面向通信感知一體化的信號波形設計綜述

摘 要：通信感知一體化（Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ，ＩＳＡＣ）作為６Ｇ 的關鍵技術之一，廣泛應用于智慧交通、智能家居等領域。隨著頻譜資源的緊缺、技術發展的融合，促使通信和感知功能的一體化，其中ＩＳＡＣ 的波形設計是同時實現高效率通信和高精度感知的研究重點。從ＩＳＡＣ 技術趨勢、波形設計重要性、應用場景和發展現狀四方面進行了簡要介紹，對以通信為主的波形設計、以感知為主的波形設計和波形復用設計進行了分析總結，闡述了聯合波形設計的一體化性能邊界以及潛在的一體化波形新型設計方式；并對ＩＳＡＣ 波形設計的發展方向進行展望。

關鍵詞：６Ｇ；通信感知一體化；波形設計

中圖分類號：ＴＮ９２９． ５ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１１４（２０２４）０３－０４６９－１５

０ 引言

隨著５Ｇ 的逐步商用，國內外業界紛紛開展了面向下一代無線通信（６Ｇ）的研究工作。業界對于未來６Ｇ 的底層技術提出了很多前沿概念［１］，其中通信感知一體化（Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ，ＩＳＡＣ）作為６Ｇ 的重要特征和關鍵使能技術被提出，成為當前研究的熱點之一，其主要研究目標是實現高速率通信的同時進行高精度的目標感知。無線通信和雷達感知都依賴于電磁波作為載體，實現信息的傳遞和目標參數的獲取。這兩個功能的融合是技術發展的趨勢，目前無線通信和雷達感知系統都朝著更高的頻段、更大的天線陣列和系統小型化方向發展，在硬件架構、信道特性和信號處理方面也越來越相似［２］。此外，隨著頻譜資源的日益緊缺，新型智能應用和服務的頻譜需求變得越發難以滿足。ＩＳＡＣ 技術使得通信與感知共用硬件設備和頻譜資源成為可能，一體化的系統設計不僅減小了硬件設備的尺寸和能耗，通過聯合波形設計，還能夠進一步實現頻譜效率的提升。

１ 技術要求及進展

通信和感知都需要基于電磁波波形來承載傳輸的信息和探測信號。在發射機側，通信需要將隨機的通信數據信息調制后發送，感知通常發送固定的脈沖序列；在接收機側，通信通常通過已知的導頻信號獲取信道的狀態信息來解調接收信號的數據信息，而雷達則利用已知的脈沖波形來探測目標參數信息。通信波形支持隨機數據信息的高速通信，其信號自相關性弱；而感知波形為固定序列，具有強自相關性。此外，由于通信和感知的目的不同，二者的性能衡量指標也不相同，需要設計統一的性能指標來實現二者性能的折衷。面向６Ｇ 不同的場景，通信和感知需求不同，還需設計合適的ＩＳＡＣ 波形。因此，在ＩＳＡＣ 系統中，一體化波形設計至關重要，能夠大大提升通信和感知的協同增益。

ＩＳＡＣ 因其通信和感知系統的內在融合，極大豐富了６Ｇ 的服務范圍，可應用于智慧交通領域中的車聯網、低空經濟的無人機應用、智能家居的人體檢測等場景［３］。在車聯網場景中，感知能力的提升是實現自動駕駛輔助的重要因素之一，利用通信聯網可以實現多方位感知數據的融合，提高單車的感知能力，而ＩＳＡＣ 技術通過實現通信和感知的協作增益，進一步增加駕駛輔助的可靠性［４］。在低空經濟的快速發展下無人機行業潛力巨大，無人機基于ＩＳＡＣ 技術可實現實時的路徑管理和入侵檢測等功能，相較于地面基站，其信號阻擋更少且感知視野更廣，在電力巡檢、搶險救災、城市管理等方面具有廣泛的應用［５］。在智能家居場景中，可以利用無線ＷｉＦｉ 信號來檢測人體在室內的活動情況，通過提取信號的多普勒或微多普勒特征識別人體的跌倒、呼吸以及非接觸式的手勢交互等［６］，相較于攝像頭感知設備具有保護個人隱私的優勢。除了上述場景之外，ＩＳＡＣ 在智能工廠和醫療健康等領域中都具有更加廣泛的應用價值，給各行各業帶來更多的便利和效率的提升。基于上述應用需求，ＩＳＡＣ 技術在定位、成像、環境重構等方面仍面臨基礎理論不足、一體化波形設計復雜等挑戰。

早在２０ 世紀８０ 年代，已有集成通信和雷達功能的概念，如“寶石柱”“寶石臺”計劃，以及“先進多功能射頻系統”計劃等。通過集成戰機和艦船的通信、雷達和電子戰等功能，減少模塊數量，解決平臺的電磁兼容問題［７］。２０１６ 年，ＤＡＰＰＡ 啟動了“雷達和通信共享頻譜接入”項目，旨在釋放部分雷達頻譜與商用通信共用。近些年來，ＩＳＡＣ 技術同樣引起了業界的廣泛關注。２０２１ 年９ 月，ＩＭＴ-２０３０（６Ｇ）推進組發布了第一版《通信感知一體化研究報告》，系統論述了通信感知融合需求、場景以及一體化波形設計等。２０２３ 年６ 月，國際電信聯盟無線電通信部門５Ｄ 工作組（ＩＴＵ-Ｒ ＷＰ５Ｄ）第４４ 次會議發布了《ＩＭＴ 面向２０３０ 及未來發展的框架和總體目標建議書》［８］首次提出６Ｇ 典型場景，如圖１ 所示。

ＩＳＡＣ 作為６Ｇ 典型場景之一，將提供除了通信能力之外的廣域多維感知，拓寬業務邊界。在標準化研究方面，２０２３ 年１２ 月３ＧＰＰ 確定了５ＧＡｄｖａｎｃｅｄ 第二個標準版本Ｒｅｌ１９ 的首批１６ 個課題，課題之一是ＩＳＡＣ 的信道建模研究。而波形設計作為ＩＳＡＣ系統的核心，標準制定組織也已經開始關注該領域，開展相關的研究工作。

本文主要從以通信為主的波形設計、以感知為主的波形設計、波形復用設計和聯合波形設計四方面對ＩＳＡＣ 波形設計進行闡述。

２ 以通信為主的波形設計

以通信為主的波形設計是指在現有通信波形的基礎上，通過優化其波形參數或將其改進以實現感知探測的功能，主要面向以通信為主、感知為輔的場景。本節主要針對正交頻分復用（Ｏｒｔｈｏｇｏｎａｌ Ｆｒｅｑｕｅｎｃｙ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅｘｉｎｇ，ＯＦＤＭ）、單載波和正交線性調頻波分復用（Ｏｒｔｈｏｇｏｎａｌ Ｃｈｉｒｐ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅｘｉｎｇ，ＯＣＤＭ）的一體化波形設計進行討論介紹。

２． １ ＯＦＤＭ 波形

在現有移動通信系統的制式上增加感知功能，不對蜂窩系統進行大幅修改，是較為直接且成本較低的一種方式。ＯＦＤＭ 是一種多載波調制方案，主要思想是將一個寬帶信道分解為Ｎ 個正交的窄子信道，將需要傳輸的高速數據信號轉換為并行的低速數據流，并調制到每個正交信道的子載波上進行傳輸，疊加傳輸的Ｎ 個正交信號在接收端通過一定的方式進行解調分離。由于每個子信道帶寬小于信道相干帶寬，子信道近似經歷平坦衰落，這樣可有效避免大帶寬信號的頻譜選擇性衰落，提高頻譜利用率，且通過加入循環前綴（Ｃｙｃｌｉｃ Ｐｒｅｆｉｘ，ＣＰ），使得ＯＦＤＭ 波形具有抗多徑傳播能力。另外，ＯＦＤＭ 波形具有“圖釘形”的模糊函數，使其具有一定的感知能力。

基于ＯＦＤＭ 波形的ＩＳＡＣ 系統結構如圖２ 所示，二進制數據經過ＱＡＭ／ ＱＰＳＫ 調制（同時插入感知參考信號）、串并轉換，然后經過快速逆傅里葉變換（Ｉｎｖｅｒｓｅ Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ，ＩＦＦＴ）、插入ＣＰ 以及并串轉換，再將信號進行數模轉換為模擬信號，并在載波頻率上發送出去。在接收端，經過目標反射回來的回波信號，按照與發射端相反的順序進行處理。在感知數據處理方面，較易實現的方法是基于調制符號的ＯＦＤＭ 感知算法，根據接收到感知參考信號的調制符號與發射端的調制符號，通過ＩＦＦＴ 和快速傅里葉變換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ，ＦＦＴ）即可解算得到目標的距離和多普勒參數信息［９］。

