周知 何佳 瞿輝洋 黃煌 余子明 王光健
(成都華為技術有限公司,成都 610000)
0 引言
面向2030 年及未來,人類社會將進入智能化時代,數字世界與物理世界將無縫融合,隨著增強現實、虛擬現實、混合現實等沉浸式媒體應用的不斷涌現和窄帶物聯網、行業物聯網和車到萬物(Vehicle to Everything,V2X)的標準化,移動網絡連接的重點已經由人轉移到物。到6G 時期,將進一步演進到連接智能。可持續發展將驅動移動通信技術持續從5G 向6G迭代升級。未來,6G 將開啟互聯智能的新時代,以應對人類和社會在許多方面的挑戰。網絡不再是單一功能的通信網絡,而將提供感知、通信、計算的能力和數據服務,融合物理、網絡和生物世界,真正迎來萬物感知、連接和智能的時代[1]。
無線感知(包括定位、運動檢測和成像)長期以來一直是與移動系統并行開發的一項單獨技術,無線感知的典型應用如圖1 所示,以往的有源定位目標主要是能發射電磁波的終端,如手機、車輛、物聯網設備等。在6G 中,通信感知一體化(Integrated Sensing and Communication,ISAC)服務具有物理環境的檢測能力,包含主動和被動目標,進一步包括無源物體,如建筑物、城市設施(廣告牌、橋梁等)、交通情況(車輛、自行車、人等)等。通信感知一體化通過接收電磁波信號(經空間環境傳播)求解空間環境的構成,通過虛擬環境(有源、無源物體和設備)的探測與重構,感知獲取周圍物理環境的信息,形成虛擬的數字世界,有助于探索通信能力,提升用戶體驗[2-4]。
圖1 無線感知的典型應用
網絡感知有望在6G 中實現連接智能。同時,利用從感知中獲取的環境信息,以輔助通信獲得更高的頻譜效率,或者更健壯、具有彈性及易于恢復的網絡,是感知輔助通信的主要課題。為了充分發揮通信網絡在感知業務中的作用,本文進一步提出了多節點多態感知來提高感知性能,并討論了通信感知一體化系統設計中的關鍵挑戰和使能技術,重點討論其中的空口波形設計準則和多站多態重構技術,最后詳細介紹了ISAC 的應用示例,用基于室外場景的10 GHz 多站環境重構及輔助信道重建的測試結果,以證明其可行性。
1 通信感知一體化的關鍵挑戰與使能技術
隨機信道建模方法由于計算復雜度低、易于標準化,主導了無線通信的評估,并在3GPP-SCM、WINNER I/II、COST 2100 和MESTIS 等多個項目和標準中使用[5],足以用于評估通信性能。然而在通信感知一體化中,通信和感知業務都需要考慮信道模型。由于感知應用的多樣性,統計信道模型無法滿足不同應用的多樣化要求,尤其是在確定性場景的評估中,傳統的信道建模方法需要重新思考和創新。而在ISAC系統的設計中,基帶和射頻硬件共享是研究的重點。硬件集成解決方案降低了系統之間的整體功耗、系統大小和信息交換延遲;通信感知一體化解決方案減少了時間、頻率、空間和代碼資源等開銷;硬件一體化策略促進了感知和通信在失真校準和補償中的互利功能。本文重點討論其中的ISAC 聯合波形與信號設計、網絡與系統設計等。
1.1 ISAC 聯合波形與信號設計
ISAC 的空口設計應盡可能考慮復用導頻和序列設計以節約開銷。其中,通信的導頻設計通常針對較高的信噪比水平。然而,由于散射體的大小受限,散射體反射信號信噪比往往位于較低水平,感知檢測需要積累相干信號以確保較低信噪比下的感知性能,這使得系統對采樣抖動、頻偏和相位噪聲更敏感。反之對系統的同步性和穩定性提出了更高的要求。在選擇ISAC 波形、感知算法和損傷補償方案時需要考慮這些挑戰。
感知與通信聯合設計的工作大多集中在聯合波形設計上[6-7]。循環前綴正交頻分復用(Cyclic Prefix Orthogonal Frequency Division Multiplexing,CP-OFDM)已被證明是通信的有利選擇,許多研究人員也考慮將此種波形用于感知,但其峰值平均功率比(Peak to Average Power Ratio,PAPR)較高是一個重要問題。尤其是在雙站感知場景下,同步、相噪等非理想因素會對OFDM 感知造成影響。調頻連續波(Frequency Modulated Continuous Wave,FMCW)通常用于雷達系統,但并不適用于確保通信服務所需的速率來傳輸數據,部分研究人員建議改進FMCW 波形[8-9],使其更適用于通信系統。通信感知一體化波形設計需要兼顧通信和感知的需求,具體可分為通信和感知共同的關鍵需求、通信為主的關鍵需求、感知為主的關鍵需求。其中,通信和感知共同的關鍵需求表現為以下幾方面。
