵系统中，可以认为系统自由度为慢时间采样数L和接收阵子数N的乘积；在单站MIMO系统中，系统自由度是MNL，其中M是发射阵子数；网络协作感知可以认为是一种分布式MIMO系统，系统自由度由于多站协作有所提升，抗干扰能力因而得到提高。在不同协作模式下，系统自由度的增益有所区别。干扰抑制技术可以分为模拟域抑制、多普勒域抑制、空域抑制、空时联合抑制、抗干扰波形设计。下面对不同类型的抑制方法进行讨论。1)模拟域干扰抑制模拟域的干扰抑制是对于A发A收系统防止ADC(AnalogtoDigitalConverter，模拟数字转换器)的饱和、实现远距离目标感知的前提。常用的方法是收发天线隔离，如使用喇叭天线等定向天线。随着全双工技术的发展，出现了基于环形器的自干扰抑制设计和射频耦合的模拟自干扰抑制等技术来实现单天线的自干扰抑制11。2)多普勒域干扰抑制多普勒域上的抑制手段是根据杂波的多普勒特征进行抑制，常运用于静止杂波的抑制。最常用的方法是动目标显示(MovingTargetIndication，MTI)和动目标监测(MovingTargetDetection，MTD)。MTI是针对慢时间维度进行滤波处理，实现原理是相邻的慢时间的信号进行对消。MTD算法是对MTI滤波处理后的信号进一步处理，加入干扰图的信息对动目标进行检测。除此之外，位移相位中心天线算法(DisplacementPhaseCenterAntenna，DPCA)也可以实现多普勒域上干扰的消除，常用于运动平台上的杂波消除。DPCA算法可以利用天线相位中心的移动来补偿平台的移动，从而使接收到的固定杂波相位保持一致，实现对消。上述算法常用于对静止杂波的对消。对于不同速度的移动干扰源，自适应MTI算法可以自适应地将多普勒响应的凹口对准干扰源的多普勒均值中心，实现自适应的多普勒域干扰抑制12。3)空域干扰抑制空域干扰抑制是运用一种空域滤波的方法。基于信号波达方向(DirectionOfArrival，DOA)估计的空间自适应干扰抑制方法能够有效地抑制多个干扰源。基于DOA的自适应干扰抑制包括最小均方无畸变响应主题聚焦：5G-A/6G技术及应用展望22(MinimumVarianceDistortionlessResponse，MVDR)波束形成法和APES算法。前者通过最小化整体信号能量，但固定信号能量，以实现最小化失真，获得最优阵列权值矢量的闭式解。后者通过最小化最终期望信号中的干扰与噪声，从而实现更加准确的幅值估计。另外，还可以通过构造干扰空间零陷的方法，实现空域的干扰抑制。4)空时自适应(SpaceTimeAdaptiveProcessing，STAP)干扰抑制由于干扰空时的高度耦合，STAP算法联合使用空域方位信息和时域多普勒信息区分目标与干扰，继而完成干扰抑制。STAP算法利用多天线的待检测距离单元(CellUnderTest，CUT)数据估计干扰协方差矩阵10。基于数据独立同分布的假设，样本协方差矩阵求逆法(SampleCovarianceInverse，SMI)可以实现均匀干扰的抑制。如果干扰强度分布不均匀，独立同分布假设不成立，则由于估计协方差矩阵存在偏差，导致SMI的性能下降。可见对于STAP算法，杂波统计特性估计是其难点。同时高维度的权向量的计算也限制STAP算法的性能，其主要问题在于尽量保持系统性能的前提下降低矩阵维数，避免杂波子空间泄露的问题。对于非均匀的干扰，可以通过基于知识的干扰抑制对干扰进行有效抑制10。基于知识的干扰抑制利用先验知识对协方差矩阵进行估计。一种常见的方法是有色加载法，根据提前估计的杂波协方差矩阵对用于STAP算法的协方差矩阵进行加载；另一种方法是基于杂波协方差的快速最大似然估计(FastMaximumLikelihoodwithAssumedClutterCovariance，FMLACC)法13，通过对提前测得的杂波协方差矩阵进行Cholesky(柯列斯基)分解，获得基于知识的降维变换矩阵，实现在线的样本协方差矩阵降维。5)抗干扰的波形设计自适应的发射波形设计可以通过最优化检测性能实现“匹配照射”14。一种波形设计框架是使用两个阶段的波形，第一个阶段里使用普通的波形进行感知，第二个阶段在线设计波形，使得波形在相关位置里形成凹口，有效地抑制杂波15。另一种设计思路是使用参考波形，对设计波形与参考波形的差进行限制，然后对信干比作为优化目标进行优化，这能够有效地兼顾通信和感知的需求16。3 结语随着通感一体化被ITU列为6G的六大场景之一，通感一体化技术越来越被工业界和学术界广泛关注。利用现有蜂窝网络中广泛部署基站的数量优势，多站协同感知可以提升感知精度/监测概率，实现多视角的无缝感知，提升系统频谱效率。本文提供了多站协同感知的应用场景，并给出了实现多站协同感知的关键技术，包括感知模式选择、节点同步、资源分配、数据融合、干扰抑制，为多站协同感知的后续深入研究提供技术参考。后续通感一体化协作多点方面的研究，可以包括多站协同的新型波形设计、多站协同波束赋形及信号联合处理方法、多站协同的智能干扰管理技术等。参考文献1 RahmanML,ZhangJA,WuK,etal.EnablingJointCommunicationandRadarSensinginMobileNetworks-ASurveyJ.IEEECommunicationsSurveysandTutorials,202224(1):306-3452 ITU-Rinternaldocument.FrameworkandoverallobjectivesofthefuturedevelopmentofIMTfor2030andbeyondR.2023:13-193 XieL,SongSH,EdlarYC,etal.CollaborativeSensinginPerceptiveMobileNetworks:OpportunitiesandChallengesJ.IEEEWirelessCommunications,2023,30(1):16-234 SadeghiM,BehniaF,AmiriR,etal.TargetLocalizationGeometryGaininDistributedMIMORadarJ.IEEETransactionsonSignalProcessing,2021,69:1642-16525 JianLi,PetreStoica.MIMORadarSignalProcessingM.Hoboken,NewJersey,USA,WileyExpress,2009：365-369主题聚焦：5G-A/6G技术及应用展望236 ZengC,WangF,LiH,etal.Govoni.NewCoherentandHybridDetectorsforDistributedMIMORadarwithSynchronizationErrorsC.IEEERadarConference(RadarConf21),May2021:1-57 