現有移動通信系統幀結構中導頻信號具有良好的自相關性，已有研究驗證了采用同步信號［１０］、信道狀態參考信號［１１］、解調參考信號［１２］、定位參考信號［１３］、探測參考信號［１４］等實現感知功能的可行性，直接采用現有通信參考信號并結合不同的感知信號處理方法達到估計目標的距離、速度等參數的目的。為了提高ＩＳＡＣ 系統的感知性能，需進一步優化ＯＦＤＭ 波形中通信和感知子載波的數量及功率分配。文獻［１５］通過在ＯＦＤＭ 發射信號中未使用的子載波插入雷達信號來提高感知精度。在此基礎上，文獻［１６］進一步研究通過重新分配通信子載波的部分功率來提高雷達子系統的性能。文獻［１７］則在通信信道估計和雷達感知模糊函數的約束下，采用分散的感知參考信號設計，聯合優化感知參考信號的間隔和數據子載波之間的功率分配。在上行鏈路的車聯網ＩＳＡＣ 系統中，Ｌｉ 等［１８］在滿足通信速率的需求下，通過最小化克拉美羅下界（ＣｒａｍｅｒＲａｏＬｏｗｅｒ Ｂｏｕｎｄ，ＣＲＬＢ），實現最佳子載波與發射功率分配。

然而，通信的高階幅相調制、ＣＰ 和導頻等會導致高峰值旁瓣比（Ｐｅａｋ ｔｏ Ｓｉｄｅｌｏｂｅ Ｒａｔｉｏ，ＰＳＬＲ），影響雷達目標檢測的虛警概率。同時，還需要考慮ＯＦＤＭ 波形高峰值平均功率比（Ｐｅａｋ ｔｏ ＡｖｅｒａｇｅＰｏｗｅｒ Ｒａｔｉｏ，ＰＡＰＲ）的問題。文獻［１９］針對ＯＦＤＭ波形高ＰＳＬＲ 和包絡波動大的問題，采用綜合權重選擇、通信調制方式和相位編碼序列的數學模型，提出了基于隨機相位編碼的ＰＳＬＲ 迭代優化和ＰＡＰＲ優化的方法，在不降低多普勒分辨率的情況下提高距離分辨率。Ｈｕａｎｇ 等［２０］通過優化與通信頻帶互補的子載波，采用基于最大化－最小化的范數循環算法來降低ＰＡＰＲ。Ｙａｏ 等［２１］則以ＰＡＰＲ 作為約束，研究基于ＯＦＤＭ 的一體化波形設計。

另外，ＯＦＤＭ 波形還可以結合其他技術獲得感知性能的增益。為了解決時延－ 多普勒（ＤｅｌａｙＤｏｐｐｌｅｒ，ＤＤ）耦合效應，文獻［２２］利用線性調頻大帶寬積和ＯＦＤＭ 高頻譜效率的優點，提出了三角調頻和ＯＦＤＭ 相結合的ＩＳＡＣ 波形，能夠實現高精度測距估計的同時提高一倍速度估計的分辨率。文獻［２３］在保證高分辨率距離像的前提下，為減少ＯＦＤＭ信號的基帶帶寬，提出了基于導頻的步進載波ＯＦＤＭ處理方法，實現了高效的感知探測。Ｚｈａｎｇ 等［２４］在多目標感知和多用戶通信的車聯網場景中，提出了一種基于ＯＦＤＭ 和非正交多址的ＩＳＡＣ 方案，并應用深度學習方法進行用戶的解調和目標的追蹤。

２． ２ 單載波

與采用多個子載波并行傳輸的ＯＦＤＭ 波形不同，基于單載波的信號具有低ＰＡＰＲ 的特性，減小了非線性失真，并且能耗低、實施簡單，適用于小范圍覆蓋場景［２５］。文獻［２６］研究了聯合調頻連續波（Ｆｒｅｑｕｅｎｃｙ Ｍｏｄｕｌａｔｅｄ Ｃｏｎｔｉｎｕｏｕｓ Ｗａｖｅ，ＦＭＣＷ）雷達和單載波通信的頻分復用系統，分別將雷達和通信放在兩個載波中共同輸出，同時實現通信和探測。Ｘｉａｏ 等［２７］研究了基于時延對齊調制的單載波ＩＳＡＣ系統，在傳輸過程中無需復雜的信道均衡也可以消除符號間干擾，相較于ＯＦＤＭ 波形具有更低的ＰＡＰＲ、更少的保護間隔開銷以及更優的多普勒容忍性。

通過改變ＤＦＴ 擴展塊可以實現通信和感知的功能，文獻［２９］通過設計具有數據塊和參考塊的幀結構來融入感知功能?？紤]到ＴＨｚ 信道時延擴展的變化，提出了具有靈活保護間隔的ＤＦＴＳＯＦＤＭ方案來減少ＣＰ 開銷，提高數據速率。

２． ３ ＯＣＤＭ 波形

ＯＣＤＭ 是一種基于離散菲涅爾變化（ＤｉｓｃｒｅｔｅＦｒｅｓｎｅｌ Ｔｒａｎｓｆｏｒｍ，ＤＦｎＴ）的多載波正交復用技術，在多徑傳播中具有更好的魯棒性，是ＯＦＤＭ 的替代方案之一。在ＯＣＤＭ 中，通過在相同的帶寬中利用ＤＦｎＴ 形成一組正交的線性Ｃｈｉｒｐ 信號，并將通信數據加載到這一組Ｃｈｉｒｐ 信號的幅度和相位中實現高效的通信傳輸，其中ＤＦｎＴ 的作用類似于ＯＦＤＭ 中的ＦＦＴ。

文獻［３０］研究了基于ＯＣＤＭ 一體化系統的可行性，提出了通信和感知數據獲取的方法，相較于ＯＦＤＭ 一體化系統具有更低的誤碼率。在此基礎上，作者進一步研究了基于多輸入多輸出（ＭｕｌｔｉｐｌｅＩｎｐｕｔ ＭｕｌｔｉｐｌｅＯｕｔｐｕｔ，ＭＩＭＯ）的ＯＣＤＭ 一體化系統，并對比分析了碼分和頻分兩種復用方式，其中碼分效果更優，但距離旁瓣水平更高［３１］。以上工作具有良好的通信和感知性能，但計算復雜度更高。為了解決這一問題，文獻［３２］提出采用頻域點除法代替傳統的匹配濾波方法，有效去除隨機通信數據的同時，大幅降低信號處理算法的復雜度。文獻［３３］研究了車聯網場景中基于ＯＣＤＭ 波形的一體化系統，驗證了在低載波間干擾條件下的時頻選擇性信道中，與ＯＦＤＭ 相比具有更優的通信性能，并且實現了高目標分辨率。Ｌｉ 等［３４］在０． １４ ＴＨｚ 頻段下采用基于ＯＣＤＭ 波形的ＩＳＡＣ 系統進行實驗，實現了３２ Ｇｂｉｔ／ ｓ 數據速率和１． ８７５ ｃｍ 距離分辨率。

２． ４ 小結

目前以通信為主的波形設計研究多數基于ＯＦＤＭ 波形，而基于單載波和ＯＣＤＭ 的波形設計也是以ＯＦＤＭ 為參考，解決ＯＦＤＭ 波形存在的問題，上述３ 種波形設計的優缺點如表１ 所示。

３ 以感知為主的波形設計

以感知為主的波形設計是指在已有的雷達波形基礎上，將通信信息調制到雷達信號中，從而達到通信的目的。如對線性調頻（Ｌｉｎｅａｒ Ｆｒｅｑｕｅｎｃｙ Ｍｏｄｕｌａｔｉｏｎ，ＬＦＭ）信號或ＦＭＣＷ 進行改進以攜帶通信信息；或者通過索引調制（Ｉｎｄｅｘ Ｍｏｄｕｌａｔｉｏｎ，ＩＭ）來控制雷達波形參數的改變以攜帶通信信息。以感知為主的波形設計通常更接近原有的波形，因此具有優異的感知性能，但在通信速率方面存在一定限制，更適用于對感知精度要求較高的場景。

３． １ ＬＦＭ 波形

傳統的雷達感知信號要求波形具有良好的相關特性，以實現高動態的測量范圍。其中，ＬＦＭ 信號（即Ｃｈｉｒｐ 信號）具有高距離分辨率、低帶外輻射、對多普勒頻移不敏感、信號設計靈活等優點，是應用最為廣泛的雷達波形之一。ＬＦＭ 信號的載波頻率隨時間線性變化，其信號表達式如下：

通過幅度將通信信號和ＬＦＭ 信號相結合，可以保留二者的優勢。文獻［３５］提出了結合１６ＱＡＭ 信號和ＬＦＭ 信號的高階調制一體化波形，其與１６ＱＡＭ 波形具有相同通信誤碼率，同時也有良好的感知性能。為了進一步提升通信速率，文獻［３６］設計了一種基于６４ＱＡＭ 的ＬＦＭ 波形，其信號生成過程如圖３ 所示。在犧牲了一定的誤碼率的條件下大大提高了信號的頻譜利用率和抗干擾能力。

但是由于其幅度種類增加，信號的動態范圍變大，對射頻前端的線性度要求較高，且波形的幅度包絡起伏較大，影響感知探測范圍。

相移是在數字域基于通信信息對ＬＦＭ 信號的相位進行移相處理，該方法產生的一體化波形具有平坦幅度包絡。文獻［３７］采用相移鍵控（ＰｈａｓｅＳｈｉｆｔ Ｋｅｙｉｎｇ，ＰＳＫ）將多個通信數據符號嵌入到每個ＬＦＭ 信號脈沖中，并采用時分復用保證ＭＩＭＯ 發射機之間的正交性。進一步研究中，作者使用ｍ 序列或巴克碼進行編碼，以碼分復用的形式來保證正交性，結果表明碼分復用具有更高的通信速率，但正交性不如時分復用［３８］。文獻［３９］在理論層面分析了ＬＦＭＰＳＫ 波形的距離分辨率、ＰＳＬＲ 和ＣＲＬＢ 感知性能指標，并在光子ＴＨｚ 的ＩＳＡＣ 系統上進行了實驗，結果顯示通信速率可達６ Ｇｂｉｔ／ ｓ 且距離分辨率達１． ３ ｃｍ。文獻［４０］則針對自由空間光學提出了結合連續相位調制和ＬＦＭ 波形的一體化信號方案，通過理論推導和數值模擬證明了通信和感知性能優于其他恒模信號。

