版權(quán)聲明CopyrightNotification未經(jīng)書面許可禁止打印、復(fù)制及通過任何媒體傳播 7 82.1多模態(tài)協(xié)作 82.2多頻段協(xié)作 92.3多節(jié)點(diǎn)協(xié)作 2.3.1多基站協(xié)作場景 102.3.2基站與終端協(xié)作場景 102.3.3多節(jié)點(diǎn)協(xié)作感知的優(yōu)勢 112.3.4多節(jié)點(diǎn)協(xié)作感知的挑戰(zhàn) 14 143.1幀結(jié)構(gòu) 3.2功率控制 3.3資源沖突解決 3.4干擾管理 3.5雜波抑制 3.6高精度同步 3.7非理想因素消除 3.8非視距識別與利用 3.9節(jié)點(diǎn)選擇與切換 314.1基于自適應(yīng)多策略信息融合的二維目標(biāo)檢測方法 324.2基于雷達(dá)區(qū)域建議網(wǎng)絡(luò)和深度增強(qiáng)的三維目標(biāo)檢測方法 34 365.1系統(tǒng)模型 5.2基于峰譜聚合的多頻段融合算法 5.3基于特征向量的多頻段融合算法 416.1系統(tǒng)模型 426.2信號級融合 436.3符號級融合 466.3.1多個自發(fā)自收的協(xié)作場景下的融合算法 466.3.2自發(fā)他收的協(xié)作場景下的融合算法 486.3.3自發(fā)自收與自發(fā)他收的一體協(xié)作場景下的融合算法 506.4數(shù)據(jù)級融合 26.4.1基于算術(shù)平均的融合算法 546.4.2基于權(quán)重迭代的融合算法 546.4.3基于柵格聚類的融合算法 566.4.4基于濾波器遞歸的融合算法 58 607.1基站間協(xié)作感知 7.2終端間協(xié)作感知 64 66 703圖1ITU-R定義的IMT-2030應(yīng)用場景和關(guān)鍵能力 7圖2多模態(tài)協(xié)作感知示意圖 9圖3多基站協(xié)作場景 圖4基站與終端協(xié)作場景 圖5不同節(jié)點(diǎn)感知時無人機(jī)的RCS對比圖 12圖6多站協(xié)作提升檢測概率 12圖7更優(yōu)的感知范圍和連續(xù)性 圖8多個感知接收節(jié)點(diǎn)協(xié)作時的感知覆蓋 圖9協(xié)作感知幀結(jié)構(gòu)配置 15圖10需要功率控制的協(xié)作場景 圖11通感沖突的優(yōu)先級配置 17圖12速率匹配用來解決通感沖突 圖13通感沖突的下行資源搶占示 圖14上下行鏈路交叉干擾 18圖15互干擾強(qiáng)度CDF曲線圖 19圖16測距RMSE與干擾協(xié)調(diào)因子關(guān)系曲線圖 圖17鄰區(qū)干擾識別 圖18干擾利用的場景示意圖 20圖19雜波抑制基本原理示意圖 圖20MTI雜波抑制算法結(jié)果圖 圖21MTI+MTD雜波抑制算法結(jié)果圖 23圖22基于往返收發(fā)的同步誤差消除方案 24圖23基于參考徑的同步誤差消除方法 24圖24可靠估計判決示例(a)實(shí)測4個UE時域上連續(xù)的MUSIC偽譜(b)對應(yīng)的可靠估計判決結(jié)果 圖25協(xié)作感知過程中的信號傳播情況 26圖26NLOS下的協(xié)作感知場景 圖27協(xié)作感知中的NLOS利用算法流程圖 圖28NLOS算法的位置估計結(jié)果 圖29協(xié)作節(jié)點(diǎn)選擇示意圖 29圖30感知節(jié)點(diǎn)維護(hù)流程 圖31多感知模式和感知節(jié)點(diǎn)協(xié)作的節(jié)點(diǎn)選擇示例 314圖32三種主要的雷達(dá)與視覺信息融合策略 圖33自適應(yīng)多策略信息融合網(wǎng)絡(luò)流程圖 33圖34三維目標(biāo)檢測網(wǎng)絡(luò)（3DRrpn-depth）總體結(jié)構(gòu) 圖35雷達(dá)區(qū)域建議網(wǎng)絡(luò)工作流程 圖36深度特征增強(qiáng)模塊工作流程 圖37基于峰譜聚合級的多頻段融合算法距離估計和速度估計的RMSE曲線 39圖38基于特征向量的多頻段融合算法 40圖39基于特征向量的多頻段融合算法的仿真結(jié)果 40圖40不同協(xié)作層級示意圖 42圖41分布式全相參方法的MIMO模式接收相參處理框圖 圖42分布式全相參方法的收發(fā)相參模式相參處理框圖 圖43參合成前的接收信號 46圖44兩基站接收信號相參合成結(jié)果 圖45基于最小誤差累積的多基站融合算法流程圖 