PAPR。通過統計瞬時信號功率相對于平均功率的概率分布來描述待發送波形起伏變化的程度。在單載波系統中,PAPR 主要取決于調制方式和成型濾波器;對于多載波系統,由于多路子載波信號的疊加,PAPR 主要取決于疊加信號的數目,由于多載波數目往往較大,因此多載波系統的PAPR 問題相對單載波系統更加嚴重。較大的PAPR 將使得功率放大器在高功率輸出時的非線性特性顯著增加,加劇帶內非線性失真,并帶來嚴重的帶外頻譜泄露問題,進而惡化接收機的誤碼率或感知精度。PAPR 對發送功率的影響體現在感知距離和感知目標的感知刷新率(Update Rate)等性能上。例如,面對雷達散射截面(Radar Cross Section,RCS)較小的目標,當發送功率降低,通常可以積累更長的時間以獲得等效感知性能,但感知數據的刷新率會降低。因此在遠距、小目標和高刷新率的感知業務中,PAPR 顯得尤為重要。
帶外泄露。波形本身必須控制帶外泄露,保證對相鄰信道的干擾和影響符合要求。通信波形針對帶外泄露有眾多研究,例如5G NR(即基于OFDM 的全新空口設計的全球性5G 標準)支持的F-OFDM 方案。ISAC 波形設計可以繼續沿用之前的通信波形設計。
復雜度和功耗。低功耗是6G 的關鍵技術指標,通感一體化波形設計需要權衡復雜度和性能。針對不同的場景,復雜度和性能具有不同的權重。
頻譜靈活性。不同的應用場景和不同政府對頻率的分配可能導致不同的工作帶寬,因此,在設計時要考慮頻譜的靈活性。
多進多出(Multiple Input Multiple Output,MIMO)、多節點協作兼容性。MIMO、多節點協作是提升頻譜效率和感知精度的有效手段,因此,通感一體化波形設計必須兼容MIMO 和多節點協作。
通信為主的關鍵需求主要體現在頻譜效率和其它指標上。
頻譜效率。頻譜效率是通信最關注的指標,感知對通信頻譜效率的影響主要體現在兩個方面。第一,感知性能的提升需要對信號進行優化,而通信數據是隨機的,這兩者本身就是矛盾的。第二,感知信號與通信信號在時頻空資源上的復用也需要重點考慮。圖2分別呈現了頻分和時分機制下,通信和感知信號的分布。此外,為了保證通信鏈路的傳輸效率,現有通信幀內的參考信號可以復用于感知。
圖2 通信感知一體化在頻分和時分機制下的頻率分布
其它指標。其它和應用場景強相關的指標,例如超高可靠低時延通信場景需要高可靠、低延時的通信波形。
感知為主的關鍵需求主要體現在:
分辨率。分辨率是指對目標的分辨能力,通常體現在對距離、速度和角度的分辨上。具體可分為距離分辨率、速度分辨率和角度分辨率。距離分辨率用于表征感知在距離上區分鄰近目標的能力,通常以最小可分辨距離度量;速度分辨率用于表征感知在徑向速度上區分目標的能力;角度分辨率用于表征雷達在角度上區分鄰近目標的能力,通常以最小可分辨的角度間隔來測量。上述指標表示了脈沖雷達單一維度的分辨能力上限,而在實際系統設計中,由于子載波、快速傅里葉變換(Fast Fourier Transform,FFT)、濾波器設計等因素,不同波形和參數與理論上限存在差距。對于多維度或參數分辨(聯合分辨)來說,例如“距離—速度”聯合分辨,情況更加復雜。此外,感知的實際分辨能力還受到其他因素的限制,例如當目標的臨近散射能力相差很大時,強目標的旁瓣會掩蓋弱目標,導致分辨能力受到影響。
感知精度。感知精度是指在距離、速度、角度等維度的感測值與實際值之間的差異。在系統給定帶寬、累計觀測時間、天線口徑尺寸等參數下,各個維度的感知分辨率便已確立,如給定帶寬下,距離感知的精度將受限于距離分辨率。因此,提升感知精度的本質是通過信號設計、算法和抑制非理想因素,來使得感知精度在有限的信噪比區間內逼近最大性能。提升感知精度的常見方法可分為:以多重信號分類(Multiple Signal Classification,MUSIC)、SAGE、Off-Grid 等超分辨算法為代表,通過非線性迭代的方式提升感知精度;以2D-FFT、2D-correlation 等線性算法為代表,以低復雜度為導向,實現目標的快速跟蹤。以最大似然估計為例,幾種波形的典型誤差克拉美羅界(Cramer-Rao Bound,CRB)表征了在單目標下感知的精度理論上界。多目標仿真評估更適用于實際的具體感知精度,如通信波形評估需要使用集群延時線/抽頭延時線多徑信道進行。