利用最小頻移鍵控（ＭｉｎｉｍｕｍＳｈｉｆｔ Ｋｅｙｉｎｇ，ＭＳＫ）將通信信號調制到ＬＦＭ 脈沖上同樣可以保留波形的恒包絡特性。針對多徑干擾下積分信號誤碼率增加的問題，文獻［４１］采用直接序列擴頻技術對ＭＳＫＬＦＭ 的積分信號進行優化，有效降低了一體化系統的誤碼率。Ｂａｏ 等［４２］對基于ＭＳＫ-ＬＦＭ 的一體化信號進行仿真的同時搭建了真實的實驗環境進行驗證，在８０ ＧＨｚ 的中心頻率和１ ＧＨｚ 的帶寬下實現了１３． ２ ｃｍ 的距離分辨率。Ｍｅｉ 等［４３］對比分析了ＭＳＫＬＦＭ 和ＣＥＯＦＤＭ 兩個一體化信號波形的性能，結果表明在相同信噪比下，ＭＳＫＬＦＭ 的誤碼率優于ＣＥＯＦＤＭ，但是ＣＥＯＦＤＭ 在低信噪比下具有更好的感知效果，所以在不同的場景需求下可采用不同的ＩＳＡＣ 信號。

除了上述３ 種通信符號的調制方式，現有研究還提出了基于延遲跳躍映射和正交頻分等形式的ＬＦＭ 一體化波形。針對現有ＬＦＭＩＳＡＣ 系統中通信接收鏈路復雜度高和數據調制導致的感知性能下降問題，文獻［４４］提出了基于延遲跳躍映射的ＬＦＭ 波形。為了解決自相關函數中高旁瓣的問題，提高波形的弱目標檢測性能，Ｈｕａｎｇ 等［４５］提出了正交頻分ＬＦＭ 波形設計方法。文獻［４６］提出了基于尺度離散菲涅爾變換（Ｓｃａｌｅ Ｄｉｓｃｒｅｔｅ Ｆｒｅｓｎｅｌ Ｔｒａｎｓｆｏｒｍ，ＳＤＦｎＴ）的ＯＦＤＭＬＦＭ 一體化波形設計方法，其核函數是一組可調調頻斜率的正交ＬＦＭ，將ＳＤＦｎＴ 方法與ＭＵＳＩＣ 算法相結合，實現角度的高精度估計。

３． ２ ＦＭＣＷ 波形

與ＬＦＭ 相比，ＦＭＣＷ 能夠測量目標的速度信息，且不存在距離盲區。此外，ＦＭＣＷ 具有帶寬大、脈沖周期長、包絡恒定、發射功率低等特性，使其能夠提供高精度的感知分辨率，以及具有較低的ＰＡＰＲ 和功耗，目前已廣泛應用于車輛和無人機的感知探測等領域。

為使ＦＭＣＷ 在感知探測的同時實現通信傳輸的功能，現有研究采用類似ＬＦＭ 信號中通信符號的調制方式實現ＦＭＣＷ 一體化波形設計。文獻［４７］采用頻移鍵控（ＦｒｅｑｕｅｎｃｙＳｈｉｆｔ Ｋｅｙｉｎｇ，ＦＳＫ）將通信數據調制到ＦＭＣＷ 波形中，仿真結果表明能夠探測８ ｋｍ 處反射截面為１ ｍ２ 的探測目標，同時數據傳輸速率為４００ ｋｂｉｔ／ ｓ。而文獻［４８］則搭建了基于ＦＳＫＦＭＣＷ 的ＩＳＡＣ 實驗系統，驗證了增加通信功能并不會對感知性能有實質性的影響。為了進一步提高ＦＳＫＦＭＣＷ 的通信速率，文獻［４９］提出在每個ＬＦＭ 信號上調制多個通信符號，其調制過程如圖４ 所示，并通過差拍和一維ＦＦＴ 處理，對接收到的一體化信號進行通信數據解調。

一些研究也提出了基于幅度調制［５０］和相位編碼［５１］的ＦＭＣＷ 一體化波形設計。

多進制數字頻率調制（Ｍｕｌｔｉｐｌｅ Ｆｒｅｑｕｅｎｃｙ ＳｈｉｆｔＫｅｙｉｎｇ，ＭＦＳＫ）是ＦＳＫ 的推廣，文獻［５２］采用了ＭＦＳＫ 進行通信數據的調制，對于不同符號之間出現相位跳變的情況，采用多普勒尺度變換和相位補償相結合的方式對一體化回波信號進行處理。將通信數據調制到ＦＭＣＷ 波形上對雷達的感知性能也具有一定的影響，Ｘｕ 等［５３］分析了感知性能下降的原因，并提出了雙路徑補償和拼接的處理方案，通過補償相應的參數來抑制感知性能的損失。針對基于ＦＭＣＷ 波形的ＩＳＡＣ 系統之間存在干擾和通信傳輸速率低的問題，Ｇｕ 等［５４］提出了基于跳頻輔助的ＦＭＣＷ 一體化波形，采用跳頻模式結合感知檢測和通信解調的方法，提高系統給定時間內傳輸的比特數和干擾規避的能力。

３． ３ ＩＭ 方法

與采用幅度、相位和頻率的變化來調制通信數據到雷達波形信號中的方法不同，ＩＭ 還利用各種雷達波形的其他特征參數進行調制，如發射天線［５５］、載波頻率［５６］、擴頻碼［５７］等。通過同時索引各種雷達波形參數，能夠在一個符號中調制更多比特信息，只要信號的調制解調復雜度在收發機的可接受范圍內，即可進一步提升通信速率和頻譜效率。

目前基于ＩＭ 的一體化波形設計主要采用跳頻的ＭＩＭＯ 雷達波形快速調制方案。在基于跳頻的ＭＩＭＯ 波形中，每個脈沖被劃分為多個子脈沖，并且發射信號的中心頻率在不同的子脈沖和天線上快速變化，而需要傳輸的通信符號則可以使用不同的子脈沖和天線來表示。通過跳頻碼可以對通信符號進行編碼，但同時也對雷達的性能產生了影響，文獻［５８］對跳頻碼產生的平均模糊函數進行了研究，結果表明感知性能取決于子脈沖的數量和時延。為了進一步提高通信性能，Ｘｕ 等［５９］提出了混合ＩＭ 的跳頻ＭＩＭＯ 波形，通過將通信信息調制到頻率、相位和天線三元索引的波形中，實現通信速率的成倍提升。雖然跳頻的調制方式通信速率相對較高，但在感知方面還受距離旁瓣的影響，并且在通信方面還需對信道估計進行深入的研究［６０］。

基于跳頻的ＩＭ 采用脈沖間調制而不改變雷達的基帶信號，現有研究提出了結合相位的脈沖內ＩＭ的波形設計。Ｙａｏ 等［６１］通過聯合信息嵌入子脈沖位置和差分相移鍵控來進行通信，同時最小化波束圖的旁瓣水平來增強一體化波形的探測能力。由于相移雷達無法直接估計目標距離，Ｌｉ 等［６２］通過在相移雷達波形的載波頻率上添加一個小的固定頻率增量，實現了距離和角度的聯合估計且抑制了距離估計模糊，并通過頻率分配來攜帶通信信息。

３． ４ 小結

目前以感知為主的波形設計研究多數采用ＬＦＭ 波形通過幅度、相移或頻率來調制通信信息，ＦＭＣＷ 與ＬＦＭ 的方法比較相似，而ＩＭ 則通過天線等更多的參數進一步提升通信速率，上述３ 種波形設計的優缺點如表２ 所示。

４ 通信和感知的波形復用設計

上文分別介紹了以通信或感知為主的波形設計中常用的波形及其一體化波形的改進方法。另一種更為直接的設計思路是復用已有的通信和感知波形，采用時分、頻分、碼分、空分的方式進行兩種波形的分集發送，實現感知和通信的頻譜共享，以避免相互干擾。在不同應用場景下根據感知和通信需求分配時頻碼空的資源，實現感知和通信資源的協同優化，提升一體化系統整體的性能。

４． １ 時分復用

時分復用是指在時間的維度上劃分資源，在一個周期內的不同時間段分別發送通信或感知的波形，通過切換兩種模式的開關狀態即可交替實現兩種功能。由于通信和感知是分時發送，當側重于通信時，會影響感知的性能，反之亦然，所以需要優化通信和感知的時間分配比。Ｚｈａｎｇ 等［６３］提出了一種車聯網場景下的時分動態幀結構一體化系統，設計了一種低時延高效率的共享原始感知數據的協作算法，采用信息年齡對Ｍ／ Ｍ／１ 排隊問題進行建模，實現車輛通信和感知雙功能的最佳持續時間分配比，保證了車與車之間感知信息共享的及時性。