47圖46基于誤差累積融合算法的定位融合結(jié)果 圖47基于誤差累積融合算法的速度估計融合結(jié)果 48圖48基于網(wǎng)格搜索的多基站感知融合算法 圖49基于網(wǎng)格搜索的多基站感知融合算法的(a)定位RMSE(b)測速RMSE 圖50雙基站協(xié)作感知場景圖 50圖51互相關(guān)協(xié)同感知算法的流程圖 圖52不同TO下的測距NMSE 圖53不同CFO下的測速NMSE 圖54定位誤差CDF分布(a)未進(jìn)行數(shù)據(jù)融合(b)采用改進(jìn)算術(shù)平均數(shù)據(jù)融合處 圖55多節(jié)點(diǎn)數(shù)據(jù)級融合 圖56數(shù)據(jù)級融合的(a)定位的RMSE(b)測速的RMSE 56圖57各個感知接收節(jié)點(diǎn)的感知目標(biāo)位置估計分布圖 57圖58基于柵格聚類的感知目標(biāo)位置融合結(jié)果分布圖 57圖59多站融合前和多站融合后目標(biāo)位置精度CDF曲線 58圖60射頻地圖特征幾何關(guān)系示意圖 圖61云端融合算法仿真結(jié)果 60圖62測試場景示意圖 圖63單次目標(biāo)檢測結(jié)果 圖64蜂窩網(wǎng)絡(luò)下的多終端協(xié)作感知與通信一體化場景示意圖 625圖65軌跡追蹤樣機(jī)以及環(huán)境照片(a)實(shí)驗(yàn)中發(fā)射機(jī)和接收機(jī)布局(b)實(shí)測感知目標(biāo)運(yùn)動區(qū)域(c)接收機(jī)(d)發(fā)射機(jī)(e)發(fā)射天線(f)接收天線 63圖66多UE協(xié)作軌跡追蹤實(shí)測結(jié)果示例(a)直線軌跡下4個UE的MUSIC偽譜(b)M形軌跡下4個UE的MUSIC偽譜(c)S形軌跡下4個UE的MUSIC偽譜(d)估計的直線軌跡(e)估計的M形軌跡(f)估計的S形軌跡 63表1二維目標(biāo)檢測的多策略融合性能對比 表2不同方法的三維目標(biāo)檢測性能對比 366作為下一代移動通信系統(tǒng)，6G將提供更多維度的原生能力，邁向數(shù)字孿生、萬物圖1ITU-R定義的IMT-2030應(yīng)用場景和關(guān)鍵能力融合發(fā)展到互助互利、高度協(xié)同、深度交融。6G網(wǎng)絡(luò)突破單基站、單終端感知的局限7向，需對其關(guān)鍵技術(shù)進(jìn)行研究，為即將到來的標(biāo)準(zhǔn)化做好準(zhǔn)備。因此，本報告作為IMT-2030（6G）推進(jìn)組首個聚焦協(xié)作感知的技術(shù)報告，首先對協(xié)作場景進(jìn)行了分析，第二章協(xié)作場景分類以及優(yōu)勢與挑戰(zhàn)式之一。雷達(dá)、攝像頭等采集物理世界數(shù)據(jù)的方式已得到廣泛應(yīng)用，IEEE802.11已經(jīng)因此在未來，3GPP感知和其它形式的感知將進(jìn)行充分協(xié)同并進(jìn)行數(shù)據(jù)融合，有助于實(shí)基于3GPP感知和non-3GPP感知協(xié)同存在以下潛在場景：一種潛在應(yīng)用是3GPP豐富、多維的感知，提高感知精度。另一種潛在應(yīng)用non-3GPP感知為8圖2多模態(tài)協(xié)作感知示意圖采用OFDM波形作為感知信號時，高頻段和低頻段的子載波間隔不同，給感知信息融合帶來了挑戰(zhàn)[4][5]。除了高頻段和低頻段的協(xié)作之外，還有頻域協(xié)作的其他情況，例9圖3多基站協(xié)作場景下行感知范圍小于上行通信范圍，上行通信范圍小圖4基站與終端協(xié)作場景[2]。這意味著，采用單點(diǎn)A發(fā)A收的獨(dú)立感知，并不總是能接收感知節(jié)點(diǎn)的多樣性所帶來的平均散射強(qiáng)度更大圖5不同節(jié)點(diǎn)感知時無人機(jī)的RCS對比圖圖6多站協(xié)作提升檢測概率圖7更優(yōu)的感知范圍和連續(xù)性圖8多個感知接收節(jié)點(diǎn)協(xié)作時的感知覆蓋（1）幀結(jié)構(gòu)：面向協(xié)作感知場景，尤其是基站A發(fā)B收的工作模式，如何設(shè)計標(biāo)RCS波動、信道衰落等環(huán)境非理想因素會對感知結(jié)果帶來影響，因此需要設(shè)計非理（10）數(shù)據(jù)融合：如何對多個接收節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行融合，是協(xié)作感知的重要挑戰(zhàn)第三章多節(jié)點(diǎn)協(xié)作感知的空口關(guān)鍵技術(shù)分靈活，包括半靜態(tài)配置和動態(tài)配置。