1.2 ISAC 網絡與系統設計
在通信感知一體化系統中,存在單基感知和雙基感知兩類基本形態,如圖3 所示。
圖3 通感一體化系統中的兩種基本形態
單基感知指感知發射機與接收機處于同一位置,感知信號可以采用數據靜荷,因此該感知功能不消耗通信資源。同時,由于收發同源,不存在同步等非理想因素問題,其感知算法復雜度、估計精度等較好;由于采用自發自收,其可探測的信號角度范圍與環境入射角強相關,感知視角范圍受目標物體材質及放置角度的影響較大;其回波信號大部分分量為一次反射徑,滿足雷達假設,在求解時,病態方程的問題較小,感知結果的求解精度較高。
雙基感知指接收機與發射機處于不同位置,感知信號需采用專用導頻或已知信號,因此該感知功能需要消耗通信資源。同時,由于收發不同源,存在同步、相噪等非理想因素問題,其感知算法復雜度、估計精度等較差,需要較復雜的校準算法加以處理;采用自發他收能夠探測的環境角度較大,并且隨著終端的移動,感知視角有較大覆蓋;另外,其回波信號的分量豐富,具有大量多次反射徑且功率較高;在富散射的城市空間中,大量多次反射徑會引入病態方程,導致虛擬環境求解時出現影子空間及錯誤解。單基與雙基感知相關形態對比如表1 所示。
表1 通感一體化系統兩種形態比較
移動通信網絡也為合作感知提供了巨大的機會和好處。節點間通過移動網絡共享感知結果,多個網絡節點(基站(Base Station,BS)、用戶設備(User Equipment,UE)等)、多態(單基、雙基和多基)可以作為一個完整的感知系統發揮作用,該協作通過感知數據融合,降低了測量的不確定性,并提供了更大的覆蓋范圍以及更高的感知精度和分辨率。
2 通信網絡感知高精度環境重構
通信感知一體化已經被公認為是6G 的關鍵技術趨勢之一。本文闡述了如何應用6G 通信感知一體化技術進行基于通信架構的高精度感知和環境精確重建,并進一步輔助通信。感知環境信息的引入使通信中的信道重構成為可能。具體來說,環境信息和重構信道有助于波束對準、降低鏈路故障,從而顯著降低通信開銷。網絡的高精度感知環境重構主要由以下步驟完成:首先,基站或用戶設備通過波束掃描得到感知回波數據,利用回波數據進行散射點提取;由于多次反射和噪聲的存在,使用半徑離群值濾波器等濾波算法去除部分虛假點;然后將無監督聚類算法和散射體提取方法結合,獲取環境的高級語義信息;將提取到的高級語義信息進行多站數據融合,建立多站感知數據的重構環境;最后,基于重構環境做射線追蹤,實現通信信道重建,如圖4 所示。
圖4 網絡感知數據融合
2.1 非監督聚類算法
感知數據分割通常分為有監督和無監督兩種方法。現今流行的監督數據分割方法通常基于深度學習(如PointNet、Graph-PointNet、Point Cloud Transformer等)。然而,現階段電磁感知數據集很少,數據分割通常需要點或像素級的標注,電磁感知數據的難以解釋性極大地增加了數據標注的困難;同時,大部分電磁感知數據固有的稀疏性導致目標空間特征丟失,深度學習類的分割算法通常需要學習目標的空間特征,因此,在當前情況下,監督類方法對于電磁感知數據分割并不是一個較好的選擇。在眾多的非監督算法中,高斯混合模型(Gaussian Mixture Model,GMM)[10]試圖找到多維高斯模型概率分布的混合表示,具有擬合出任意形狀的數據分布的優點。并且高斯混合模型作為一個軟判定的算法,其每個數據樣本都被指派了一個聚類分組,同時還指定了該聚類分組的概率以及屬于其它聚類分組的概率。這種基于數據分布的概率作為置信度可以有效提升環境重構精度,因此高斯混合模型算法可被用于實現電磁感知數據的精確分割。
