通信感知一體化波束賦形技術(shù)的研究現(xiàn)狀與展望

謝媛媛， 錢瑩晶， 張仁民，3

（1.吉首大學，湖南 吉首 416000； 2.懷化學院，湖南 懷化 418008；3.武陵山片區(qū)生態(tài)農(nóng)業(yè)智能控制技術(shù)湖南省重點實驗室，湖南 懷化 418008）

現(xiàn)代通信技術(shù)加快了從5G 邁向6G 的步伐。6G的網(wǎng)絡愿景包含通信系統(tǒng)與智能感知的深度融合，即通信感知一體化（Integrated Sensingand Communication，ISAC）[1]，將通信和感知2 大功能集成在同一系統(tǒng)內(nèi)[2]，其對通信性能有著低延時、高可靠性等越發(fā)嚴苛的要求，同時對感知能力提出高分辨率和高參數(shù)估計精度的需求。這是由于通信和感知在系統(tǒng)結(jié)構(gòu)方面具有相似性；另外，為了滿足多種業(yè)務需求不斷擴展，它們的工作頻段逐步趨向重合。因此，二者之間界限的淡化促使了ISAC 技術(shù)的誕生。這為節(jié)省成本提供了有效解決方案，還可實現(xiàn)功能互惠。目前，ISAC 已被納入6G 的核心特性，成為主流觀點[3，4]。

波束賦形（Beamforming，BF）的主要作用是獲得顯著的陣列增益。多用戶多輸入多輸出（Multiple-Input Multiple-Output，MIMO）系統(tǒng)預編碼技術(shù)可以在發(fā)射端對信道狀態(tài)信息（Channel State Information，CSI）加以利用，使各用戶接收的信號不受其他用戶的干擾。二者具有相同的優(yōu)勢：一是可以有效地消除多用戶干擾（Multi-User Interference，MUI）；二是可以解決移動終端無法聯(lián)合處理提取接收信息的問題。綜上所述，二者對于提高ISAC 系統(tǒng)性能有著顯著優(yōu)勢。

本文主要介紹3 種融合程度的ISAC 系統(tǒng)設計結(jié)構(gòu)；分別從3 種系統(tǒng)結(jié)構(gòu)下BF 的不同應用中的關(guān)鍵技術(shù)進行闡述；并探討了可能的技術(shù)挑戰(zhàn)及潛在的發(fā)展方向等。

1 通感一體化波束賦形概述

目前，ISAC 技術(shù)面臨著許多挑戰(zhàn)[5]。感知子系統(tǒng)和通信子系統(tǒng)在同一系統(tǒng)資源下緊密耦合，由此引發(fā)的問題是二者相互影響、相互制約，需要更多的系統(tǒng)容量和硬件資源來支持二者的一體化設計性能。因此，在有限資源下的聯(lián)合性能優(yōu)化和資源優(yōu)化問題顯得尤為重要。

從通信和感知的交互及相互影響的角度分析，二者在系統(tǒng)中的融合程度分為3 種模式，分別為共存設計、協(xié)同設計、聯(lián)合設計和優(yōu)化，見表1。

表1 ISAC 3 種融合模式系統(tǒng)對比

1）共存設計。通信和感知系統(tǒng)共享時頻空資源，但2 個系統(tǒng)之間不進行信息交互，不考慮系統(tǒng)集成設計和優(yōu)化。一方面，在兩者沒有完美隔離時，它們相互之間會產(chǎn)生干擾；另一方面，縮小感知探測的動態(tài)范圍，弱化系統(tǒng)的目標估計精度和覆蓋能力。

2）協(xié)同設計。為了達到減小通信系統(tǒng)和感知系統(tǒng)之間干擾的目的，二者共享部分信息。除此之外，利用信息共享實現(xiàn)更加豐富的功能，或者二者相互協(xié)助提升性能。

3）聯(lián)合設計和優(yōu)化。在系統(tǒng)設計時將通信和感知聯(lián)合考慮，從網(wǎng)絡架構(gòu)、傳輸協(xié)議等各個角度實現(xiàn)通信和感知功能的緊密融合，提升系統(tǒng)整體性能，同時抑制或消除通信和感知子系統(tǒng)之間的干擾。