半靜態(tài)配置包括小區(qū)級別配置和動態(tài)配置通過groupcommonPDCCH（組公共物理下行控制信道）指示傳輸格式。為圖9協(xié)作感知幀結(jié)構(gòu)配置圖10需要功率控制的協(xié)作場景的MCS信息以及功率調(diào)整量的設(shè)置來控制功率。以PUSCH信號為例，具體功率控制其中pmax為UE最大發(fā)射功率，p0為基站期待接收到的功率，α為路徑損耗補(bǔ)償，在基站A發(fā)B收的協(xié)作感知場景中，可根據(jù)感知信號回波能量的初始測量值P1，以及根據(jù)感知小區(qū)覆蓋來計算接收端期待接收的回波信號強(qiáng)度pexp?ec?O，并對接收端小區(qū)內(nèi)的通信終端進(jìn)行一定的上行功率調(diào)整。一種方式是對基站期待接收到的功率值p0進(jìn)行調(diào)整，定義新的基站期待接收到的功率值p0?update，p0?update=pexp?ec?O+DRADC，其中DRADC為ADC動態(tài)范圍。由于接收端期待接收的回波信號強(qiáng)度為pexp?ec?O，因此pexp?ec?O為看為ADC動態(tài)范圍的下界，則ADC動態(tài)范圍的上界為pexp?ec?O+DRADC，并認(rèn)為該上界是新的基站期待接收到的功率值。另一種方式是計算新的功率調(diào)整值δsensing，δsensing=pexp?ec?O+DRADC?p1。如果將接收端期待接收的回波信號強(qiáng)度pexp?ec?O看為ADC動態(tài)范圍的下界，則ADC動態(tài)范圍的上界為pexp?ec?O+DRADC，該圖11通感沖突的優(yōu)先級配置通過速率匹配的方式向UE指示感知信號位置不可用。速率匹配包括RB級別和RE級圖12速率匹配用來解決通感沖突3.感知資源搶占：當(dāng)感知和通信傳輸資源沖突時，感知可占用已調(diào)度給通信的資用的資源。UE收到搶占指示后，認(rèn)為搶占信令指示的資源上沒有發(fā)送給自己的數(shù)圖13通感沖突的下行資源搶占示行干擾等對一體化性能的影響，以同時滿足網(wǎng)圖14上下行鏈路交叉干擾為保障信號成功檢測，需滿足干擾強(qiáng)度低于干擾上限，干擾上限=回波信號強(qiáng)度圖15互干擾強(qiáng)度CDF曲線圖下行基站的直射徑干擾可以看出不同站間距下，隨著干擾協(xié)調(diào)因子降低，系統(tǒng)干擾圖16測距RMSE與干擾協(xié)調(diào)因子關(guān)系曲線圖信號回波時，還會接收到來自相鄰基站B發(fā)出由基站A接收到的干擾信號，可對鄰區(qū)如圖17（a）所示；同時發(fā)送時，有兩個峰值，圖17（b）所示。通過對比兩種配置的是兩個基站同時發(fā)送相同感知信號，融合兩基站感知結(jié)果。圖17（bc）分別是基站示上述干擾識別方法還可以進(jìn)一步的達(dá)到干擾利用、提高系統(tǒng)感知資源利用率的效(a)無鄰區(qū)干擾時基站A感知數(shù)據(jù)(b)存在鄰區(qū)干擾時基站A感知數(shù)據(jù)(c)存在鄰區(qū)干擾時基站B感知數(shù)據(jù)圖17鄰區(qū)干擾識別圖18干擾利用的場景示意圖20信號進(jìn)行抑制。在A發(fā)A收的獨(dú)立感知模式中，某些區(qū)域內(nèi)的待感知目標(biāo)與感知站距模式中更需要對雜波干擾信號進(jìn)行抑制，從而提高圖19雜波抑制基本原理示意圖21信號模型的通感一體化系統(tǒng)中的雜波抑制算法研究相對較少。如何借鑒基于FMCW信感知的研究重點(diǎn)之一?；贔MCW信號模型的雜波抑制算法主要有兩大類，分別是動動目標(biāo)顯示MTI利用雜波抑制濾波器來抑制雜波，提高信號的信雜比，以利于運(yùn)的抑制較弱，從而抑制靜止目標(biāo)和靜物雜波。動目標(biāo)顯示MTI算法的本質(zhì)是對相鄰的其主要依據(jù)為不同速度產(chǎn)生的多普勒頻移不同。MTD中的多個窄帶多普勒濾波器組可通感一體化系統(tǒng)中的雜波抑制也可以采用類似的動目標(biāo)顯示MTI算法，即對配置有感知參考信號的兩個相鄰的OFDM符號的頻域信號作差，從而將來自靜態(tài)目標(biāo)的雜符號的時域信號解調(diào)得到頻域信號，然后通過對多個感知OFDM符號的上相同子載波我們分別采用MTI和MTD算法對通感一體化系統(tǒng)中基于OFDM信號波形的雜波22圖20MTI雜波抑制算法結(jié)果圖圖21MTI+MTD雜波抑制算法結(jié)果圖可造成約20米的距離偏差，無法滿足高精度測距需求。