2024年6G通感一体化协作感知关键技术.pdf

2024 年年 11 月月版权声明版权声明 Copyright Notification未经书面许可未经书面许可 禁止打印、复制及通过任何媒体传播禁止打印、复制及通过任何媒体传播2024 IMT-2030（6G）推进组版权所有2目录目录第一章 引言.7第二章 协作场景分类以及优势与挑战.82.1 多模态协作.82.2 多频段协作.92.3 多节点协作.102.3.1 多基站协作场景.102.3.2 基站与终端协作场景.102.3.3 多节点协作感知的优势.112.3.4 多节点协作感知的挑战.14第三章 多节点协作感知的空口关键技术.143.1 帧结构.153.2 功率控制.153.3 资源冲突解决.163.4 干扰管理.183.5 杂波抑制.213.6 高精度同步.233.7 非理想因素消除.243.8 非视距识别与利用.263.9 节点选择与切换.28第四章 多模态协作感知算法.314.1 基于自适应多策略信息融合的二维目标检测方法.324.2 基于雷达区域建议网络和深度增强的三维目标检测方法.34第五章 多频段协作感知算法.365.1 系统模型.375.2 基于峰谱聚合的多频段融合算法.385.3 基于特征向量的多频段融合算法.39第六章 多节点协作感知算法.416.1 系统模型.426.2 信号级融合.436.3 符号级融合.466.3.1 多个自发自收的协作场景下的融合算法.466.3.2 自发他收的协作场景下的融合算法.486.3.3 自发自收与自发他收的一体协作场景下的融合算法.506.4 数据级融合.5336.4.1 基于算术平均的融合算法.546.4.2 基于权重迭代的融合算法.546.4.3 基于栅格聚类的融合算法.566.4.4 基于滤波器递归的融合算法.58第七章 多节点协作感知的原型验证.607.1 基站间协作感知.607.2 终端间协作感知.62第八章 总结与展望.64参考文献.66贡献单位.704图目录图目录图 1ITU-R 定义的 IMT-2030 应用场景和关键能力.7图 2多模态协作感知示意图.9图 3多基站协作场景.10图 4基站与终端协作场景.11图 5不同节点感知时无人机的 RCS 对比图.12图 6多站协作提升检测概率.12图 7更优的感知范围和连续性.13图 8多个感知接收节点协作时的感知覆盖.13图 9协作感知帧结构配置.15图 10需要功率控制的协作场景.16图 11通感冲突的优先级配置.17图 12速率匹配用来解决通感冲突.17图 13通感冲突的下行资源抢占示.18图 14上下行链路交叉干扰.18图 15互干扰强度 CDF 曲线图.19图 16测距 RMSE 与干扰协调因子关系曲线图.19图 17邻区干扰识别.20图 18干扰利用的场景示意图.20图 19杂波抑制基本原理示意图.21图 20MTI 杂波抑制算法结果图.23图 21MTI+MTD 杂波抑制算法结果图.23图 22基于往返收发的同步误差消除方案.24图 23基于参考径的同步误差消除方法.24图 24可靠估计判决示例(a)实测 4 个 UE 时域上连续的 MUSIC 伪谱(b)对应的可靠估计判决结果.26图 25协作感知过程中的信号传播情况.26图 26NLOS 下的协作感知场景.27图 27协作感知中的 NLOS 利用算法流程图.28图 28NLOS 算法的位置估计结果.28图 29协作节点选择示意图.29图 30感知节点维护流程.30图 31多感知模式和感知节点协作的节点选择示例.315图 32三种主要的雷达与视觉信息融合策略.32图 33自适应多策略信息融合网络流程图.33图 34三维目标检测网络（3DRrpn-depth）总体结构.35图 35雷达区域建议网络工作流程.35图 36深度特征增强模块工作流程.36图 37基于峰谱聚合级的多频段融合算法距离估计和速度估计的 RMSE 曲线.39图 38基于特征向量的多频段融合算法.40图 39基于特征向量的多频段融合算法的仿真结果.40图 40不同协作层级示意图.42图 41分布式全相参方法的 MIMO 模式接收相参处理框图.44图 42分布式全相参方法的收发相参模式相参处理框图.44图 43参合成前的接收信号.46图 44两基站接收信号相参合成结果.46图 45基于最小误差累积的多基站融合算法流程图.47图 46基于误差累积融合算法的定位融合结果.48图 