目前，時分的一體化系統在已有的商用無線標準中已經實現，如大多數ＷｉＦｉ 感知都是采用導頻（前導碼）信號，該信號與有效數據負載以時分的方式一起傳輸。在ＩＥＥＥ ８０２． １１ａｄ 中前導碼最初設計用于信道估計，由格雷互補序列組成，具有良好的相關性，適用于感知探測［６４］。Ｗａｎｇ 等［６５］采用了前導碼實現室內目標空間位置的感知，并討論了基于現有通信協議的手勢識別的可行性。雖然時分復用實現簡單，但是缺點也是顯而易見的，通信和感知的功能不能同時進行工作，而另外３ 種復用方式可以同時工作。

４． ２ 頻分復用

頻分復用是指將通信或感知的波形分配到不同的子載波或頻段上，該復用方式需要考慮不同頻段或子載波上通信和感知的資源分配。為了避免干擾，兩個功能的頻帶之間需要增加適當的頻率間隔，導致了頻譜利用率的下降，同時還需要合理分配通信和感知信號的發射功率?；冢希疲模?的頻分復用一體化系統只需要對現有通信系統的頻域子載波重新劃分即可，Ｏｚｋａｐｔａｎ 等［６６］采用該系統同時實現了車輛的通信和感知雙功能，ＯＦＤＭ 信號由頻域上均勻分布的導頻子載波和數據子載波組成。其中導頻序列由低ＰＳＬＲ 的巴克碼構成，具有良好的自相關性，并且作者根據感知估計精度和有效信道容量共同確定通信和感知子載波的最佳分配比。在此基礎上，Ｗａｎｇ 等［６７］提出利用導頻子載波的動態分配實現車輛不同感知范圍之間的動態切換，以滿足不同場景下通信和感知的性能需求。

另外，通過Ｓｕｂ６Ｇ 和毫米波／ ＴＨｚ 頻段之間的多頻段協同實現ＩＳＡＣ，滿足高速率、廣覆蓋通信需求的同時提供高精度的感知信息［６８］。Ｈｕ 等［６９］提出了一種基于多頻段可重構全息超表面的ＩＳＡＣ 系統，利用多個上行鏈路頻帶繞過帶寬限制，提高了定位精度和通信容量。

４． ３ 碼分復用

碼分復用是指采用正交碼分別調制通信和感知信號，再將由碼本矩陣擴頻后的信號進行線性疊加，形成一體化信號。文獻［７０７１］基于擴頻技術，分別采用了不同的ＰＮ 碼和Ｏｐｐｅｒｍａｎｎ 多相序列來區分感知和通信信號。Ｃｈｅｎ 等［７２］提出了一種基于碼分復用的ＯＦＤＭ 一體化系統，結合連續干擾消除的信號處理方法，抑制了通信和感知回波信號之間的相互干擾，實現碼分復用增益。在文獻［７３］中，以疊加編碼的方式在感知波形中嵌入通信信息。然而，碼分復用在有大量散射體的實際場景中，會導致同頻干擾能量的積累，大幅抬升底噪。這是由于碼分復用技術并不滿足雷達的正交要求，會在雷達脈壓結果中引入同頻干擾［７４］。

４． ４ 空分復用

隨著ＭＩＭＯ 技術在各類通信和雷達系統之中的發展，為空間域的ＩＳＡＣ 系統設計奠定了基礎?？辗謴陀檬侵咐猛唤M天線在不同的空域分別定向發送通信和感知的波形。在該復用方式下，由于通信傳輸和感知探測在不同的空間方向，通信用戶和感知目標通常是分離的。Ｈａｓｓａｎｉｅｎ 等［７５］設計了一種以雷達感知為主的雙功能系統，主瓣發送感知脈沖信號，其他多個方向上的旁瓣結合正交波形傳輸通信數據信號。Ｚｈａｉ 等［７６］將發射天線劃分為兩個不重疊但交織的子陣，分別進行目標感知和下行鏈路通信，通過強化學習來優化兩個子陣的配置，在保證通信性能的前提下，盡可能提高感知精度。

另外，還有研究結合智能超表面（ＲｅｃｏｎｆｉｇｕｒａｂｌｅＩｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅ，ＲＩＳ）實現波束的優化。通過調整ＲＩＳ 的反射單元可以放大主瓣并抑制旁瓣，還可以改變入射波束的輻射方向，增加通信或感知范圍等［７７］。Ｓａｎｋａｒ 等［７８］將ＲＩＳ 反射單元劃分成了兩組，分別進行通信和感知波束的調整。另外，利用ＲＩＳ 還可實現在非視距鏈路中目標的感知定位［７９］。

４． ５ 小結

上述４ 種復用方式是ＩＳＡＣ 波形設計的研究基礎，主要實現硬件平臺和頻譜資源的共享，解決通信和感知功能的兼容性，消除互擾。不同復用方式的示意如圖５ 所示、優缺點如表３ 所示，由于通信和感知的波形相互獨立，維度單一，為正交復用波形，僅僅將時頻碼空四維度的資源進行通信和感知的功能劃分和調度，資源利用率低。需聯合多個維度設計新的非正交一體化波形，實現通信和感知的深度融合，進一步提升ＩＳＡＣ 的性能。

５ 通信和感知的聯合波形設計

目前，一體化波形設計主要是基于通信或感知的波形進行優化，從而具備二者的功能，但尚未實現高度統一的一體化波形。本節將從聯合波形設計的一體化性能邊界和潛在的正交時頻空（ＯｒｔｈｏｇｏｎａｌＴｉｍｅ Ｆｒｅｑｕｅｎｃｙ Ｓｐａｃｅ，ＯＴＦＳ）設計的一體化波形進行介紹。

５． １ 一體化性能邊界

由于通信和感知的目的不同，其傳統的指標體系相互不兼容，在通信系統中通常采用誤碼率、數據速率、時延等作為性能指標，而感知的性能指標通常采用探測精度、虛警概率、漏檢概率、模糊函數等作為性能指標。指標體系的相互獨立不利于通信和感知一體化的性能評估，為此需要融合通信和感知的理論界限，從理論層面揭示二者之間的關系，構建ＩＳＡＣ 的統一性能指標體系。

當前，已有部分研究工作開展了通信和感知性能折衷的分析，核心思路是研究通信和感知子系統所能達到的信息理論極限［８０］。通過定義通信和感知的性能度量，刻畫二者的可達區域［８１］，如圖６所示。

通過觀察可達性能區域的邊界形狀可見，邊界Ａ 對應于單一維度資源復用的波形設計，在提升感知性能的同時會等比例損失通信性能；而邊界Ｂ 為最理想的情況，通信和感知的性能相互不影響，可以同時達到最優，不需要性能折衷；目前多數ＩＳＡＣ 研究的通信和感知的性能邊界介于Ａ 和Ｂ 之間，類似邊界Ｃ；通過對波形進行多維度的設計優化，使邊界Ｃ 從Ａ 逐漸逼近Ｂ，從而構建最優的ＩＳＡＣ 波形。

還有通過研究最大化通信和感知的互信息加權和為準則進行波形設計［８４］，也有將基于速率失真理論的概念引入到ＩＳＡＣ 中，Ｌｉｕ 等［８５］在高斯信道條件下基于速率失真研究了通信和感知之間的折衷。而ＣＲＬＢ 作為感知信號性能估計的參考邊界，也常用做ＩＳＡＣ 性能的衡量指標，文獻［８６］提出了效率和效用兩個新指標來評估并優化通信信道容量和感知估計誤差ＣＲＬＢ 的聯合性能，以最大化資源利用率。

目前全新的ＩＳＡＣ 波形設計還處于研究初期階段，ＩＳＡＣ 的性能指標和理論界限還需考慮更多實際的問題［８７］，進行更深入的研究。而ＯＴＦＳ 由于其在ＤＤ 域進行信息調制和信號處理的特點，成為ＩＳＡＣ的潛在波形之一。

５． ２ ＯＴＦＳ 波形

ＯＴＦＳ 是面向高速移動場景下的波形設計方案，其在ＤＤ 域調制碼元信息，能夠有效抵抗多普勒頻偏。通信處理的過程通常以導頻的時延和多普勒信息進行信道估計，再對數據符號進行反卷積。感知探測的距離和速度參數的獲取通常也是基于時延和多普勒信息，因此可以直接在ＯＴＦＳ 的ＤＤ 域進行感知參數的計算，無需過多的設計。

接收端對回波信號進行魏格納變換，接著進行辛有限傅里葉變換（Ｓｙｍｐｌｅｃｔｉｃ Ｆｉｎｉｔｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ，ＳＦＦＴ）將數據恢復為ＤＤ 域數據信息，再根據導頻的信道估計進行解調得到最終的通信數據［８８］。而感知目標的估計參數可以通過接收到的ＤＤ 域的導頻信息結合匹配濾波等算法得到。文獻［８９］中提出的基于近似最大似然估計的感知算法，可以使ＯＴＦＳ 的感知精度媲美專用的感知波形ＦＭＣＷ。而與ＯＦＤＭ 波形相比，ＯＴＦＳ 在高速場景中具有更低的誤碼率，但是ＯＴＦＳ 需要在頻域上多個子載波和時域上多個ＯＦＤＭ 符號組成的大數據塊基礎上進行聯合處理，導致時延高，不適合低時延業務，并且存在處理復雜度高及其他問題。而在感知性能方面，文獻［９０］制定了統一的信號模型研究ＯＴＦＳ 和ＯＦＤＭ 二者在感知性能的差異，仿真結果表明ＯＴＦＳ具有更優的感知性能。