對于網(wǎng)絡(luò)時間同步，可通過基站直接授時或根據(jù)1588v2協(xié)議規(guī)定的有線時間網(wǎng)絡(luò)授時實(shí)現(xiàn)，采用這兩個方案時，基23圖22基于往返收發(fā)的同步誤差消除方案圖23基于參考徑的同步誤差消除方法非理想因素指的是由于系統(tǒng)硬件或者物理環(huán)境不理想導(dǎo)致無線感知出現(xiàn)的誤差成知目標(biāo)RCS波動、信道衰落、多徑干擾等同樣可能對感知結(jié)果或者用于計算感知結(jié)果24影響動態(tài)反射徑的長度，因此N(N≥2)個處于不同位置的終端可以測量人體反射徑的多普勒頻率（正比于動態(tài)反射徑長度的變化速度感知接收節(jié)點(diǎn)基于這N個多普勒頻現(xiàn)人體軌跡追蹤。該方案的詳細(xì)原理分析和數(shù)學(xué)推25圖24可靠估計判決示例(a)實(shí)測4個UE時域上連續(xù)的MUSIC偽譜(b)對應(yīng)的可靠估計判決結(jié)果在實(shí)際中，感知性能會受到許多非理想因素的影響，其中頻繁出現(xiàn)的是非視距號除了經(jīng)過目標(biāo)反射外，還經(jīng)過散射體的反射/折射/繞射，使得信號發(fā)生多跳反射，其感知接收端，其中一種情況如圖25(c)所示。(a)LOS(b)NLOS(c)遮擋圖25協(xié)作感知過程中的信號傳播情況利因素轉(zhuǎn)變?yōu)橛欣蛩兀ＷCNLOS情況下的感知精度[18]。針們給出一種具體的場景圖，如圖26所示。其中，感知發(fā)送節(jié)點(diǎn)（節(jié)點(diǎn)A）發(fā)送感知信號來感知一個預(yù)先檢測到的目標(biāo)T，感知回波信號被感知接收節(jié)點(diǎn)（節(jié)點(diǎn)B）接收。S26圖26NLOS下的協(xié)作感知場景 3A-S-B路信號重建與干擾消除：根據(jù)估計得到 27圖27協(xié)作感知中的NLOS利用算法流程圖圖28NLOS算法的位置估計結(jié)果28度，利用RSRP測量值或者SINR測量值來確定協(xié)作接收節(jié)點(diǎn)，但是這個方案的劣勢是面對實(shí)際感知場景選擇協(xié)作節(jié)點(diǎn)至關(guān)重要。因此，可進(jìn)一步考慮定義每條徑的SINR圖29協(xié)作節(jié)點(diǎn)選擇示意圖最終決策。例如，協(xié)作節(jié)點(diǎn)選擇的決策是由核心網(wǎng)網(wǎng)元SF執(zhí)行的，29的基站。或者，基站可以將小區(qū)內(nèi)可用感知UE的精確位置信息、小區(qū)內(nèi)可用感知UE圖30感知節(jié)點(diǎn)維護(hù)流程及感知質(zhì)量等。節(jié)點(diǎn)集的建立所需要的信息可以通過SF請求節(jié)感知模式和感知系統(tǒng)架構(gòu)（如分布式和集中式，或緊耦合和松耦合節(jié)點(diǎn)之間以及節(jié)30圖31多感知模式和感知節(jié)點(diǎn)協(xié)作的節(jié)點(diǎn)選擇示例第四章多模態(tài)協(xié)作感知算法與雷達(dá)融合的研究中，一般使用雷達(dá)信息在圖像上生成感興趣區(qū)域(RoI)，然后在RoI31圖32三種主要的雷達(dá)與視覺信息融合策略果決策級融合。具體的，雷達(dá)數(shù)據(jù)轉(zhuǎn)化是將原始雷達(dá)點(diǎn)數(shù)據(jù)轉(zhuǎn)化為類似RGB形式的三32圖33自適應(yīng)多策略信息融合網(wǎng)絡(luò)流程圖此我們采用將雷達(dá)感知數(shù)據(jù)轉(zhuǎn)化為類似RGB圖像的多維矩陣形式的方雷達(dá)數(shù)據(jù)增強(qiáng)方法核心思想即通過雙邊濾波來判別圖像上某一點(diǎn)和雷達(dá)點(diǎn)投影位置處的相似性，并以此來拓展該雷達(dá)點(diǎn)的影響范圍，最終將每個雷達(dá)點(diǎn)都拓展為雷達(dá)33表1二維目標(biāo)檢測的多策略融合性能對比AP(100)AP.50100AP.75100APs(100)APm(100)APl(100)AR(1)AR(10)AR(100)ARs(100)ARm(100)ARl(100)級融合方法。