47基于误差累积融合算法的速度估计融合结果.48图 48基于网格搜索的多基站感知融合算法.49图 49基于网格搜索的多基站感知融合算法的(a)定位 RMSE(b)测速 RMSE.50图 50双基站协作感知场景图.50图 51互相关协同感知算法的流程图.52图 52不同 TO 下的测距 NMSE.52图 53不同 CFO 下的测速 NMSE.53图 54定位误差 CDF 分布(a)未进行数据融合(b)采用改进算术平均数据融合处理.54图 55多节点数据级融合.55图 56数据级融合的(a)定位的 RMSE(b)测速的 RMSE.56图 57各个感知接收节点的感知目标位置估计分布图.57图 58基于栅格聚类的感知目标位置融合结果分布图.57图 59多站融合前和多站融合后目标位置精度 CDF 曲线.58图 60射频地图特征几何关系示意图.60图 61云端融合算法仿真结果.60图 62测试场景示意图.61图 63单次目标检测结果.62图 64蜂窝网络下的多终端协作感知与通信一体化场景示意图.626图 65轨迹追踪样机以及环境照片(a)实验中发射机和接收机布局(b)实测感知目标运动区域(c)接收机(d)发射机(e)发射天线(f)接收天线.63图 66多 UE 协作轨迹追踪实测结果示例(a)直线轨迹下 4 个 UE 的 MUSIC 伪谱(b)M形轨迹下 4个 UE的MUSIC伪谱(c)S形轨迹下 4个 UE的 MUSIC伪谱(d)估计的直线轨迹(e)估计的 M 形轨迹(f)估计的 S 形轨迹.63表表目录目录表 1二维目标检测的多策略融合性能对比.34表 2不同方法的三维目标检测性能对比.367第一章 引言作为下一代移动通信系统，6G 将提供更多维度的原生能力，迈向数字孪生、万物智联的新时代。相比 5G 的三大场景，即增强型移动宽带、超大规模机器类通信以及低时延高可靠通信，ITU-R 在 2023 年已经明确 IMT-2030 将拓展为六大应用场景，全新场景包括通信感知一体化（ISAC）、AI 与通信和泛在连接，如图 1 所示1。未来的通感一体系统将利超用大规模天线阵列、大带宽、多频段融合、网络多点协作等诸多特性，提供高精定位追踪、目标成像与重构、动作识别、智能体交互等能力，赋能智能交通、低空经济、智慧工厂、智慧医疗等业务与场景的发展成熟，推动业态转型升级。图 1 ITU-R 定义的 IMT-2030 应用场景和关键能力在未来，通信能力与感知能力将进一步深度的融合，从硬件融合、频谱融合、功能融合发展到互助互利、高度协同、深度交融。6G 网络突破单基站、单终端感知的局限性，从网络架构、组网技术、空口能力等方面进行原生通感设计，实现立体化的高精感知。依托 6G 网络，协作感知技术将成为通感系统的重要组成部分，可以提升边缘用户体验、实现多目标的高精度全域化感知。协作感知场景主要有三大类，包括多模态协作、多频段协作、多节点协作。多模态协作包括无线网络、摄像头、传感器等多种感知形式的融合，各种感知方式互为补充，实现立体多维的感知。在多频段协作中，低频段提供远覆盖、中频段保证业务连续性、高频段按需开启实现超高精度，多频段的一体协同将提升网络效率。多节点的协作将利用移动通信网络中的节点，包括大规模部署的基站、高密度分布的终端等进行协作与交8互2。在利用多节点进行感知信号的接收和发送过程中，避免了单节点自发自收感知中的自干扰问题，降低对接收机自干扰删除能力的要求，可节约硬件成本。此外，多节点感知信息可以进行联合处理，具有提升感知精度、扩大感知范围、增强感知连续性、拓展感知维度等优势，满足新场景的新需求。随着 ITU-R 在 2023 年发布 IMT-2030 框架建议书、3GPP 在 2024 正式开启通感信道建模的研究，通感一体的研究进入了新的阶段。协作感知作为通感一体技术的重要方向，需对其关键技术进行研究，为即将到来的标准化做好准备。因此，本报告作为IMT-2030（6G）推进组首个聚焦协作感知的技术报告，首先对协作场景进行了分析，然后聚焦多节点协作场景的空口技术、协作算法、原型验证等进行了多方面深入的研究，并且也针对多模态协作和多频段协作两个场景的融合算法进行了研究，旨在为后续工作提供指引，推动业界对针对协作感知开展技术研究和评估验证，促进 6G 通感一体的标准制定。第二章 协作场景分类以及优势与挑战2.1 多模态协作多模态协作基于 3GPP 的感知并非获得物理世界信息的唯一途径，而是众多观测物理世界的方式之一。