綜上所述，ISAC 技術(shù)在3 種系統(tǒng)模式中都面臨著互干擾問題。波束賦形技術(shù)可以更加智能有效地解決ISAC 技術(shù)干擾管理、資源優(yōu)化和聯(lián)合性能優(yōu)化的困難。

2 3 種融合模式下波束賦形設計方法

本節(jié)將對ISAC 波束賦形技術(shù)在3 種融合模式中的應用進行闡述。其中，共存和協(xié)同設計的BF 技術(shù)應用以干擾管理為主，而聯(lián)合設計中BF 技術(shù)可應用于多個方面。

2.1 共存設計

共存設計系統(tǒng)中必然存在相互干擾以及外界雜波，可以通過BF 設計實現(xiàn)干擾管理，包括干擾抑制和干擾利用。共存設計干擾管理的方法總結(jié)如表2所示。

表2 共存設計和協(xié)同設計系統(tǒng)中對BF 技術(shù)的應用

1）干擾抑制

干擾抑制的常用方法是在BF 優(yōu)化問題中將可靠性指標作為約束或目標函數(shù)，比如，正交頻分復用（Orthogonal Frequency-Division Multiplexing，OFDM）MIMO雷達可以實現(xiàn)與通信系統(tǒng)共存，利用該系統(tǒng)的相控陣雷達波束控制優(yōu)點，在最大化雷達信噪比（Signal-to-Noise Ratio，SNR）的目標下，約束通信速率的下界，設計BF抑制雷達對通信的干擾[6]；在同樣的假設條件下，新的性能指標復合率（Compound Rate，CR）是信道可能受干擾或不受干擾的條件互信息，最大化CR 的優(yōu)化問題不僅可抑制對通信的干擾，還考慮了雷達干擾的間歇性，更貼近實際信道情況[7]。

2）干擾利用

瞬時干擾可分為建設性干擾（Constructive Interference，CI）和破壞性干擾2 類[8]。本文以正交相移鍵控符號為例，在給定下行SNR 下界和發(fā)射功率預算的條件下，利用基于CI 的波束賦形設計將接收符號旋轉(zhuǎn)至構(gòu)造區(qū)域（Constructive Area，CA），使得在功率和干擾最小化方面都優(yōu)于傳統(tǒng)的基于SDR 的設計方案[9]。

2.2 協(xié)同設計

在協(xié)同設計中，本文除了通過預編碼設計實現(xiàn)有效的互干擾抑制外，還可利用信息共享的特點進行聯(lián)合優(yōu)化，即同時增強感知和通信性能。協(xié)同設計系統(tǒng)中BF 技術(shù)的總結(jié)如表2 所示。

2.2.1 干擾管理

感知或通信子系統(tǒng)的預編碼設計可以減小互干擾，比如：在多輸入多輸出矩陣補全雷達（MIMORadars Via Matrix Completion，MIMO-RVMC）提供頻譜共享的優(yōu)勢下，通信子系統(tǒng)預編碼設計針對二者是否共享1個采樣方案的2 種情況，實現(xiàn)有效降低通信對雷達的有效干擾功率，特別是雷達接收天線處的稀疏采樣可以降低干擾信道的階數(shù)[10]；在協(xié)調(diào)多點系統(tǒng)下，2種雷達預編碼設計方案可以有效地減小雷達對通信系統(tǒng)的干擾。第1 種方案為切換零空間投影（Switched Null Space Projection，SNSP）內(nèi)，雷達在每個脈沖重復間隔（Pulse Repetition Interval，PRI）內(nèi)尋找最佳集群。第2 種方案，切換小奇異值空間投影（Switched Small Singular Value Space Projection，SSSVSP）是基于已知雷達與特定基站（Base Station，BS）集群之間的復合干擾信道設計的[11]。