多策略融合方法的整體性能更優(yōu)，其中平均召回率（AR）的提升相較于本節(jié)提出一種基于雷達(dá)區(qū)域建議網(wǎng)絡(luò)和深度增強(qiáng)的三維目標(biāo)檢測網(wǎng)絡(luò)（以下簡稱RPN）生成的二維先驗(yàn)錨框，首先通過毫米波雷達(dá)點(diǎn)中包含的坐標(biāo)信息對其進(jìn)行修正，34圖34三維目標(biāo)檢測網(wǎng)絡(luò)（3DRrpn-depth）總體結(jié)構(gòu)在原始圖像經(jīng)過骨干網(wǎng)絡(luò)Densenet-121處理后得到的圖像特征圖上逐像素生成包含目圖35雷達(dá)區(qū)域建議網(wǎng)絡(luò)工作流程35圖36深度特征增強(qiáng)模塊工作流程本節(jié)提出的基于雷達(dá)區(qū)域建議網(wǎng)絡(luò)和深度增強(qiáng)的三維目標(biāo)檢測網(wǎng)絡(luò)3DRrpn-depth與對比方案的特征級融合網(wǎng)絡(luò)模型M3D-RPN、對比如表2所示，nuScenes數(shù)據(jù)集為包含車輛前向視覺與毫米波雷達(dá)數(shù)據(jù)的自動駕駛表2不同方法的三維目標(biāo)檢測性能對比實(shí)驗(yàn)結(jié)果表明本節(jié)提出的三維目標(biāo)檢測網(wǎng)絡(luò)3Drpn-depth相較第五章多頻段協(xié)作感知算法36其中，B{1,2}表示頻段的集合；xb(k,n,m)表示通信數(shù)據(jù)；fcb表示第b個頻段的載 其中Tsb是循環(huán)前綴（CyclicPrefix,CP）的長度；rect(.)矩形窗函數(shù)。第n個子載波上的回波感知信號表示為：y,n=kEQ\*jc3\*hps13\o\al(\s\up2(b),S)ej2πfsbmTbe-j2πnΔfdτ0aRx(θRx)aEQ\*jc3\*hps13\o\al(\s\up2(T),T)x(θTx)x,n其中，表示目標(biāo)與基站之間的衰減，包括反射系數(shù)βEQ\*jc3\*hps14\o\al(\s\up3(b),S)和路徑損耗；0表示目標(biāo)與基站的相對距離，τ0=2r0c表示相對距離所產(chǎn)生的時延；λb=c/fcb表示波化信號回波，在第m個OFDM符號時間內(nèi)的第n個子載波上，表達(dá)為：37其中zEQ\*jc3\*hps14\o\al(\s\up4(S),m),n表示加性高斯白噪聲（AdditiveWhite其中sb和sEQ\*jc3\*hps23\o\al(\s\up0(—),coop)分別表示單一頻段和協(xié)作感知的峰譜信息，pb和σEQ\*jc3\*hps16\o\al(\s\up4(2),b)分別表示第b個EQ\*jc3\*hps16\o\al(\s\up4(b),d)EQ\*jc3\*hps16\o\al(\s\up4(b),c)點(diǎn)感知獲得更優(yōu)的距離和速度估計性能，僅在SNR=-30~-20dB時，協(xié)作感知算法的速度估計性能略低于fEQ\*jc3\*hps16\o\al(\s\up4(3),c)=15GHz的單子帶估計性能。產(chǎn)生性能差異的原因隨著fEQ\*jc3\*hps16\o\al(\s\up4(b),c)數(shù)值38(a)距離估計RMSE曲線(b)速度估計RMSE曲線圖37基于峰譜聚合級的多頻段融合算法距離估計和速度估計的RMSE曲線在第b個頻段的第p個接收天線上的信道信息矩陣可以表示為：EQ\*jc3\*hps20\o\al(\s\up3(^),X)39不同。我們采用最大比合并的方式，即給高低頻圖38基于特征向量的多頻段融合算法(a)距離估計的RMSE(b)速度估計的RMSE圖39基于特征向量的多頻段融合算法的仿真結(jié)果40第六章多節(jié)點(diǎn)協(xié)作感知算法知定位。對于基站間的協(xié)作感知，如圖40所示主41據(jù)每個接收節(jié)點(diǎn)的接收SINR、盲區(qū)位置等對數(shù)據(jù)進(jìn)行篩選，保留相對誤圖40不同協(xié)作層級示意圖收的感知數(shù)據(jù)發(fā)送到融合中心進(jìn)行融合（包括信號級、符號級和數(shù)據(jù)級對于自發(fā)他收，不同的感知數(shù)據(jù)在被動接收端或進(jìn)行融合處理（包括信號級、符號級和數(shù)據(jù)級N-1N-1dm,μesj(2π(f0+mΔf)t+0)ts42符號。