為進一步提高ＯＴＦＳＩＳＡＣ 的性能，Ｌｉｕ 等［９１］研究了針對ＯＴＦＳ 一體化系統中通信和感知之間對頻率資源和功率資源的分配方案。文獻［９２］則提出了一種基于加權分數傅里葉變換的ＯＴＦＳ 一體化波形，通過靈活調整參數來共同優化通信和感知的性能。

６ 結束語

從以通信為主的波形設計、以感知為主的波形設計、通信和感知波形的復用設計以及聯合波形設計四方面，總結了近年來面向通信感知一體化的信號波形設計研究。以通信為主的波形設計中，鑒于與現有通信系統的兼容性，以ＯＦＤＭ 為基礎進行一體化波形設計是研究的重點；以感知為主的波形設計中，ＬＦＭ 一體化信號設計靈活，結合ＩＭ 可以實現更高的通信速率；從通信資源復用的角度分析了基于時分、頻分、碼分、空分的一體化波形復用設計；聯合波形設計方面，對現有的ＩＳＡＣ 的性能邊界和理論基礎的研究進行了闡述，以指導全新的ＩＳＡＣ 波形設計。

目前在ＩＳＡＣ 波形設計上已經有了很多研究工作，但仍然存在一些挑戰和問題亟需解決：

① ＩＳＡＣ 的信息論。理論性能分析對于ＩＳＡＣ的波形設計至關重要，但通信和感知的指標體系相互獨立，需要從理論上對通信和感知的性能構建內在的關系表征，建立通信感知一體的理論模型和性能指標體系。另外，還需結合實際的問題進行理論性能的研究，如信道估計誤差、頻偏和信號同步誤差等。

② 基于ＯＦＤＭ 的一體化波形設計?，F有一些研究采用３ＧＰＰ ５ＧＮＲ 和ＩＥＥＥ ８０２． １１ 等標準的幀結構可以實現感知功能，但幀結構中的參考信號不夠靈活，無法適應各種復雜的場景需求。因此，需進一步設計ＯＦＤＭ 幀結構中更加靈活的感知參考信號及其在時頻資源中的分布方式，同時聯合更多維度的參數共同優化基于ＯＦＤＭ 的ＩＳＡＣ 波形設計。

③ 面向ＭＩＭＯ 場景的一體化波形設計。在當前的通信和雷達系統中ＭＩＭＯ 技術已經廣泛應用，通過波束成形可以提高通信系統的覆蓋范圍以及感知的角度分辨率，但同時也提高了波束訓練的開銷。將感知參數與波束成形相結合，可以加快波束對準和跟蹤的過程，并且通過同時優化時、頻、空等資源可進一步提升通信和感知互助的能力。

④ 融合語義通信的一體化波形設計。語義通信可通過從源信息中提取與任務相關的語義信息來減少ＩＳＡＣ 系統中通信資源的占用，從而提升感知的性能。另外，在波形調制方面，相較于傳統通信中調頻、調幅、調相或矢量編碼方式的調制，語義通信采用非正交的不可逆混疊編碼調制，一體化波形可以根據感知信號波形的需求共同構造調制信號集波形。

參考文獻

［１］ ＣＨＡＦＩＩ Ｍ，ＢＡＲＩＡＨ Ｌ，ＭＵＨＡＩＤＡＴ Ｓ，ｅｔ ａｌ． Ｔｗｅｌｖｅ Ｓｃｉ

ｅｎｔｉｆｉｃ Ｃｈａｌｌｅｎｇｅｓ ｆｏｒ ６Ｇ：Ｒｅｔｈｉｎｋｉｎｇ ｔｈｅ Ｆｏｕｎｄａｔｉｏｎｓ ｏｆ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｔｈｅｏｒｙ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ

＆ Ｔｕｔｏｒｉａｌｓ，２０２３，２５（２）：８６８－９０４．

［２］ ＬＩＵ Ｆ，ＣＵＩ Ｙ Ｈ，ＭＡＳＯＵＲＯＳ Ｃ，ｅｔ ａｌ． Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ

ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ：Ｔｏｗａｒｄ Ｄｕａｌｆｕｎｃｔｉｏｎａｌ Ｗｉｒｅｌｅｓｓ

Ｎｅｔｗｏｒｋｓ ｆｏｒ ６Ｇ ａｎｄ Ｂｅｙｏｎｄ［Ｊ］． ＩＥＥＥ Ｊｏｕｒｎａｌ ｏｎ Ｓｅｌｅｃｔｅｄ

Ａｒｅａｓ ｉｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，４０（６）：１７２８－１７６７．

［３］ ＣＵＩ Ｙ Ｈ，ＬＩＵ Ｆ，ＪＩＮＧ Ｘ Ｊ，ｅｔ ａｌ． Ｉｎｔｅｇｒａｔｉｎｇ Ｓｅｎｓｉｎｇ ａｎｄ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｆｏｒ Ｕｂｉｑｕｉｔｏｕｓ ＩｏＴ：Ａｐｐｌｉｃａｔｉｏｎｓ，Ｔｒｅｎｄｓ，

ａｎｄ Ｃｈａｌｌｅｎｇｅｓ ［Ｊ ］． ＩＥＥＥ Ｎｅｔｗｏｒｋ，２０２１，３５ （５ ）：

１５８－１６７．

［４］ ＺＨＯＮＧ Ｙ，ＢＩ Ｔ Ｑ，ＷＡＮＧ Ｊ，ｅｔ ａｌ． Ｅｍｐｏｗｅｒｉｎｇ ｔｈｅ Ｖ２Ｘ

Ｎｅｔｗｏｒｋ ｂｙ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ：

Ｂａｃｋｇｒｏｕｎｄ，Ｄｅｓｉｇｎ，Ａｄｖａｎｃｅｓ，ａｎｄ Ｏｐｐｏｒｔｕｎｉｔｉｅｓ ［Ｊ］．

ＩＥＥＥ Ｎｅｔｗｏｒｋ，２０２２，３６（４）：５４－６０．

［５］ ＷＵ Ｑ Ｑ，ＸＵ Ｊ，ＺＥＮＧ Ｙ，ｅｔ ａｌ． Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ

Ｏｖｅｒｖｉｅｗ ｏｎ ５ＧａｎｄＢｅｙｏｎｄ Ｎｅｔｗｏｒｋｓ ｗｉｔｈ ＵＡＶｓ：Ｆｒｏｍ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｔｏ Ｓｅｎｓｉｎｇ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｃｅ ［Ｊ］． ＩＥＥＥ

Ｊｏｕｒｎａｌ ｏｎ Ｓｅｌｅｃｔｅｄ Ａｒｅａｓ ｉｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２１，３９

（１０）：２９１２－２９４５．

［６］ ＺＥＮＧ Ｙ Ｗ，ＷＵ Ｄ，ＸＩＯＮＧ Ｊ，ｅｔ ａｌ． ＭｕｌｔｉＳｅｎｓｅ：Ｅｎａｂｌｉｎｇ

Ｍｕｌｔｉｐｅｒｓｏｎ Ｒｅｓｐｉｒａｔｉｏｎ Ｓｅｎｓｉｎｇ ｗｉｔｈ Ｃｏｍｍｏｄｉｔｙ ＷｉＦｉ

［Ｊ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＡＣＭ ｏｎ Ｉｎｔｅｒａｃｔｉｖｅ，Ｍｏｂｉｌｅ，

Ｗｅａｒａｂｌｅ ａｎｄ Ｕｂｉｑｕｉｔｏｕｓ Ｔｅｃｈｎｏｌｏｇｉｅｓ，２０２０，４ （３ ）：

１－２９．

［７］ 梁興東，李強，王杰，等． 雷達通信一體化技術研究綜

述［Ｊ］． 信號處理，２０２０，３６（１０）：１６１５－１６２７．

［８］ ＩＴＵＲ． Ｆｒａｍｅｗｏｒｋ ａｎｄ Ｏｖｅｒａｌｌ Ｏｂｊｅｃｔｉｖｅｓ ｏｆ ｔｈｅ Ｆｕｔｕｒｅ

Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＩＭＴ ｆｏｒ ２０３０ ａｎｄ Ｂｅｙｏｎｄ［Ｒ］． Ｇｅｎｅｖａ：

ＩＴＵＲ，２０２３．

［９］ ＳＴＵＲＭ Ｃ，ＷＩＥＳＢＥＣＫ Ｗ． Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ ａｎｄ Ｓｉｇｎａｌ

Ｐｒｏｃｅｓｓｉｎｇ Ａｓｐｅｃｔｓ ｆｏｒ Ｆｕｓｉｏｎ ｏｆ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