雷达、摄像头等采集物理世界数据的方式已得到广泛应用，IEEE 802.11 已经在制定基于无线局域网的感知标准，手机、汽车等设备已经具备各种传感器、摄像头等。因此在未来，3GPP 感知和其它形式的感知将进行充分协同并进行数据融合，有助于实现立体、丰富、多维的感知。基于 3GPP 感知和 non-3GPP 感知协同存在以下潜在场景：一种潜在应用是 3GPP感知和 non-3GPP 感知进行数据融合，提升感知能力。如图 2 所示，在交通场景中，基站和摄像头都对路上的车辆、行人进行监控；基站和摄像头感知的数据可以融合以立体、丰富、多维的感知，提高感知精度。另一种潜在应用 non-3GPP 感知为 3GPP 感知提供先验信息，摄像头的视频可以提供辅助信息，有助于感知测量过程的优化、提升感知精度。9图 2 多模态协作感知示意图多模态的感知数据融合对提高感知精度和鲁棒性、增强环境适应能力和提高数据可靠性和准确性具有重要意义，不同类型的传感器可以相互补充，弥补彼此的局限性，从而提高整体的感知性能。但多模态融合在技术实现中同样面临多种挑战，主要包括以下几个方面3。一是数据异构性，不同类型的传感器（如摄像头、毫米波雷达等）生成的数据形式和特征各异，如何有效地处理和融合这些异构数据，特别是在不同空间、时间和频率尺度上的对齐和同步是一个关键挑战。二是数据质量与可靠性，不同传感器在不同环境下的性能差异较大，可能会受到噪声、遮挡、天气等因素的影响，导致数据质量不一致。融合过程中需要设计鲁棒的算法，以应对数据不确定性和传感器失效等问题。三是融合策略设计，如何在不同层次（例如传感器级、特征级、决策级）进行有效的多策略融合，并动态更新各个传感器的权重。2.2 多频段协作多频段协作多频段的协作与融合将是 6G 系统的一个重要特征，对于通信而言，利用载波聚合技术，将高频段和低频段相结合，可以提高通信性能。同样，不同频段的协同也可以提升感知性能。低频段提供超远覆盖，满足 Mbps 级基本通信需要，以及完成对于目标的探测；中频段（Sub-10GHz 频段）主要用于连续覆盖、中高速通信（Gbps），以及亚米级感知、广域范围的信息探测；高频（毫米波、太赫兹、可见光等频段）按需开启，进一步提升通信速率和感知分辨率（厘米级）。将多频段有机的协同起来，可满足不同的通信和感知需求，支撑个性化业务。在感知信息融合过程中，高频段和低频段物理层参数不一致是一个挑战。例如，当采用 OFDM 波形作为感知信号时，高频段和低频段的子载波间隔不同，给感知信息融合带来了挑战45。除了高频段和低频段的协作之外，还有频域协作的其他情况，例10如在碎片化频带或非授权频段上融合信号6。2.3 多节点协作多节点协作2.3.1 多基站协作场景多基站协作场景多基站协作感知场景可以细分为三种78，包括多个自发自收的协作，自发他收的协作、自发自收与自发他收的一体协作：（1）多个自发自收的协作：如图 3(a)所示，多个基站分别对同一个目标进行感知，最后的感知信息在融合中心（可以是某一个基站或核心网）进行融合感知。（2）自发他收的协作：如图 3(b)所示，当多个基站分别对同一个目标发射感知信号，与发射端不同的基站负责信号的接收，并进行感知信息的结算与处理。感知信息可在接收端或在核心网侧进行融合。（3）自发自收与自发他收的一体协作：如图 3(c)所示，当多个基站分别对同一个目标发射感知信号，接收基站包括发射端基站，也包括与发射端不同的基站。感知信息可在接收端或在核心网侧进行融合。图 3 多基站协作场景2.3.2 基站与终端协作场景基站与终端协作场景根据感知范围的不同，可以对基站与终端的协同感知进行进一步分类910。通常下行感知范围小于上行通信范围，上行通信范围小于下行通信范围，如图 4 所示。1）当目标位于下行感知覆盖范围内：如图 4 中的位置 A 时，基站可以通过接收基站的回波信号进行基站下行感知，以及通过接收终端的上行反射信号进行基站上行感知。同理，终端也可以通过接收终端的回波信号进行终端上行感知，以及通过接收基站的下行反射信号进行终端下行感知。基站下行感知和终端上行感知的回波信号可在基站侧融合，进行下行和上行感知的协同。需要注意的是，由于上行感知的覆盖小于下行感知的覆盖，因此这四种感知不一定同时存在。112）当目标在下行感知覆盖范围之外：在上行通信覆盖范围内时，如图 4 中的位置 B，多个终端对目标进行检测，并将感知信息上传到基站，进行感知信息融合。