f0是上變頻頻率，mΔf是第m個子載波的調(diào)制頻率，Ts是單個符號持續(xù)時間，對于徑向速度為v，距離為R的目標(biāo)，定義U為復(fù)幅度衰減，自發(fā)自收的信號回波2R其中R2表示目標(biāo)到被動接收端的距離，fD2表示移動目標(biāo)對被動信號產(chǎn)生的多普勒進(jìn)行MIMO模式相參處理，估計不同接收信號間的時延、相位差參數(shù)，在實(shí)現(xiàn)信號間可以形成關(guān)于同一目標(biāo)的N2路回波接收通道，從而獲得最大為N2的信噪比增益。43圖41分布式全相參方法的MIMO模式接收相參處理框圖第三個階段是相參跟蹤階段，如圖42所示，所有發(fā)射機(jī)改為發(fā)射同頻同編碼的寬全相參系統(tǒng)總計能夠獲得最大為N3的信噪比增益。圖42分布式全相參方法的收發(fā)相參模式相參處理框圖兩基站使用兩相互正交的脈沖信號s1(t)和s2(t)為基帶信號，則發(fā)射信號可表示為：EQ\*jc3\*hps23\o\al(\s\up8(x),x)EQ\*jc3\*hps15\o\al(\s\up8(1),2)EQ\*jc3\*hps23\o\al(\s\up10(t),t)1(t)ej2πft2(t-Δτ)ej(2πft-Δφ)τ1和τ2，則到達(dá)目標(biāo)時兩信號表達(dá)式為：44y1=s1(t-2τ1)e-j2πf2τ1+s2(t-Δτ-τ1-τ2)e-j(2πf(τ1+τ2)+Δφ)y2=s1(t-τ1-τ2)e-j(2πf(τ1+τ2)-Δφ)+s2(t-Δτ-2τ2)e-j2πf2τ2對于基站1，分別使用與s1(t)和s2(t)相對應(yīng)的匹配濾波器對接收信號y1進(jìn)行處理，兩匹配濾波器輸出信號峰值對應(yīng)時延分別為2τ1和τ1+τ2+Δτ,對應(yīng)相位分別為2πf2τ1ΔT1=τ2-τ1+ΔτΔφ=2πf(τ2-τ1)+Δφ同理，基站2分別使用與s1(t-Δτ)和s2(t-Δτ)相對應(yīng)的匹配濾波器對接收信號y2進(jìn)行處理，匹配濾波器輸出信號峰值對應(yīng)時延分別為τ1+τ2-Δτ和2τ2，對應(yīng)相位分別為2πf(τ1+τ2)-Δφ和2πf2τ2，因此兩信號時延、相位差異估計值為：ΔT2=τ2-τ1+ΔτΔφ=2πf(τ2-τ1)+Δφ信號間相位差為π/3。兩基站分別獨(dú)立對目標(biāo)回波進(jìn)行積累后的頻域表示如所示。比較圖43(a)、圖43(b)和圖44可知，兩基站接收信號相參合成后，檢測信噪45(a)相參合成前基站1接收信號(b)相參合成前基站2接收信號圖43參合成前的接收信號圖44兩基站接收信號相參合成結(jié)果本小節(jié)介紹一種基于最小誤差累積的多基站融合算法。在A發(fā)A收場景下，站的感知較為獨(dú)立，缺少相關(guān)性，無法確定融合依據(jù)參量。因此[30]提出一種基于誤差處理和晶格點(diǎn)搜索兩步，如圖45所示。單個基站采用MUSIC算法，接收天線為平面46圖45基于最小誤差累積的多基站融合算法流程圖47(a)不同信噪比場景(b)相同信噪比場景圖46基于誤差累積融合算法的定位融合結(jié)果(a)不同信噪比場景(b)相同信噪比場景圖47基于誤差累積融合算法的速度估計融合結(jié)果考慮了A發(fā)B收下的同步誤差消除問題和多節(jié)點(diǎn)回波數(shù)據(jù)的符號級融合感知處理問題[31]。針對同步誤差的消除，該算法提出獲得的第i個節(jié)點(diǎn)的距離和速度特征向量分別表示為：48和和圖48基于網(wǎng)格搜索的多基站感知融合算法49(a)(b)圖49基于網(wǎng)格搜索的多基站感知融合算法的(a)定位RMSE(b)測速RMSE關(guān)聯(lián)自發(fā)自收和自發(fā)他收感知信息來緩解時間偏移（TimeOffsets,TOs）和載波頻率偏模有限的低復(fù)雜度高精度到達(dá)角（ArriveofAngle,AoA）估計挑戰(zhàn)[32]。圖50雙基站協(xié)作感知場景圖50同一目標(biāo)的自發(fā)自收和自發(fā)他收感知之間的延遲和多普勒頻移的偏差可以分別表（Cross-CorrelationCoopertiveSensing,CCCS）算法，如圖51所示。針對k1,R和k2,R的為了補(bǔ)償ΔfD+δf(m)，針對k1,D和k2,D的CCCS算法可表述為其中，Δτ+δτ(m)被轉(zhuǎn)換為沿載波頻率軸變化的調(diào)制符號之間的線性相移，ΔfD+δf(m)被轉(zhuǎn)換為沿OFDM符號軸變化的調(diào)制符號之間的線性相移。因此，Δτ+δτ(m)和ΔfD+δf(m)可以使用離散傅里葉變換算法估計出來。