高斯混合模型的基本思想是用多個高斯分布函數去近似任意形狀的概率分布,因此高斯混合模型是由多個單高斯分布組合而成,每一個聚類分組叫作一個組件,這些組件線性加和即為高斯混合模型的概率密度函數。假定總共有K個組件,第k個組件的均值為μk,標準差為∑k,高斯混合模型的概率密度函數如公式(1)所示。
其中φk為第k個高斯的概率(又稱先驗分布),滿足φk＞ 0 且=1。通過最大期望(Expectation Maximization,EM)算法求解高斯混合模型的參數。
2.2 雙置信度傳播的散射體環境重構
不同于激光雷達點云,電磁感知數據的位置精確度受波束寬度θ、距離d和與環境平面的入射角α的嚴重影響[11],因此,通信網絡中多站感知數據融合需要考慮各感知數據的精確度問題。
高斯混合模型通常會給第i個點分配一個量φik,來表示此點屬于第k類的概率,這個基于數據分布的概率即為第一置信度s。同時,由于電磁感知數據的位置精確度受到物理傳播特性的影響,第二置信度t如公式(2)所示。
總置信度如公式(3)所示。
第k個聚類簇組成的散射體的中心定義如下:
其中,pik表示屬于第k類的第i個點的坐標位置。
雙置信度傳播算法建立在以上研究基礎上。環境重構的初始化首先由高斯混合模型完成,同時由于高斯混合模型參數求解完畢,第一置信度被初始化,基于初始的重構環境,基于電磁傳播特性可以得到第二置信度;然后,總置信度的建立可以提升感知環境重構精度,反過來校正第二置信度。由圖5 可以看到,不斷通過循環迭代以更新t,可提升環境重構精度。雙置信度傳播算法循環迭代的終止條件為:
圖5 雙置信度傳播算法流程
公式(5)中,ε為預先設置的門限。
3 試驗內容
3.1 環境重構樣機及信道測量
本文使用2 個10 GHz 基站在室外場景下,以自發自收方式通過波束掃描來實現環境重構,通過電磁感知數據重構的環境與實際環境對比驗證算法有效性。同時,在不同位置放置了UE,通過對比在實際環境與基于電磁感知數據重構的環境測量的信道,驗證感知環境輔助通信的可行性。基站參數如表2 所示。
表2 基站感知參數配置
基站實物圖如圖6 所示,采用發射天線與接收天線分離、機械掃描的方式實現對周圍環境的感知。
圖6 基站實物
感知室外場景及BS、UE 位置如圖7 所示。室外感知場景為典型的街道,布置了兩個基站,分別通過自發自收實現網絡化感知,以提升感知的范圍和精度。同時,在另一條街道放置了兩個UE,完成測量信道數據采集,用于驗證基于感知環境的信道重構的準確性。
圖7 感知室外場景及BS、UE 擺放位置
3.2 環境及信道重構
單站和多站環境重構結果如圖8 所示,本文的環境重構算法能夠實現典型街道場景的精確重建。
圖8 感知數據環境重構結果
由于綠植的真實位置難以確定,因此環境重構精確度的衡量標準為重構環境下的建筑物U10、U11 和U12 墻面的位置和法線方向與真實環境的偏差。環境重構的精確度如表3 所示。
表3 環境重構精確度
UE 的通信信道重構結果如圖9 所示,其中“×”符號表示測量信道結果,三角形符號表示重構信道結果,重構信道均為一次反射徑;重構信道參數中的出發角(Angle of Departure,AoD)和時延與測量值較為吻合。
圖9 測量信道與重構信道對比
對此,統計了重構信道與測量信道參數的誤差,如表4 所示。其中視距(Line of Sight,LOS)的信道重構誤差為測量信道與通過BS 和UE 真實位置計算出的信道的差值,不包含環境重構的誤差;非視距(Non Line of Sight,NLOS)的信道重構誤差為一次反射的測量信道與基于重構環境作射線追蹤的重構信道的差值。可以看到,基于重構環境的一次反射徑的信道時延誤差非常接近測量信道,甚至小于LOS 的時延誤差,可以實現較高精度的信道重建。
表4 信道重構誤差
4 結束語
ISAC 被公認為6G 的關鍵技術趨勢之一,本文總結了ISAC 典型應用場景,提出了應對ISAC 信道評估方法、空口設計、硬件聯合設計和網絡與系統方面的理論挑戰,深入分析了ISAC 聯合波形與信號設計關鍵需求,闡述了網絡與系統設計中的通信感知一體化的系統形態。基于以上理論研究,本文將通信感知一體化技術運用于實踐,利用通信設備進行感知和環境重構,并基于環境重構結果來輔助通信,在網絡感知中驗證了在毫米波段實現分米級環境感知的可行性和度級信道重構結果。