3）当目标在上行通信覆盖范围之外：在下行通信覆盖范围内时，如图 4 中的位置 C，多个终端在基站的引导下，自行检测目标，并融合感知信息。图 4 基站与终端协作场景2.3.3 多节点协作感知的优势多节点协作感知的优势与单节点感知相比，采用多节点协作感知可以赋能更高的感知精度711，具有如下技术优势：（1）更多的可利用感知路径。在收发节点间，仅包含目标、不包含其他散射体的视距（LOS）路径是进行感知的首选路径。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，造成小区出现感知覆盖盲区。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。假设目标与一个接收节点间的路径为 LOS 的概率为，则与单点感知相比，由于协作感知能够从大量候选节点（设节点数为）中选择一个节点，则候选节点中，至少一个节点为 LOS 径的概率为 1 (1)。可见，随着节点数目增加，LOS 径概率增加。（2）更丰富的散射强度。现有研究对目标散射特性的仿真与分析表明，目标在不同入射角方向上的散射强度不同，并且在统计意义上沿原路径返回的回波信号强度较弱2。这意味着，采用单点 A 发 A 收的独立感知，并不总是能接收到具有最大强度的回12波信号。如图 5所示，根据蜂窝网络站点分布特点，选择 3 个相邻的节点作为收发基站，其中无人机处于 3 个节点之间的任意位置，多次撒点并统计目标处于不同位置时的散射强度，其中 A 发 A 收、A 发 B1 收、A 发 B2 收目标的散射强度均值分别为 0.072、0.093、0.098，这表明利用 RCS 的散射特性，感知节点在不同方向接收的散射强度不同，通过感知节点的多样性所带来的平均散射强度更大，更有利于精确感知。图 5 不同节点感知时无人机的 RCS 对比图（3）更优的协作增益。单节点感知受限于单个节点的能力，精度的提升存在瓶颈。反之，采用多节点协作感知能够获得多倍、多维的测量值，进而消除随机误差，获得更优的联合处理增益。图 6 对无人机目标的检测概率进行了仿真，其中频点为 4.9GHz，站间距为 500m，无人机高度为 500 米。从图 6 可以看到，通过多站的协作感知，可以提升 SNR，进一步的提升检测概率。图 6 多站协作提升检测概率与单节点自发自收相比，多节点联合收发能够获得与多节点空间分布相关的几何增益以及精度增益。多节点提供的冗余测量值还能够用于排除故障基站，进而增强感知的13可靠性、完好性。此外，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。（4）更灵活的干扰协调。无论是 A 发 A 收的独立感知还是 A 发 B 收的协作感知，都不可避免地面临互干扰问题，影响感知信号的提取与处理。采用多节点协作感知，可以通过调度部分节点作为协作接收节点，达到提升感知精度和提升网络质量的双重效果。（5）更优的感知范围和连续性。单站的感知覆盖是有限的，一方面是因为感知发送功率是受限的，另一方面，无线感知主要是利用信号的反射或散射波，距离越远 SNR越小、感知精度越差。多个感知设备（基站或 UE）协同感知可以扩大感知范围，如图 7所示。此外，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。图 7 更优的感知范围和连续性此外，相比于独立感知模式，在多节点协作感知模式中，可以覆盖距离感知发射节点较远而距离感知接收节点较近的范围，增加了可感知距离。这一特性可以应用于基站和终端协作感知的情况，感知目标距离基站较远时，可以选择距离感知目标较近的终端作为感知接收节点进行感知。另一方面，在多站模式进行站点部署时，可以考虑固定感知发射节点，通过增加感知节点的方式扩大感知覆盖，如图 8 所示。图 8 多个感知接收节点协作时的感知覆盖142.3.4 多节点协作感知的挑战多节点协作感知的挑战协作感知也面临诸多挑战，具体包括：（1）帧结构：面向协作感知场景，尤其是基站 A 发 B 收的工作模式，如何设计可以适应新场景的帧结构。（2）功率控制：当协作感知接收基站的小区内同时进行感知回波信号和通信上行信号的接收时，如何进行功率控制的设计来满足高效的通信和感知。（3）资源冲突解决：当通信业务和协作感知有冲突时，如何设计有效的通感冲突解决方案。（4）干扰管理：如何消除多种干扰的影响，包括通信的干扰、杂波干扰、站间直射径干扰等多种干扰源。