2.2.2 聯(lián)合優(yōu)化

聯(lián)合優(yōu)化指同時提升感知和通信性能，體現(xiàn)聯(lián)合設計使兩者深度融合的目標。集成網(wǎng)絡體系結(jié)構(gòu)可以進一步實現(xiàn)該目標，其核心是執(zhí)行復雜處理任務的中心控制單元。在該架構(gòu)下，基于干擾對齊（Interference Alignment，IA）的雙層交替優(yōu)化（Two-Tier Alternative Optimization，TTAO）算法架構(gòu)的第1 層中2 個子算法交替優(yōu)化得到BF 設計，第1 個子算法用于最大化雷達系統(tǒng)的通信干擾加噪比，第2 個子算法用于最大化通信系統(tǒng)的平均總速率[12]。

2.3 聯(lián)合設計

本節(jié)將介紹ISAC 聯(lián)合BF 設計在不同方面應用的關(guān)鍵技術(shù)。聯(lián)合設計中BF 技術(shù)在干擾管理、聯(lián)合優(yōu)化方面的應用總結(jié)如表3 所示，其在擴大傳感區(qū)域、資源優(yōu)化方面的應用總結(jié)如表4 所示。

表3 聯(lián)合設計中應用于干擾管理和聯(lián)合優(yōu)化的BF 技術(shù)

表4 聯(lián)合設計中應用于擴大傳感區(qū)域和資源優(yōu)化的BF 技術(shù)

2.3.1 干擾管理

1）干擾抑制

一方面，基于迫零MUI 和雷達干擾的聯(lián)合波束形成的低復雜度策略，可以很好地解決雙功能系統(tǒng)傳輸獨立雷達波形和通信符號的加權(quán)和優(yōu)化問題，從而減小對通信的干擾[13]。另一方面，引入重構(gòu)智能表面（Reconfigurable Intelligent Surface，RIS）可以有效減少MUI，顯著提高系統(tǒng)吞吐量，并平衡雷達和通信性能，使發(fā)射的波束與目標圖像更好地匹配[14]。

2）干擾利用

雙功能一體化（Dual-Functional Radar and Communication，DFRC）系統(tǒng)中的符號級預編碼（Symbol-Level Precoding，SLP）將MUI 轉(zhuǎn)換為有用信號，建立波束賦形設計優(yōu)化問題[15]。SLP 技術(shù)可以與空時自適應處理（Space-Time Adaptive Processing，STAP）技術(shù)相結(jié)合，基于CI 將無噪聲接收信號推入相應的CA，從而在強雜波的情況下實現(xiàn)顯著的目標檢測性能[16]；還可以利用雷達下行干擾信號功率提升通信系統(tǒng)容量，并通過最佳的雷達波形設計和最佳的波束功率分配，最大限度地提高網(wǎng)絡的總速率和能量效率[17]。

DFRC 系統(tǒng)中的雷達波束可以作為人工干擾來抑制潛在的竊聽通道。假設雷達目標為潛在的竊聽者且竊聽者方向已知，為了限制竊聽率，接收端的波束賦形設計采用定向調(diào)制（Directional Modulation，DM）技術(shù)來最大化雷達的竊聽信干燥比[18]。當CSI 未知時，可采用總速率最大化（Sum Rate Maximization，SRM）方案，即一種次優(yōu)的基于迫零BF 設計。但SRM 方案在潛在竊聽者的位置沒有任何先驗信息的情況下，計算復雜度就會過高。干擾功率最大化（Jamming Power Maximization，JPM）方案，考慮干擾功率最大化問題，其約束條件較少，因此計算復雜度較小[19]。