ａｎｄ Ｒａｄａｒ Ｓｅｎｓｉｎｇ［Ｊ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ，２０１１，９９

（７）：１２３６－１２５９．

［１０］ＧＯＬＺＡＤＥＨ Ｍ，ＴＩＩＲＯＬＡ Ｅ，ＡＮＴＴＩＬＡ Ｌ，ｅｔ ａｌ． Ｄｏｗｎｌｉｎｋ

Ｓｅｎｓｉｎｇ ｉｎ ５Ｇａｄｖａｎｃｅｄ ａｎｄ ６Ｇ：ＳＩＢ１ａｓｓｉｓｔｅｄ ＳＳＢ Ａｐ

ｐｒｏａｃｈ［Ｃ］∥２０２３ ＩＥＥＥ ９７ｔｈ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｎ

ｆｅｒｅｎｃｅ （ＶＴＣ２０２３Ｓｐｒｉｎｇ）． Ｆｌｏｒｅｎｃｅ：ＩＥＥＥ，２０２３：１－７．

［１１］ＶＡＲＳＨＮＥＹ Ｎ，ＢＥＲＷＥＧＥＲ Ｓ，ＣＨＵＡＮＧ Ｊ，ｅｔ ａｌ．

Ａｄａｐｔｉｖｅ ＣｈａｎｎｅｌＳｔａｔｅＩｎｆｏｒｍａｔｉｏｎ Ｆｅｅｄｂａｃｋ ｉｎ Ｉｎｔｅｇｒａｔｅｄ

Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ

Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２３，１０（２４）：２２４６９－２２４８６．

［１２］ＪＩ Ｋ Ｊ，ＺＨＡＮＧ Ｑ Ｘ，ＷＥＩ Ｚ Ｑ，ｅｔ ａｌ． Ｎｅｔｗｏｒｋｉｎｇ Ｂａｓｅｄ

ＩＳＡＣ Ｈａｒｄｗａｒｅ Ｔｅｓｔｂｅｄ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ｅｖａｌｕａｔｉｏｎ［Ｊ］．

ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２０２３，６１（５）：７６－８２．

［１３］ＷＥＩ Ｚ Ｑ，ＷＡＮＧ Ｙ，ＭＡ Ｌ，ｅｔ ａｌ． ５Ｇ ＰＲＳｂａｓｅｄ Ｓｅｎｓｉｎｇ：

Ａ Ｓｅｎｓｉｎｇ Ｒｅｆｅｒｅｎｃｅ Ｓｉｇｎａｌ Ａｐｐｒｏａｃｈ ｆｏｒ Ｊｏｉｎｔ Ｓｅｎｓｉｎｇ

ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ

Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０２３，７２（３）：３２５０－３２６３．

［１４］ＳＵＮ Ｂ，ＴＡＮ Ｂ，ＡＳＨＲＡＦ Ｍ，ｅｔ ａｌ． Ｅｍｂｅｄｄｉｎｇ ｔｈｅ Ｌｏｃａｌｉ

ｚａｔｉｏｎ ａｎｄ Ｉｍａｇｉｎｇ Ｆｕｎｃｔｉｏｎｓ ｉｎ Ｍｏｂｉｌｅ Ｓｙｓｔｅｍｓ：Ａｎ

Ａｉｒｐｏｒｔ Ｓｕｒｖｅｉｌｌａｎｃｅ Ｕｓｅ Ｃａｓｅ［Ｊ］． ＩＥＥＥ Ｏｐｅｎ Ｊｏｕｒｎａｌ ｏｆ

ｔｈｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｏｃｉｅｔｙ，２０２２，３：１６５６－１６７１．

［１５］ＢＡＲＮＥＴＯ Ｂ Ｃ，ＲＩＩＨＯＮＥＮ Ｔ，ＴＵＲＵＮＥＮ Ｍ，ｅｔ ａｌ． Ｆｕｌｌ

ｄｕｐｌｅｘ ＯＦＤＭ Ｒａｄａｒ ｗｉｔｈ ＬＴＥ ａｎｄ ５Ｇ ＮＲ Ｗａｖｅｆｏｒｍｓ：

Ｃｈａｌｌｅｎｇｅｓ，Ｓｏｌｕｔｉｏｎｓ，ａｎｄ Ｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓ

ａｃｔｉｏｎｓ ｏｎ Ｍｉｃｒｏｗａｖｅ Ｔｈｅｏｒｙ ａｎｄ Ｔｅｃｈｎｉｑｕｅｓ，２０１９，６７

（１０）：４０４２－４０５４．

［１６］ＬＩＹＡＮＡＡＲＡＣＨＣＨＩ Ｓ Ｄ，ＲＩＩＨＯＮＥＮ Ｔ，ＢＡＲＮＥＴＯ Ｃ Ｂ，

ｅｔ ａｌ． Ｏｐｔｉｍｉｚｅｄ Ｗａｖｅｆｏｒｍｓ ｆｏｒ ５Ｇ６Ｇ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｗｉｔｈ

Ｓｅｎｓｉｎｇ：Ｔｈｅｏｒｙ，Ｓｉｍｕｌａｔｉｏｎｓ ａｎｄ Ｅｘｐｅｒｉｍｅｎｔｓ［Ｊ］． ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２１，２０

（１２）：８３０１－８３１５．

［１７］ＺＨＡＯ Ｑ Ｍ，ＴＡＮＧ Ａ Ｍ，ＷＡＮＧ Ｘ Ｄ． Ｒｅｆｅｒｅｎｃｅ Ｓｉｇｎａｌ

Ｄｅｓｉｇｎ ａｎｄ Ｐｏｗｅｒ Ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ Ｅｎｅｒｇｙｅｆｆｉｃｉｅｎｔ ５Ｇ

Ｖ２Ｘ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｊ］． ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｇｒｅｅｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ，

２０２３，７（１）：３７９－３９２．

［１８］ＬＩ Ｙ Ｈ，ＷＥＩ Ｚ Ｑ，ＦＥＮＧ Ｚ Ｙ． Ｊｏｉｎｔ Ｓｕｂｃａｒｒｉｅｒ ａｎｄ Ｐｏｗｅｒ

Ａｌｌｏｃａｔｉｏｎ ｆｏｒ Ｕｐｌｉｎｋ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａ

ｔｉｏｎ Ｓｙｓｔｅｍ［Ｊ］． ＩＥＥＥ Ｓｅｎｓｏｒｓ Ｊｏｕｒｎａｌ，２０２３，２３ （２４）：

３１０７２－３１０８１．

［１９］ＬＩ Ｚ Ｈ，ＪＩＡＮＧ Ｘ，ＺＨＵ Ｂ Ｑ． Ｉｎｔｅｇｒａｔｅｄ Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ

ｖｉａ Ｐｉｌｏｔｂａｓｅｄ ＯＦＤＭ ｆｏｒ Ｊｏｉｎｔ Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ

Ｓｙｓｔｅｍ［Ｃ］∥２０２２ ＩＥＥＥ ５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ

Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ

（ＩＣＥＩＣＴ）． Ｈｅｆｅｉ：ＩＥＥＥ，２０２２：９６９－９７４．

［２０］ＨＵＡＮＧ Ｙ Ｘ，ＨＵ Ｓ，ＭＡ Ｓ Ｙ，ｅｔ ａｌ． Ｄｅｓｉｇｎｉｎｇ ＬｏｗＰＡＰＲ

Ｗａｖｅｆｏｒｍ ｆｏｒ ＯＦＤＭｂａｓｅｄ ＲａｄＣｏｍ Ｓｙｓｔｅｍｓ［Ｊ］． ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，２１（９）：

６９７９－６９９３．

［２１］ＹＡＯ Ｒ Ｂ，ＷＥＩ Ｚ Ｑ，ＳＵ Ｌ Ｙ，ｅｔ ａｌ． ＬｏｗＰＡＰＲ Ｉｎｔｅｇｒａｔｅｄ

Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ［Ｃ］∥２０２３

ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ

（ＷＣＮＣ）． Ｇｌａｓｇｏｗ：ＩＥＥＥ，２０２３：１－６．

［２２］ＷＡＮＧ Ｙ，ＷＥＩ Ｚ Ｑ，ＺＨＯＵ Ｗ，ｅｔ ａｌ． Ｔｒｉａｎｇｕｌａｒ ＦＭ

ＯＦＤＭ Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ ｆｏｒ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍ

ｍｕｎｉｃａｔｉｏｎ［Ｃ］∥２０２２ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｗｏｒｋｓｈｏｐｓ （ＩＣＣ Ｗｏｒｋｓｈｏｐｓ）． Ｓｅｏｕｌ：

ＩＥＥＥ，２０２２：５１５－５１９．

［２３］ＡＹＤＯＧＡＮ Ｄ，ＴＡＴＫＥＵ Ｃ，ＥＬ ＨＩＬＬＡＬＩ Ｙ． Ｐｉｌｏｔ Ｂａｓｅｄ

Ｓｔｅｐｐｅｄｃａｒｒｉｅｒ ＯＦＤＭ ｔｏ Ｒｅｔｒｉｅｖｅ Ｈｉｇｈ Ｒｅｓｏｌｕｔｉｏｎ

Ｒａｎｇｅｖｅｌｏｃｉｔｙ Ｐｒｏｆｉｌｅ ｉｎ Ｊｏｉｎｔ Ｖｅｈｉｃｕｌａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎ

ａｎｄ Ｒａｄａｒ Ｓｙｓｔｅｍｓ［Ｃ］∥２０２２ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ

ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｉｎｆｏｒｍａｔｉｏｎ，Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｅｎｅｒｇｙ

Ｓｙｓｔｅｍｓ （ＣＩＥＥＳ）． Ｖｅｌｉｋｏ Ｔａｒｎｏｖｏ：ＩＥＥＥ，２０２２：１－６．

［２４］ＺＨＡＮＧ Ｚ Ｂ，ＣＨＡＮＧ Ｑ，ＸＩＮＧ Ｊ，ｅｔ ａｌ． Ｄｅｅｐｌｅａｒｎｉｎｇ

Ｍｅｔｈｏｄｓ ｆｏｒ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｉｎ Ｖｅ

ｈｉｃｕｌａｒ Ｎｅｔｗｏｒｋｓ［Ｊ］． Ｖｅｈｉｃｕｌａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２３，