YiW,ZhouT,AiY,etal.SuboptimalLowComplexityJointMulti-TargetDetectionandLocalizationforNon-CoherentMIMORadarWithWidelySeparatedAntennasJ.IEEETransactionsonSignalProcessing,2020,68:901-9168 ShiQ,LiuL,ZhangS.JointDataAssociation,NLOSMitigation,andClutterSuppressionforNetworkedDevice-FreeSensingin6GCellularNetworkC.IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing(ICASSP),Jun.2023:1-59 3GPP.RequirementsforsupportofradioresourcemanagementS.3GPPTS38.133,202110 伍勇.空时自适应杂波抑制D.北京:清华大学,200911王希瑶.全双工射频前端自干扰消除技术的研究D.南京:南京理工大学,202312 宋杰,何友,关键,等.一种双模杂波抑制的准自适应MTI系统J.兵工学报,2009,30(5):546-55013 GerlachK,PiccioloML.Airborne/spacebasedradarSTAPusingastructuredcovariancematrixJ.IEEETrans.onAES,2003,39(1):269-28114 李风从.雷达抗干扰波形优化设计的研究D.哈尔滨:哈尔滨工业大学,201615 王海涛,叶琦,刘爱芳,等.基于自适应波形设计的天基雷达目标检测方法法J.宇航学报,2013,34(8):1130-113616 马丁友,刘祥,黄天耀,等.雷达通信一体化:共用波形设计和性能边界J.雷达学报,2022,11(2):198-212作者简介王瑜新在读博士研究生，正高级工程师，深圳市高层次专业人才(国家级领军人才)，现为中兴通讯股份有限公司资深通信预研专家，主要研究通感一体化、可重构智能表面RIS、无线通信标准化技术等，申请发明专利100余篇，发表学术论文10篇，曾获得中国专利金奖、中国电子学会科学技术奖、中国通信学会科学技术奖等奖项。马一华硕士，中级工程师，现任中兴通讯技术预研专家级工程师。研究方向包括通感一体化、新型多址等，发表论文20余篇，申请专利30余篇。王钟斌博士，工程师，主要研究方向为微形变感知、环境感知等通信感知一体化技术。韩志强硕士，高级工程师，现任中兴通讯股份有限公司资深通信标准专家，从事5G-A和6G技术研究和标准化工作，主要研究方向包括定位和通感一体化技术。主题聚焦：5G-A/6G技术及应用展望24Abstract Inthe6Gera,full-spectrumcommunicationwillbecomeadefiningcharacteristic,andthecoexistenceandsharingofradarbandswithcommunicationbandsmaybecomeapracticalreality.IntegratedSensingandCommunications(ISAC)technologyallowsforthereuseofhardwareandspectrumresourcesincommunicationdevicestoperformwirelesssensingofthephysicalworld,andislistedasoneofthesixscenetechnologiesof6GbytheInternationalTelecommunicationUnion(ITU).Leveragingtheinherentadvantageoftheextensivedeploymentofbasestationsinexistingcellularnetworks,multi-stationcollaborativesensingisacorecomponentof6GsISACframework,anditcanbringsignificantenhancementstosensingcapabilities.Theresearchonmulti-stationcollaborativesensingincommunicationnetworksremainsatanearlystage,withalackofdefinedcollaborationscenariosandidentifiedkeyenablingtechnologies.Thispaperpresentspotentialapplicationscenariosformulti-stationcollaborativesensingandoutlinescriticaltechnologiesrequiredtorealizeit,therebyprovidingatechnicalreferenceforfurtherin-depthresearchintothisarea.KeywordsIntegratedSensingandCommunications(ISAC);CollaborativeSensing;SensingMode;DataFusion李松谦硕士，主要研究方向为通信与感知一体化，于信号处理顶刊JSTSP发表论文1篇，通信旗舰会议ICC发表论文3篇。夏树强硕士，正高级工程师，现为中兴通讯股份有限公司资深通信预研专家，主要研究方向为载波聚合、低时延高可靠、通信感知一体化等，负责国家重大专项1项，近年来先后多篇专利获得“中国专利奖优秀奖”“中国专利奖金奖”“国家科技发明二等奖”等荣誉。Multi-Station Collaborative Sensing Technology1 ZTECorporation,Shenzhen518057,China2 StateKeyLaboratoryofMobileNetworkandMobileMultimediaTechnology,Shenzhen518057,China3 SouthChinaUniversityofTechnology,Guangzhou510641,ChinaWang Yuxin1,2,3Ma Yihua1,2Wang Zhongbin1,2Han Zhiqiang1,2Li Songqian1,2Bai Chen1,2Xia Shuqiang1,2白 辰硕士，中兴通讯技术预研工程师，主要研究方向为通信感知一体化。