（5）杂波抑制：在协作感知场景回波信号较弱的情况下，如何有效的对杂波进行抑制。（6）高精度同步：收发节点之间的时间同步误差会对协作感知性能造成影响。例如 10ns 的同步误差，会导致 3m 的感知定位误差。（7）非理想因素消除：本振频率偏移、随机相位等硬件非理想因素，以及感知目标 RCS 波动、信道衰落等环境非理想因素会对感知结果带来影响，因此需要设计非理想因素抑制和消除方案来解决上述问题。（8）非视距识别与利用：当发射机到目标，或者目标到接收机之间有遮挡时，需针对 NLOS 感知进行设计。如何有效的识别、消除和利用非视距感知，需要进一步研究。（9）节点选择与切换：当感知目标移动时，如何高效的选择新的感知收发节点，以及感知小区的切换等。（10）数据融合：如何对多个接收节点的数据进行融合，是协作感知的重要挑战之一。包括如何在不同的层级进行融合，融合算法的设计与优化等。第三章 多节点协作感知的空口关键技术本章聚焦多节点协作感知的场景，介绍其空口关键技术。相比单节点独立感知，多节点协作感知具有无需硬件改动、感知精度高等优点，但也存在诸多挑战。本节从帧结构、功率控制、资源冲突解决、干扰管理、杂波抑制、高精度同步、非理想因素消除、15非视距识别与应用、节点选择与切换等多个重要挑战来介绍多节点协作感知的空口关键技术。3.1 帧结构帧结构帧结构是通信系统最基础的时序设计，在通信系统中引入感知功能后，帧结构设计需要考虑通信和感知的兼容性，以保证通感系统的整体性能。现有的通信帧结构设计十分灵活，包括半静态配置和动态配置。半静态配置包括小区级别配置和 UE 级别配置。动态配置通过 group common PDCCH（组公共物理下行控制信道）指示传输格式。为了避免邻区干扰，相邻基站的小区级帧结构配置是一致的，且小区级帧结构配置的下行符号和上行符号无法修改。然而对于协作感知，如果 A 发 B 收的收发节点都是基站，B节点的上行符号必须和 A 节点的下行符号成对配置。此外，为避免远端基站干扰，感知资源应考虑占用一个时隙内靠前的符号。对于感知帧结构的信令配置，可以采用两种方式，如图 9 所示，第一种是在通信帧结构配置信令的基础上，新增感知帧结构的配置，第二种是设计统一的信令共同指示通信和感知的帧结构配置。图 9 协作感知帧结构配置3.2 功率控制功率控制在基站 A 发 B 收的协作感知场景，为了在进行感知的同时保证通信的高效率传输，接收端的服务小区可以在接收感知回波信号的同时也进行通信终端的上行信号接收，如图 10 所示。这种模式带来的问题是当探测中远距离的感知目标时，上行通信信号强度将远大于感知信号的反射强度。当回波信号强度与上行通信信号强度相差过大时，回波信号强度与上行通信信号强度的差值将超出接收机的模数转换器动态范围，导致无法有效采集感知回波信号。因此，可以考虑对接收端基站 B 小区内的通信终端进行一定的功率控制，以满足感知检测的要求。16图 10 需要功率控制的协作场景在现有协议中，对于控制信道和业务信道，主要采用闭环功率控制，通过基站返回的 MCS 信息以及功率调整量的设置来控制功率。以 PUSCH 信号为例，具体功率控制公式为：=,0+1010(2 MRB)+TF+其中为 UE 最大发射功率，0为基站期待接收到的功率，为路径损耗补偿，PL 为 UE 估计的下行路径损耗值，为 PUSCH 占用的 RB 数量，为当前 MCS 相对于参考 MCS 的功率偏移，为闭环功控调整量。在基站 A 发 B 收的协作感知场景中，可根据感知信号回波能量的初始测量值P1，以及根据感知小区覆盖来计算接收端期待接收的回波信号强度，并对接收端小区内的通信终端进行一定的上行功率调整。一种方式是对基站期待接收到的功率值0进行调整，定义新的基站期待接收到的功率值0，0=+，其中为 ADC 动态范围。由于接收端期待接收的回波信号强度为，因此为看为 ADC 动态范围的下界，则 ADC 动态范围的上界为+，并认为该上界是新的基站期待接收到的功率值。另一种方式是计算新的功率调整值，=+1。如果将接收端期待接收的回波信号强度看为 ADC 动态范围的下界，则 ADC 动态范围的上界为+，该上界和1的差值即为功率调整值。3.3 资源冲突解决资源冲突解决在通感一体化系统中，感知和通信共享物理资源，可能会发生冲突并导致传输失败，在协作感知场景中通感冲突的问题尤为严重，因此需要设计通感冲突解决方案。