51圖51互相關(guān)協(xié)同感知算法的流程圖圖52和圖53展示了不同TO和CFO條件下測距測速的歸一化均方誤差CFO會導(dǎo)致測速精度降低。如圖52所示，TO的均值E(δτ)越大，距離估計精度起伏均值E(δτ)越大，速度估計精度起伏越大E(δf)越大，則測速的NMSE也越大，說明測圖52不同TO下的測距NMSE52圖53不同CFO下的測速NMSE1）基于算術(shù)平均的融合算法：對各基站獲得的感知數(shù)據(jù)取算數(shù)平均，適用于測量2）基于加權(quán)平均的融合算法：根據(jù)各基站測量的可靠性賦予不同權(quán)重，適用于各4）基于濾波器遞歸的融合算法：基于用戶移動過程中與周圍基站通信產(chǎn)生的多徑53果噪聲峰值幅度超過目標(biāo)峰值幅度，將會造成目標(biāo)峰值IFFT采樣點(diǎn)序號判斷錯誤，造峰值IFFT采樣點(diǎn)序號的概率分布為40%和70%，距離遠(yuǎn)的基站概率更低，由于30%甚至60%錯誤感知數(shù)據(jù)的引入，如果簡單的用所有獲得的感知數(shù)據(jù)了不對估計坐標(biāo)進(jìn)行任何處理的定位誤差CDF分布，圖54（b）給出了重復(fù)測量（10次）并利用改進(jìn)算術(shù)平均法處理后的定位誤差CDF分多次測量并進(jìn)行改進(jìn)算術(shù)平均數(shù)據(jù)融合處理可以有效去除由于噪聲引起的異常距離估(a)(b)圖54定位誤差CDF分布(a)未進(jìn)行數(shù)據(jù)融合(b)采用改進(jìn)算術(shù)平均數(shù)據(jù)融合處理6.1節(jié)方法感知接收節(jié)點(diǎn)獲得關(guān)于目標(biāo)的到達(dá)角φnEQ\*jc3\*hps23\o\al(\s\up13(務(wù)器或數(shù)據(jù)處),對應(yīng)的到達(dá)角)EQ\*jc3\*hps23\o\al(\s\up13(單元),與時)EQ\*jc3\*hps23\o\al(\s\up13(務(wù)器),數(shù)據(jù))EQ\*jc3\*hps23\o\al(\s\up13(數(shù)),根)EQ\*jc3\*hps23\o\al(\s\up13(據(jù)),據(jù))EQ\*jc3\*hps23\o\al(\s\up13(處),最)EQ\*jc3\*hps23\o\al(\s\up13(理),小)EQ\*jc3\*hps23\o\al(\s\up13(單),誤)EQ\*jc3\*hps23\o\al(\s\up13(元),差)EQ\*jc3\*hps23\o\al(\s\up13(假),原)EQ\*jc3\*hps23\o\al(\s\up13(設(shè)),則)EQ\*jc3\*hps23\o\al(\s\up13(目),優(yōu))EQ\*jc3\*hps23\o\al(\s\up13(標(biāo)),化)EQ\*jc3\*hps23\o\al(\s\up13(置為),y值)EQ\*jc3\*hps23\o\al(\s\up13(y),可)EQ\*jc3\*hps23\o\al(\s\up13(并計),寫成)54需要傳輸一對到達(dá)角φn與N個時延τn數(shù)據(jù)，服務(wù)器或數(shù)據(jù)處理單元需要迭代優(yōu)化x,y最小誤差原則優(yōu)化(vx,vy)值，可以寫成其中εx,n=cosφT,n+cosφR,n，εy,n=sinφT,n+sinφR,n,利用該目標(biāo)速度初值可以加圖55多節(jié)點(diǎn)數(shù)據(jù)級融合55(a)(b)圖56數(shù)據(jù)級融合的(a)定位的RMSE(b)測速的RMSE量，在多節(jié)點(diǎn)融合技術(shù)中可以選擇接收信號功率（例如：RSRP）最強(qiáng)的多個感知收發(fā)門限的收發(fā)扇區(qū)pair作為協(xié)同感知的收發(fā)節(jié)點(diǎn)；然后建模用于協(xié)同感知的多收發(fā)扇區(qū)pair和感知目標(biāo)之間的小尺度信道，產(chǎn)生信道系56圖57各個感知接收節(jié)點(diǎn)的感知目標(biāo)位置估計分布圖DBSCAN聚類算法。進(jìn)一步地，為了提高聚類的精度，可以采用畫柵格的方法進(jìn)行聚圖58展示了基于柵格聚類的感知目標(biāo)位置融合結(jié)果分布圖。