2.3.2 聯(lián)合優(yōu)化

1）性能權(quán)衡

通感一體化設計中，感知和通信在資源方面本質(zhì)上是競爭的關(guān)系，因此需要對二者的性能進行權(quán)衡。天線部署方面，部署方式包含共享和分離設計，兩者都要求BF 設計使通信與雷達的波束圖像相匹配。Liu Fan 等[20]采用雷達多波束[21]和3dB 波束[22]設計方法，加上迫零雷達干擾的約束條件，獲得通信需要匹配的雷達波束圖像，并分別與2 種天線部署方式結(jié)合起來建立聯(lián)合優(yōu)化問題。在相同的天線部署方式下，Xu Chengcheng 等[23]通過加權(quán)最小均方誤差半定規(guī)劃算法和加權(quán)最小均方誤差主導最小化算法對聯(lián)合優(yōu)化問題進行求解。具有混合波束賦形（Hybrid Beamforming，HBF）體系結(jié)構(gòu)的正交頻分復用的雙功能一體化（Orthogonal Frequency-Division Multiplexing Dual-Functional Radar and Communication，OFDM-DFRC）系統(tǒng)的信令方案先假設所有的接收機都是全數(shù)字的，由此采用協(xié)同交替方向乘子法算法設計發(fā)射機的BF 矩陣。在此基礎上，我們通過塊坐標下降算法更新混合接收機[24]。自適應快速組合BF 設計通過沿通信方向傳輸一小部分能量，并沿其他雷達傳感方向“均勻”分布剩余能量來實現(xiàn)寬視場[25]。

2）降低算法復雜度

配備1-bit 數(shù)模轉(zhuǎn)換（Digital-to-Analog Converter，DAC）的DFRC 系統(tǒng)與采用無限分辨率的DAC 系統(tǒng)相比，可以大大減少硬件成本。基于加速原始梯度（Accelerated Primal Gradient，APG）方法的一種基于傳輸BF 的間接設計方案，其優(yōu)化維數(shù)始終小于直接序列設計，并且具有更好的誤符號率性能[26]。相同系統(tǒng)結(jié)構(gòu)下，為了提高預編碼器的收斂速度，我們還可以將非線性預編碼問題表述為具有常量約束的加權(quán)優(yōu)化問題，并采用多變量交替最小化（Multi-Variable Alternating Minimization，MVAM）迭代框架求解[27]。在多用戶多目標的場景下，一種基于HBF 架構(gòu)的多載波DFRC 系統(tǒng)的信令方案，引入了輔助變量對數(shù)字和模擬射頻的BF 矩陣進行解耦，從而得到相對簡單的問題形式[28]。

3）融入計算卸載功能

多目標場景下，一種通信、雷達感知和移動邊緣計算（Communication，Radar sensing，and Mobile-Edge Computing，CRMEC）架構(gòu)可以共同考慮多用戶終端MIMO 雷達信號處理和計算卸載能耗的性能[29]。

4）探究性能邊界

DFRC 波束成形設計被擴展到一般場景，即BS 同時作為MIMO 雷達檢測目標，并與多個多天線用戶通信，分別以雷達為中心和通信為中心進行優(yōu)化。雷達優(yōu)化問題采用逐次凸近似（Successive ConvexApproximation，SCA）算法來放寬非凸約束，從而得到1 個凸優(yōu)化的迭代解；通信優(yōu)化問題則采用加權(quán)均方誤差（Mean Squared Error，MSE）準則來避免非凸目標函數(shù)[30]。

2.3.3 擴大傳感區(qū)域

模擬天線陣列通常使用單一波束，這限制了通信方向內(nèi)的感知區(qū)域。一種多波束框架可以有效解決這一難題，即同時從單個發(fā)射陣列提供用于通信的固定子波束和用于感知的掃描子波束[31]。計算公式為：

在此基礎上，Yuyue Luo 等[32]為了最大提高接收信號功率，同樣采用式（1）的融合形式，在全信道矩陣或估計波達方向（Direction ofArrival，DOA）的路徑已知情況下，通過最大化接收機的SNR 來推導最優(yōu)組合系數(shù)。或者，在離散掃描方向上約束BF 增益并在某一范圍方向上約束總掃描功率，從約束條件的角度優(yōu)化子波束組合器[33]。一種結(jié)合雙相移器碼本的聯(lián)合量化方法可以接近非量化BF 向量的性能。