可以从以下几个方面来进行冲突解决方案的设计：一种方案是设置资源优先级，根据优先级决定通信和感知之间的处理顺序；二是使用速率匹配，使得通信资源避开感知资源；三是17进行资源抢占指示，感知抢占已经调度给通信的资源完成感知任务。1.资源优先级设置：协作感知中 A 发 B 收场景，作为发送端的 A 基站可以配置优先级给接收基站 B。优先级包含两种可能的配置，一种是感知优先级高于通信，另一种是感知优先级低于通信。如图 11 所示，当基站 B 同时收到来自于 A 基站的感知信号和来自基站 B 服务下的 UE 的通信信号时，如果感知优先级高于通信，基站 B 优先处理感知信号；如果感知优先级低于通信，基站 B 优先处理通信信号。图 11 通感冲突的优先级配置2.速率匹配设置：通信系统中，可以通过速率匹配的方式让 PDSCH 避开一些不可用的资源位置，比如其他 UE 的 PDCCH 资源、预留资源等。感知信号也可看作一种不可用资源，使用速率匹配的方式避免感知和 PDSCH 的冲突。基站 A 和基站 B 进行协作感知，感知资源与基站 A 服务的 UE 资源冲突时，可以通过速率匹配的方式向 UE 指示感知信号位置不可用。速率匹配包括 RB 级别和 RE 级别，可以根据感知符号的配置决定使用 RB 级速率匹配还是 RE 级速率匹配。如果感知信号占用的频域资源较多，使用 RB 级别的速率匹配；如果感知信号占用的频域资源较少，使用 RE 级别的速率匹配，如图 12 所示。图 12 速率匹配用来解决通感冲突3.感知资源抢占：当感知和通信传输资源冲突时，感知可占用已调度给通信的资源，并向通信UE指示资源已被占用。如图 13所示，基站A已经给通信UE调度了PDSCH资源，同时需要基站 A 和基站 B 协作感知。基站 A 占用调度给通信 UE 的 PDSCH 资源用于和基站 B 进行协作感知。同时，基站 A 给通信 UE 发送抢占指示信令，指示其被占用的资源。UE 收到抢占指示后，认为抢占信令指示的资源上没有发送给自己的数据，18不对这些资源上的数据进行进一步处理。图 13 通感冲突的下行资源抢占示3.4 干扰管理干扰管理大规模部署的分布式网络节点为实现网络协作通感提供基础支撑，协作感知需要采用动态上下行配置方式，这将额外引入上下行交叉链路干扰、小区内上行通信用户干扰等1213。如图 14 所示，对于协作感知模式，节点 1 和节点 2 的时隙配置需要考虑不同的上下行配置，与感知信号的收发过程、感知区域及感知精度要求有关。此时，对于通信用户而言，受到的干扰主要来自下行基站与目标通信用户之间的链路。对于协作感知接收基站而言，受到的干扰主要来自其他感知发射基站、下行通信基站，相比通信用户，感知信号干扰更加强烈。因此，在采取协作感知模式时，网络需要尽可能避免上下行干扰等对一体化性能的影响，以同时满足网络的感知需求与通信需求14。图 14 上下行链路交叉干扰为保障信号成功检测，需满足干扰强度低于干扰上限，干扰上限=回波信号强度+ADC 动态范围。在实际组网环境下，对于协作接收基站会受到小区内上行通信用户、其他感知发射基站、下行通信基站等干扰，其干扰强度可能超过干扰上限，此时需进行必要的干扰控制才能确保信号成功检测。图 15 给出了典型低频网络协作通感系统中的站间干扰特性的仿真结果。典型低频基站配置包括：载频 2.6GHz，带宽 100MHz，发射19功率为 52dBm，ADC 动态范围约为 60dB，感知目标为无人机（RCS=0.01）。根据干扰上限计算可得其能承受的干扰上限约为-8.71 dBm。当不考虑干扰管理时，90%概率下协作接收基站受到的干扰强度达到约-6.45 dBm，高于干扰强度上限-8.71 dBm，导致感知任务失败。当对邻扇区进行干扰控制后，协作接收基站受到的干扰强度显著下降，可满足信号检测要求。图 15 互干扰强度CDF曲线图此外，如图 14 在双站协作下，感知信号可能存在一个节点 1 到节点 2 的直射径，这个直射径也可能造成超过干扰上行。因此，为保障感知信号成功检测并满足感知性能需求，可从时域、频域、空间域、功率域维度设计干扰控制方案。图 16 给出不同干扰协调因子下的感知精度（干扰协调因子配为 0dB 表示不进行干扰协调，干扰来源为其他下行基站的直射径干扰），可以看出不同站间距下，随着干扰协调因子降低，系统干扰变小，测距 RMSE 显著降低。图 16 测距RMSE与干扰协调因子关系曲线图综上分析与仿真可知，基站间干扰影响网络协作通感系统的性能，需要进行干扰管理来提升感知精度。