圖59對比了UAV場景圖58基于柵格聚類的感知目標(biāo)位置融合結(jié)果分布圖57(a)多站融合前位置精度（b）多站融合后位置精度圖59多站融合前和多站融合后目標(biāo)位置精度CDF曲線與周圍基站通信過程中會經(jīng)由信道估計產(chǎn)生LoS和NLoS徑信道參數(shù)，如AoA、AoD用戶形成的LoS徑，其只涉及單目標(biāo)估計問題，可以用擴(kuò)展卡爾曼濾波器融合多基站待估計地圖特征的關(guān)聯(lián)性未知，則采用PHD濾波器來對地圖特征進(jìn)行融合估計。進(jìn)一58利用上一時刻的地圖估計結(jié)果作為當(dāng)前時刻的先驗(yàn)信息，結(jié)合EKF估計的用戶位EQ\*jc3\*hps16\o\al(\s\up5(i),1)(m)+Bt(k,i)(m)其中，Bt(k,i)(m)是依據(jù)當(dāng)前時刻觀測值生成的新生PHD地圖分量，DEQ\*jc3\*hps16\o\al(\s\up6(i),1)當(dāng)新的信道參數(shù)估計值到達(dá)時，可以基于PHD濾波器更新用戶位置和無線地圖特征。采用了基于粒子濾波器實(shí)現(xiàn)的方式對PHD地圖進(jìn)行更新，以避免由于高維集合積每個點(diǎn)都代表一個用戶位置粒子。針對每個粒子，利用PHD濾波器融合NLoS多徑參更新粒子權(quán)重。接著，依據(jù)粒子權(quán)重對不同粒子的PHD地圖進(jìn)行加權(quán)平均即可完成當(dāng)59圖60射頻地圖特征幾何關(guān)系示意圖圖61給出了雙基站視野重疊場景的仿真結(jié)果，其中圖(a)(b)分別是用戶定位精度站本地地圖間無融合、加權(quán)平均融合和幾何平均融合的結(jié)果?？梢钥吹剑ㄟ^EKF和PHD分別融合LoS和NLoS多徑參數(shù)可以顯著提升估計精度；在視野重疊的地圖重建(a)(b)圖61云端融合算法仿真結(jié)果第七章多節(jié)點(diǎn)協(xié)作感知的原型驗(yàn)證60原型樣機(jī)主要由基帶平臺（中央處理板、射頻前端板處理板支持資源密集型信號處理和100Gbps高速數(shù)支持百兆級帶寬。通感一體化信號設(shè)計采用通感性能最佳折中的OFDM一體化波形，包括兩臺一體化信號收發(fā)機(jī)（一臺作為通感發(fā)射端、一臺作為感知接收端一臺通信圖62測試場景示意圖61圖63單次目標(biāo)檢測結(jié)果圖64蜂窩網(wǎng)絡(luò)下的多終端協(xié)作感知與通信一體化場景示意圖USRP驗(yàn)證了A發(fā)B收感知模式下利用多個終端節(jié)點(diǎn)進(jìn)行行人軌跡跟蹤的可行性。實(shí)驗(yàn)結(jié)果表明，該終端協(xié)作原型能夠?qū)崿F(xiàn)準(zhǔn)確的行人軌跡跟蹤，同時進(jìn)行多用戶62圖65軌跡追蹤樣機(jī)以及環(huán)境照片(a)實(shí)驗(yàn)中發(fā)射機(jī)和接收機(jī)布局(b)實(shí)測感知目標(biāo)運(yùn)動區(qū)域(c)接收機(jī)(d)發(fā)射機(jī)(e)發(fā)射天線(f)接收天線圖66多UE協(xié)作軌跡追蹤實(shí)測結(jié)果示例(a)直線軌跡下4個UE的MUSIC偽譜(b)M形軌跡下4個UE的MUSIC偽譜(c)S形軌跡下4個UE的MUSIC偽譜(d)估計的直線軌跡(e)估計的M 形軌跡(f)估計的S形軌跡633.7小節(jié)的非理想因素消除方案，本節(jié)所述多終端協(xié)作軌跡追蹤方案能夠達(dá)到較好的通通信感知一體化作為ITU-R確立的6G六大場景之一，將賦能未來6G網(wǎng)絡(luò)提供原功率控制、資源沖突解決、干擾管理、雜波抑制、高64年3GPP將正式開啟6G標(biāo)準(zhǔn)化。本研究報告中的協(xié)作感知場景、65[1]Frameworkandoverbeyond,RecommendationITU-RM.2160,202PerformanceandFieldTrial,”IEEEJournLearningBasedMulti-NodeISAC4DEnvironmentalReconstructiUplink-DownlinkCooperation,”IEEEInternetofThingsJournal,EarlyAccess,2024.MIMO-OFDMIntegratedSensingandCoonWirelessCommunications,inarxivpreprintarxCommunicationSignalProcessingBasedOnCompressed“IntegratedSensingandCommunicationenabledMultipleBaseStationsCooperativeSensingTowar