2.3.4 資源優(yōu)化

1）降低成本

一方面，可以從硬件方面降低成本，例如：優(yōu)先考慮使用最少的天線數(shù)量，每個BF 的權(quán)值矢量分別選擇發(fā)射天線，或者多波束形成權(quán)向量的聯(lián)合天線選擇策略，利用同一天線對所有波束形成加權(quán)向量[34]；在HBF 的發(fā)射機子陣列結(jié)構(gòu)上，利用CSI 或信道協(xié)方差矩陣設計出的基于重疊的部分鏈接（Partially-Connected with Overlapped，PCO）的模擬預編碼器可以減少太赫茲系統(tǒng)移相器的數(shù)量[35]。另一方面，我們?yōu)榱藴p少在DFRC 車聯(lián)網(wǎng)系統(tǒng)中的時間延遲和信令開銷成本，可以采用一種貝葉斯預測BF 設計方案，即通過因子圖模型來表示優(yōu)化問題的概率模型，采用消息傳遞算法來跟蹤和預測波束，進而準確估計車輛的運動參數(shù)[36]。

2）提升系統(tǒng)容量

實現(xiàn)同時執(zhí)行多目標感知、多維計算和多流通信的功能，需要優(yōu)化有限的6G 無線網(wǎng)絡系統(tǒng)資源。傳輸功率約束下加權(quán)總體性能最大化（Weighted Overall Performance Maximization，WOPM），以及總發(fā)射功率最小化（Total Transmit Power Minimization，TTPM）2 種方案都可以實現(xiàn)系統(tǒng)資源優(yōu)化[37]。另外，基于梯度的原-對偶近端策略優(yōu)化（Proximal Policy Optimization，PPO）算法設計RIS 的發(fā)送波束圖像和無源相移，太赫茲波段ISAC 系統(tǒng)容量可以得到最大限度的提升[38]。

3）采用新型材料

超材料天線近年被開發(fā)出來，通過提供更好的天線波束圖可控性來實現(xiàn)聯(lián)合優(yōu)化。在此硬件基礎上設計的全息BF 方案，其獨特的幅控結(jié)構(gòu)使設計適用于ISAC 功能的BF 具有挑戰(zhàn)性。為了解決這一困難，可重構(gòu)全息表面（Reconfigurable Holographic Surface，RHS）實現(xiàn)輻控模擬BF 并發(fā)送給用戶和感知目標[39]。

3 發(fā)展與挑戰(zhàn)

協(xié)同設計和共存設計中，感知和通信發(fā)送的信號和系統(tǒng)沒有進行一體化設計，因此只選其一或者分別設計BF 方案，雖然這樣可以弱化通信和感知的資源競爭，但都需要考慮相互干擾消除，這會導致較高的計算成本，并可能會造成性能損失。而聯(lián)合設計恰好相反，需要考慮的是自干擾而非相互干擾。

在3 種系統(tǒng)結(jié)構(gòu)中，BF 方案基本上都是在恒慘信道矩陣已知，并且感知和通信信道相互獨立的假設下設計的。然而，這不符合實際場景的常態(tài)，這就需要降低BF 設計對信道先驗信息的依賴度。除此之外，大部分研究都假設用戶、目標與BS 之間為視距；對于非視距情況，目前主要采用RIS 輔助或增加基站的方案，而RIS 存在帶寬受限、動態(tài)調(diào)控能力不足等缺陷，因此需要對RIS 進行深入研究改進不足或探索其他更靈活有效的方法。

在應用場景方面，現(xiàn)有的ISAC 研究主要集中在地面，目前該技術(shù)在衛(wèi)星系統(tǒng)、海上應用等場景還有待進一步研究。另外，已有的研究成果主要針對單目標場景，多目標參數(shù)的同時探測估計依舊存在著計算復雜度高、功耗大等問題有待解決。

本文首先從業(yè)務需求、資源和硬件方面的實現(xiàn)可能性介紹了ISAC 的誕生背景，再揭示波束賦形對ISAC 的重要性。另外，本文分別對通信和感知3 種融合程度的系統(tǒng)結(jié)構(gòu)，總結(jié)了BF 設計在不同應用中的關(guān)鍵技術(shù)，并探討了ISAC 波束賦形技術(shù)當前面臨的挑戰(zhàn)與潛在的發(fā)展方向。