其中，来自同站址两邻扇区的干扰尤为强烈。为保障感知信号的成功检测，对同站址邻扇区的干扰管理是非常有必要的。此外，对干扰基站进行不同程度的干扰管理，可使感知性能显著提升。因此，在实际应用中，在保障信号成功检测的基20础上，有必要进一步对其他干扰基站进行适当的干扰管理，以满足系统不同场景的不同感知需求。此外，感知接收端可以对干扰信号进行识别与消除。当基站 A 接收自己发出的感知信号回波时，还会接收到来自相邻基站 B 发出由基站 A 接收到的干扰信号，可对邻区干扰信号进行识别，具体包括两种方法：方法一是两基站采用同时发送、以及一个发送一个静默这两种配置发送感知信号，当一个基站静默时，感知处理结果只有一个峰值，如图 17（a）所示；同时发送时，有两个峰值，图 17（b）所示。通过对比两种配置的感知结果，即可判断两图中相同距离的峰值即为自身感知回波信号引起的峰值。方法二是两个基站同时发送相同感知信号，融合两基站感知结果。图 17（b）（c）分别是基站A 和基站 B 对接收信号的感知处理结果，通过两图的对比，相同距离的峰值即为邻区干扰信号引起的峰值。另外，在两个基站的信号都经过相同感知目标场景下（如图 18 所示），上述干扰识别方法还可以进一步的达到干扰利用、提高系统感知资源利用率的效果，基站可以将接收到的混合信号视为单基模式感知与双基模式感知的混合信号，通过信号处理技术将干扰信号转化为有用的感知信息，在协作感知的情况下，利用基站和邻站位置信息可以确定感知目标的坐标信息。(a)无邻区干扰时基站 A 感知数据(b)存在邻区干扰时基站 A 感知数据(c)存在邻区干扰时基站 B 感知数据图 17 邻区干扰识别图 18 干扰利用的场景示意图21除了进行干扰管理来降低干扰水平以外，还可以采用干扰消除的方式来降低干扰对通信系统的影响。感知网元可以将感知信号的配置信息发送给可能会受到感知干扰的基站，这些基站可以通过感知参考信号来判断干扰的水平，从而向感知网元反馈干扰测量报告，来决定后续是否继续向其传递感知信号的配置信息。对于确定感知干扰有影响的基站，可以通过感知信号的配置信息来估计感知干扰的信道，重构出感知干扰，从而进行感知干扰消除。实际中感知的干扰重构和消除是会带来误差的，只有在误差的功率通常小于干扰的功率的情况下才能获得性能增益。因此，这种干扰消除的方案主要针对感知干扰较强的场景，可以改善通信性能。3.5 杂波抑制杂波抑制在通感一体化系统中，来自感知目标的回波是实现感知算法的有用信号，除此之外还有来自地面、墙面等大型物体的静态杂波以及其他相关物体的杂波，这些杂波往往比有用的回波信号还要强，从而影响感知算法性能，因此需要考虑对这些较强的杂波干扰信号进行抑制。在 A 发 A 收的独立感知模式中，某些区域内的待感知目标与感知站距离较近，回波相对较强，而且接收站不会受到发送站的直接干扰；相比而言，在 A 发 B收的协作感知模式中，由于 A、B 感知站相隔较远距离，不存在感知目标与 A、B 站距离都很近的区域，回波都很弱，而且接收站还会受到发送站的直接干扰，因此协作感知模式中更需要对杂波干扰信号进行抑制，从而提高感知信噪比，提升感知算法性能。杂波抑制的基本原理，是通过采用数字信号处理技术对固定目标或慢速目标的杂波进行滤除或者抑制，保留运动目标的回波。例如，可以对前后帧接收信号作差，或者前N 帧信号作平均然后和当前帧信号作差，以此来滤除信号中的静态成分，达到杂波抑制的目的，如图 19 所示。图 19 杂波抑制基本原理示意图22业界已有的杂波抑制算法研究主要是基于 FMCW 波形进行的，而对于采用 OFDM信号模型的通感一体化系统中的杂波抑制算法研究相对较少。如何借鉴基于 FMCW 信号模型的杂波抑制算法，实现通感一体化系统中的杂波抑制从而提升感知精度，是协作感知的研究重点之一。基于 FMCW 信号模型的杂波抑制算法主要有两大类，分别是动目标显示(Moving Target Indicator,MTI)和动目标检测(Moving Target Detection，MTD)。动目标显示 MTI 利用杂波抑制滤波器来抑制杂波，提高信号的信杂比，以利于运动目标检测的技术。MTI 滤波器利用杂波与运动目标的多普勒频率的差异，使得滤波器的频率响应在直流和 PRF（脉冲重复频率）的整数倍处具有较深的阻带，而在其他频点的抑制较弱，从而抑制静止目标和静物杂波。