面向大规模接入的通信感知一体化 | 邵晓丹,陈枫,仇挺之等

研究意义

随着万物互联愿景不断推进，无线电频谱稀缺已成为制约未来无线通信系统发展的严峻挑战。为了解决上述问题，通信感知一体化 (integrated sensing and communication，ISAC) 逐渐成为第六代（6G）移动通信技术与业务的主导趋势之一。ISAC 系统不仅能完成可靠的多设备通信，同时能实现准确的感知，有望成倍提高频谱效率。在ISAC研究中，无线感知侧重于利用电磁波信号，特别是射频信号来检测和估计物体和环境的各种特征，成像也成为了其中非常重要的应用之一。无线信号的穿透力有限，为了提高成像的分辨率，需要在空间环境中配备多个发射端和接收端从各个角度照亮物体。但是重新布置大量发射接收端会导致感知系统硬件代价过大。值得庆幸的是，6G 将融合感知和通信等能力，构建持续演进的大规模机器通信 (continuous evolution of mMTC，mMTC+) 场景，mMTC+将连接对象扩展至智慧城市、智慧工厂、智慧交通等场景，引入了千亿数量级设备。海量设备中只有一小部分设备同时处于激活状态，激活的多个设备在向基站发送数据的过程中，信号可以从不同的角度将物体照亮，这自然而然地为感知提供了良好的感知网络和信号资源，无需重新配备多个发射接收感知设备和发送专门的感知信号，节省了硬件资源和频谱资源。为了提高接入成功率，mMTC+需要采用大规模随机接入技术。因此，如何设计面向大规模随机接入的通信感知一体化系统成了迫在眉睫的任务。

本文工作

为了解决上述问题，本文提出了一个完整的面向大规模接入的通信感知一体化框架，该系统共享大规模随机接入系统的硬件设施和信号处理模块来实现物体成像感知。即大规模随机接入系统可以利用相同的频谱、硬件和信号处理模块来完成物体成像的感知服务。具体而言，激活设备同时向基站发送待解码的数据信息，信号被环境中物体散射后到达基站。在基站端，本文探究了大规模接入的偶发性通信的特性和环境信息的稀疏特性，通过张量分解技术可以同时解码出激活设备发送来的数据、激活设备数目，和包含物体成像信息的中间参量。然后利字典学习和压缩感知技术，将物体的信息从中间参量中提取出来。

本文的创新点如下：

• 首次提出了面向大规模接入的通信感知一体化架构，该架构利用相同的频谱、硬件和信号处理模块同时完成激活设备检测和环境感知功能，为6G 通信感知一体化打下坚实基础。
• 利用大规模接入的偶发通信的特性和环境信息的稀疏特性，将 ISAC 问题建模为高阶张量分解问题，并基于变分贝叶斯学习，字典学习和稀疏信号处理技术，设计了一种新的低复杂度的联合激活设备检测和感知算法。
• 提供了所提出算法的理论分析，结果表明所提算法具有快速收敛，低计算复杂度和分解唯一性等优点。

图1. 面向大规模接入的通信感知一体化

实验结果

在仿真实验中，用小方块表示点云在空间中的散射系数。点云大小设置为 8 × 8 × 8，其中任意一个散射系数的取值范围是[0，1]。本文假设整个成像区域的位置是已知的，但是不知道散射体具体处于哪个位置。本文的设备检测误差用误包率(packet error rate PER) 来衡量。

环境散射体的分布如图 2的第1个子图所示。当算法收敛过后，得到的感知结果如图 2的后面3个图所示。可以看出，当发射功率为 0 dBm 时，感知结果非常模糊，目标物体的形状只能勉强区分。当发射功率增高时，被错误识别的散射体数目逐渐减少，直到发射功率达到 12 dBm 时，可以清楚地看出目标的形状。这是因为低的发射功率会影响激活设备检测的准确性，进而影响到了感知结果的准确性。

图 2. 原始环境散射体分布(第一个子图) 和不同发射功率条件下的感知结果(第二到第四个子图的发射功率分别为0 dBm, 6 dBm 和12 dBm)

图3绘制了 PER 与物体大小的关系。我们用非零点云占总点云的比例来表征物体的大小。从图中可以看出，随着物体的增大，激活设备检测的准确率逐渐下降，这是因为物体越大，非零散射系数越多，导致信号的路径损耗越加严重，从而使得基站接收信噪比降低，误包率也逐渐增加。

图 3. PER 与物体大小之间的权衡关系

全文下载: 

http://engine.scichina.com/doi/10.1360/SSI-2022-0266

相关阅读