动目标显示 MTI 算法的本质是对相邻的时域脉冲信号作差，从而滤除掉静态杂波。来自运动目标的回波相位会随着时间发生变化，而来自静止目标的回波不随时间的变化而变化，通过相邻两个脉冲作差位可以将相位不变的静态杂波滤除掉。动目标检测 MTD 使用一组窄带多普勒滤波器将不同速度的目标分离出来的技术，其主要依据为不同速度产生的多普勒频移不同。MTD 中的多个窄带多普勒滤波器组可以通过对同一距离门内的回波信号的脉冲压缩结果做 FFT 来实现。当脉冲压缩处理后的信号通过多普勒滤波器组时，即进行速度维 FFT 时，由于不同速度产生的多普勒频移不同，各个速度的目标就会落入相应的多普勒通道，再乘以速度分辨率，由此可以计算出目标速度。通感一体化系统中的杂波抑制也可以采用类似的动目标显示 MTI 算法，即对配置有感知参考信号的两个相邻的 OFDM 符号的频域信号作差，从而将来自静态目标的杂波滤除掉；也可以采用类似的动目标检测 MTD 算法，首先对各个接收到的感知 OFDM符号的时域信号解调得到频域信号，然后通过对多个感知 OFDM 符号的上相同子载波的频域信号做 FFT，从而实现多普勒滤波器组的功能，将不同速度的目标落入到不同的多普勒通道中，进一步估计出目标的速度。同时，也可以考虑将 MTI 和 MTD 算法结合，对静态杂波做一定的抑制后再进行动态目标的检测。我们分别采用 MTI 和 MTD 算法对通感一体化系统中基于 OFDM 信号波形的杂波抑制做了初步的仿真实验。下图 20 为 MTI 杂波抑制算法的结果图，左图为未做杂波抑制的信号分布图，图中有三排峰值，从右下到左上，分别对应运动目标 1 的回波信号、静止目标的杂波以及运动目标 2 的回波信号。右图为进行杂波抑制后的信号分布图，图中只有两排峰值，相对于左图，中间的来自静止目标的杂波被滤除掉了。23图 20 MTI 杂波抑制算法结果图下图 21 为 MTI+MTD 杂波抑制算法的结果图，左图为纯 MTD 算法的结果图，通过对多个时隙中的采样信号做 2 维 FFT 变换，可以显示出三个峰值，分别对应运动目标1 的回波信号、静止目标的杂波以及运动目标 2 的回波信号，通过峰值所在的速度维坐标，可以判断出中间的峰值处于零速状态，因此可以将其判定为静态杂波。右图为 MTI和 MTD 相结合的杂波抑制算法结果图，相对于左图，中间的来自静止目标的杂波被滤除掉，对应的 2D-IFFT 结果中的峰值被抑制掉，因此只出现两个动态目标的峰值。图 21 MTI+MTD 杂波抑制算法结果图3.6 高精度同步高精度同步基站间时间同步误差对感知性能，特别是对高精度测距性能造成影响。对于点对点时间同步，现有的 3GPP NR 协议TS 38.104规定，天线间定时误差（TAE）不大于65ns15,可造成约 20 米的距离偏差，无法满足高精度测距需求。对于网络时间同步，可通过基站直接授时或根据 1588v2 协议规定的有线时间网络授时实现，采用这两个方案时，基站间时间同步误差一般分别约为 50ns 及 1us，同样无法满足高精度测距需求。尽管基站间高精度的时间同步较难实现，但是依然可通过时间同步误差消除方案设24计达到“零时间同步误差”的效果，实现高精度感知。图 22 给出了一种双向时间同步误差消除方法，通过两个节点互相发送感知信号，并计算平均传播时延，可以得到与同步误差无关的感知测量值，有效消除同步误差的影响。图 22 基于往返收发的同步误差消除方案此外，图 23 给出了一种基于多径时间差的同步误差消除方法，节点 A 发射的信号分别通过直射径及经过感知目标的反射径到达节点 B。通过将反射径传播时延与直射径传播时延相减，可得到与同步误差无关的到达时间差。再根据目标与节点之间距离的几何关系建立等式，可由到达时间差计算出反射径的真实时延。图 23 基于参考径的同步误差消除方法3.7 非理想因素消除非理想因素消除非理想因素指的是由于系统硬件或者物理环境不理想导致无线感知出现的误差成分。硬件非理想因素包括定时偏移（Time Offset，TO）、本振频率偏移（Carrier FrequencyOffset，CFO）、随机相位等。其中，TO 包括了前面所述的时间同步误差，以及随时间变化的定时漂移；CFO 则直接造成多普勒频率测量误差；随机相位则包括了单个射频通道不同时刻的不一致相位、不同射频通道间的随机相位差，以及相位噪声等。此外，感知目标 RCS 波动、信道衰落、多径干扰等同样可能对感知结果或者用于计算感知结果的中间变