４０（Ｃ）：１００５７４．

［２５］ＳＩＮＯＰ Ｈ，ＹＡ爦ＡＲ Ｓ，ＴＵＮＡ Ｅ Ｂ，ｅｔ ａｌ． Ｃｏｍｐａｒｉｓｏｎ ｏｆ

Ｓｉｎｇｌｅ Ｃａｒｒｉｅｒ ａｎｄ Ｍｕｌｔｉ Ｃａｒｒｉｅｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ

ｏｖｅｒ Ｌａｒｇｅ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｅｆｌｅｃｔｉｎｇ Ｓｕｒｆａｃｅｓ［Ｃ］∥２０２０ ２８ｔｈ

Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ａｐｐｌｉｃａｔｉｏｎｓ Ｃｏｎ

ｆｅｒｅｎｃｅ （ＳＩＵ）． Ｇａｚｉａｎｔｅｐ：ＩＥＥＥ，２０２０：１－４．

［２６］ＪＯＨＡＮＮＥＳ Ｗ，ＳＴＡＮＫＯ Ｓ，ＫＡＬＬＦＡＳＳ Ｉ． Ｔｉｍｅ Ｄｏｍａｉｎ

Ａｎａｌｙｓｉｓ ｏｆ Ｊｏｉｎｔ Ｂｒｏａｄｂａｎｄ Ｒａｄａｒ ａｎｄ Ｓｉｎｇｌｅ Ｃａｒｒｉｅｒ

Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｉｎ Ｆｒｅｑｕｅｎｃｙ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅｘｉｎｇ［Ｃ］∥

２０２３ ２０ｔｈ Ｅｕｒｏｐｅａｎ Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ （ＥｕＲＡＤ ）．

Ｂｅｒｌｉｎ：ＩＥＥＥ，２０２３：２７８－２８１．

［２７］ＸＩＡＯ Ｚ Ｑ，ＺＥＮＧ Ｙ． Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ

ｗｉｔｈ Ｄｅｌａｙ Ａｌｉｇｎｍｅｎｔ Ｍｏｄｕｌａｔｉｏｎ：Ｐｅｒｆｏｒｍａｎｃｅ Ａｎａｌｙｓｉｓ

ａｎｄ Ｂｅａｍｆｏｒｍｉｎｇ Ｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ

Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２３，２２（１２）：８９０４－８９１８．

［２８］ＳＡＡＤＩＡ Ｒ，ＫＨＡＮ Ｎ Ｍ． Ｓｉｎｇｌｅ Ｃａｒｒｉｅｒｆｒｅｑｕｅｎｃｙ

Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ Ｒａｄａｒ：Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ ａｎｄ

Ａｎａｌｙｓｉｓ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２０，８：３５７４２－３５７５１．

［２９］ＷＵ Ｙ Ｚ，ＬＥＭＩＣ Ｆ，ＨＡＮ Ｃ，ｅｔ ａｌ． Ｓｅｎｓｉｎｇ Ｉｎｔｅｇｒａｔｅｄ

ＤＦＴｓｐｒｅａｄ ＯＦＤＭ Ｗａｖｅｆｏｒｍ ａｎｄ Ｄｅｅｐ Ｌｅａｒｎｉｎｇ

ｐｏｗｅｒｅｄ Ｒｅｃｅｉｖｅｒ Ｄｅｓｉｇｎ ｆｏｒ Ｔｅｒａｈｅｒｔｚ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ

ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，７１（１）：５９５－６１０．

［３０］ＤＥ ＯＬＩＶＥＩＲＡ Ｌ Ｇ，ＡＬＡＢＤ Ｍ Ｂ，ＮＵＳＳ Ｂ，ｅｔ ａｌ． Ａｎ ＯＣＤＭ

Ｒａｄａｒｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ［Ｃ］∥２０２０ １４ｔｈ Ｅｕｒｏｐｅａｎ Ｃｏｎ

ｆｅｒｅｎｃｅ ｏｎ Ａｎｔｅｎｎａｓ ａｎｄ Ｐｒｏｐａｇａｔｉｏｎ （ＥｕＣＡＰ）． Ｃｏｐｅｎ

ｈａｇｅｎ：ＩＥＥＥ，２０２０：１－５．

［３１］ＤＥ ＯＬＩＶＥＩＲＡ Ｌ Ｇ，ＮＵＳＳ Ｂ，ＡＬＡＢＤ Ｍ Ｂ，ｅｔ ａｌ． ＭＩＭＯ

ＯＣＤＭｂａｓｅｄ Ｊｏｉｎｔ Ｒａｄａｒ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ

［Ｃ］∥２０２１ １５ｔｈ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｎｔｅｎｎａｓ ａｎｄ

Ｐｒｏｐａｇａｔｉｏｎ （ＥｕＣＡＰ）． Ｄｕｓｓｅｌｄｏｒｆ：ＩＥＥＥ，２０２１：１－５．

［３２］王晶琦，曾歡，陶詹，等． 一種基于ＯＣＤＭ 的新型雷達

通信一體化系統［Ｊ］． 微波學報，２０２２，３８（６）：１４－１８．

［３３］ＢＨＡＴＴＡＣＨＡＲＪＥＥ Ｓ，ＭＩＳＨＲＡ Ｋ Ｖ，ＡＮＮＡＶＡＪＪＡＬＡ Ｒ，

ｅｔ ａｌ． Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｏｒｔｈｏｇｏｎａｌ Ｃｈｉｒｐ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅｘｉｎｇ

ｆｏｒ Ａｕｔｏｍｏｔｉｖｅ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

［Ｃ］∥ＩＣＡＳＳＰ ２０２２－２０２２ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ

ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ （ＩＣＡＳＳＰ）．

Ｓｉｎｇａｐｏｒｅ：ＩＥＥＥ，２０２２：８７４２－８７４６．

［３４］ＬＩ Ｌ Ｙ，ＺＨＡＮＧ Ｌ，ＺＨＡＮＧ Ｈ Ｑ，ｅｔ ａｌ． ＴＨｚｏｖｅｒｆｉｂｅｒ

Ｓｙｓｔｅｍ ｗｉｔｈ Ｏｒｔｈｏｇｏｎａｌ Ｃｈｉｒｐ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅｘｉｎｇ ｆｏｒ

Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ［Ｃ］∥２０２３ Ｏｐｔｏ

Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃｅ （ＯＥＣＣ）．

Ｓｈａｎｇｈａｉ：ＩＥＥＥ，２０２３：１－３．

［３５］曾浩，吉利霞，李鳳，等． １６ＱＡＭＬＦＭ 雷達通信一體化

信號設計［Ｊ］． 通信學報，２０２０，４１（３）：１８２－１８９．

［３６］ＺＨＡＯ Ｊ Ｃ，ＬＩ Ｊ Ｂ，ＹＩ Ｙ． Ｒｅｓｅａｒｃｈ ｏｎ Ｒａｄａｒ Ｃｏｍｍｕｎｉｃａ

ｔｉｏｎ Ｉｎｔｅｇｒａｔｅｄ Ｓｉｇｎａｌ Ｂａｓｅｄ ｏｎ ６４ＱＡＭＬＦＭ［Ｃ］∥２０２１

Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｍｏｂｉｌｅ Ｃｏｍ

ｐｕｔｉｎｇ （ＩＷＣＭＣ）． Ｈａｒｂｉｎ：ＩＥＥＥ，２０２１：１１５１－１１５５．

［３７］ＢＥＫＡＲ Ｍ，ＢＡＫＥＲ Ｃ Ｊ，ＨＯＡＲＥ Ｅ，ｅｔ ａｌ． Ｒｅａｌｉｚａｔｉｏｎ ｏｆ ａ

Ｊｏｉｎｔ ＭＩＭＯ Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ Ｕｓｉｎｇ ａ

ＰＳＫＬＦＭ Ｗａｖｅｆｏｒｍ［Ｃ］∥２０２０ ＩＥＥＥ Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ

（ＲａｄａｒＣｏｎｆ２０）． Ｆｌｏｒｅｎｃｅ：ＩＥＥＥ，２０２０：１－６．

［３８］ＢＥＫＡＲ Ｍ，ＢＡＫＥＲ Ｃ Ｊ，ＨＯＡＲＥ Ｅ Ｇ，ｅｔ ａｌ． Ｊｏｉｎｔ ＭＩＭＯ

Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ Ｕｓｉｎｇ ａ ＰＳＫＬＦＭ

Ｗａｖｅｆｏｒｍ ｗｉｔｈ ＴＤＭ ａｎｄ ＣＤＭ Ａｐｐｒｏａｃｈｅｓ ［Ｊ］． ＩＥＥＥ

Ｓｅｎｓｏｒｓ Ｊｏｕｒｎａｌ，２０２１，２１（５）：６１１５－６１２４．

［３９］ＬＹＵ Ｚ Ｄ，ＺＨＡＮＧ Ｌ，ＺＨＡＮＧ Ｈ Ｑ，ｅｔ ａｌ． Ｒａｄａｒｃｅｎｔｒｉｃ

Ｐｈｏｔｏｎｉｃ Ｔｅｒａｈｅｒｔｚ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ

Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ ＬＦＭＰＳＫ Ｗａｖｅｆｏｒｍ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃ

ｔｉｏｎｓ ｏｎ Ｍｉｃｒｏｗａｖｅ Ｔｈｅｏｒｙ ａｎｄ Ｔｅｃｈｎｉｑｕｅｓ，２０２３，７１

（１１）：５０１９－５０２７．

［４０］ＷＥＮ Ｙ Ｆ，ＹＡＮＧ Ｆ，ＳＯＮＧ Ｊ，ｅｔ ａｌ． Ｆｒｅｅ Ｓｐａｃｅ Ｏｐｔｉｃａｌ

Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｂａｓｅｄ ｏｎ ＬＦＭ ａｎｄ

ＣＰＭ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｌｅｔｔｅｒｓ，２０２３，２８ （１）：

４３－４７．

［４１］ＺＨＡＮＧ Ｗ Ｘ，ＷＡＮ Ｈ，ＤＡＩ Ｘ Ｆ． Ｒｅｓｅａｒｃｈ ｏｎ Ｉｎｔｅｇｒａｔｅｄ

Ｗａｖｅｆｏｒｍ ｏｆ ＭＳＫＬＦＭ Ｒａｄａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｆｏｒ Ａｎｔｉ

Ｍｕｌｔｉｐａｔｈ Ｉｎｔｅｒｆｅｒｅｎｃｅ［Ｃ］∥２０２２ ２３ｒｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒａｄａｒ

Ｓｙｍｐｏｓｉｕｍ （ＩＲＳ）． Ｇｄａｎｓｋ：ＩＥＥＥ，２０２２：１－６．

［４２］ＢＡＯ Ｈ Ｓ Ｌ，ＺＩＥＭＡＮＮ Ａ，ＨＥ Ｚ Ｘ Ｓ． Ｄｅｓｉｇｎ ａｎｄ Ｍｅａｓ

ｕｒｅｍｅｎｔｓ ｏｆ ＭＳＫＬＦＭ ＲａｄＣｏｍ Ｓｙｓｔｅｍ［Ｃ］∥２０２０ １７ｔｈ

Ｅｕｒｏｐｅａｎ Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ （ＥｕＲＡＤ）． Ｕｔｒｅｃｈｔ：ＩＥＥＥ，

２０２１：９－１２．

［４３］ＭＥＩ Ｇ，ＸＵＡＮ Ｒ． Ａｎａｌｙｓｉｓ ｏｆ Ｗｅａｋ Ｔａｒｇｅｔ Ｄｅｔｅｃｔｉｏｎ Ｐｅｒ

ｆｏｒｍａｎｃｅ Ｂａｓｅｄ ｏｎ Ｒａｄａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｉｎｔｅｇｒａｔｅｄ

Ｓｉｇｎａｌ ＣＥＯＦＤＭ ａｎｄ ＭＳＫＬＦＭ［Ｃ］∥２０２１ ７ｔｈ Ｉｎｔｅｒｎａ

ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ （ＩＣ

ＣＣ）． Ｃｈｅｎｇｄｕ：ＩＥＥＥ，２０２１：６１５－６１９．

［４４］ＸＵ Ｒ，ＷＥＮ Ｒ Ｍ，ＨＵＡＮＧ Ｚ Ｈ，ｅｔ ａｌ． Ｄｅｓｉｇｎ ｏｆ Ｄｕａｌ

ｆｕｎｃｔｉｏｎ Ｒａｄａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ Ｄｅｌａｙｅｄ

Ｊｕｍｐ Ｍａｐｐｉｎｇ ＬＦＭ［Ｃ］∥２０２３ ８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ

ｅｎｃｅ ｏｎ Ｓｉｇｎａｌ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ （ＩＣＳＩＰ）． Ｗｕｘｉ：

ＩＥＥＥ，２０２３：９４６－９５１．

［４５］ＨＵＡＮＧ Ｚ Ｊ，ＧＵＯ Ｒ，ＺＨＥＮＧ Ｚ Ｄ． ＯＦＤＬＦＭ Ｂａｓｅｄ

Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ ｗｉｔｈ Ｌｏｗ Ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ Ｓｉｄｅｌｏｂｅｓ ｆｏｒ

ＭＩＭＯ Ｒａｄａｒｓ［Ｃ］∥２０２３ ６ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ

Ｅｌｅｃｔｒｏｎｉｃｓ Ｔｅｃｈｎｏｌｏｇｙ （ＩＣＥＴ）． Ｃｈｅｎｇｄｕ：ＩＥＥＥ，２０２３：

１４０８－１４１２．

［４６］ＷＡＮＧ Ｊ Ｑ，ＷＡＮＧ Ｐ Ｐ，ＬＵＯ Ｆ，ｅｔ ａｌ． Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ

ａｎｄ ＤｏＡＤｏＤ Ｅｓｔｉｍａｔｉｏｎ ｏｆ ＯＦＤＭＬＦＭ Ｓｉｇｎａｌ Ｂａｓｅｄ ｏｎ

ＳＤＦｎＴ ｆｏｒ ＭＩＭＯ Ｒａｄａｒ ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２３，１１：

１３４８－１３５８．

［４７］ＭＡＲＩＮ Ｊ，ＢＥＲＮＨＡＲＤＴ Ｍ，ＲＩＩＨＯＮＥＮ Ｔ． Ｓｅｎｓｉｎｇ Ｐｅｒ

ｆｏｒｍａｎｃｅ ｏｆ Ｗｉｄｅｂａｎｄ Ｆｕｌｌｄｕｐｌｅｘ Ｊｏｉｎｔ Ｒａｄａｒｃｏｍｍｕｎｉ

ｃａｔｉｏｎｓ ＦＭＦＳＫ Ｔｒａｎｓｃｅｉｖｅｒ［Ｃ］∥２０２３ ３１ｓｔ Ｅｕｒｏｐｅａｎ

Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ （ＥＵＳＩＰＣＯ ）． Ｈｅｌｓｉｎｋｉ：

ＩＥＥＥ，２０２３：７０５－７０９．

［４８］ＮＡＩＮＩ Ｓ Ｆ，ＰＥＴＥＲＳ Ｓ，ＫＵＲＩＮ Ｔ，ｅｔ ａｌ． Ｄｅｓｉｇｎ ａｎｄ Ｅｖａｌ

ｕａｔｉｏｎ ｏｆ ａ Ｊｏｉｎｔ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｓｅｎｓｉｎｇ Ｓｙｓｔｅｍ

Ｕｓｉｎｇ ＦＭＣＷｒａｄａｒ ａｎｄ ＦＳＫ ｉｎ Ｖｂａｎｄ［Ｃ］∥２０２３ ２０ｔｈ

Ｅｕｒｏｐｅａｎ Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ （ＥｕＲＡＤ）． Ｂｅｒｌｉｎ：ＩＥＥＥ，

２０２３：４６８－４７１．

［４９］劉永軍，廖桂生，唐皓，等． ＦＳＫＦＭＣＷ 雷達通信一體

化信號設計與處理方法研究［Ｊ］． 信號處理，２０２２，３８

（１１）：２２６５－２２７５．

［５０］ＢＡＲＲＥＮＥＣＨＥＡ Ｐ，ＥＬＦＥＲＩＮＫ Ｆ，ＪＡＮＳＳＥＮ Ｊ． ＦＭＣＷ

Ｒａｄａｒ ｗｉｔｈ Ｂｒｏａｄｂａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｃａｐａｂｉｌｉｔｙ［Ｃ］∥

２００７ Ｅｕｒｏｐｅａｎ Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ． Ｍｕｎｉｃｈ：ＩＥＥＥ，２００７：

１３０－１３３．

［５１］ＷＵ Ｌ Ｌ，ＲＡＪＰＵＴ Ｋ Ｐ，ＬＩＵ Ｙ，ｅｔ ａｌ． Ｄｉｓｔｒｉｂｕｔｅｄ Ｓｅｎｓｉｎｇ

ａｎｄ Ｃｅｎｔｒｉｃ Ｃｏｍｐｕｔｉｎｇ ｖｉａ ＦＭＣＷ Ｗａｖｅｆｏｒｍ ｉｎ Ｗｉｒｅｌｅｓｓ

Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ［Ｃ］∥２０２３ ＩＥＥＥ ２４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋ

ｓｈｏｐ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ａｄｖａｎｃｅｓ ｉｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕ

ｎｉｃａｔｉｏｎｓ （ＳＰＡＷＣ）． Ｓｈａｎｇｈａｉ：ＩＥＥＥ，２０２３：５９６－６００．

［５２］張逸格，鄭霖，楊超． 面向雷達通信一體化的ＭＦＳＫ

ＦＭＣＷ 信號處理技術［Ｊ］． 雷達科學與技術，２０２２，２０

（２）：２１７－２２３．

［５３］ＸＵ Ｒ，ＷＥＮ Ｒ Ｍ，ＣＵＩ Ｇ Ｌ，ｅｔ ａｌ． Ｒａｄａｒ Ｐｅｒｆｏｒｍａｎｃｅ

Ｄｅｇｒａｄａｔｉｏｎ Ｅｌｉｍｉｎａｔｉｏｎ ｆｏｒ Ｓｕｂｐｕｌｓｅｂａｓｅｄ ＦＭＣＷ ｉｎ

ＤＦＲＣ ［Ｊ］． ＩＥＥＥ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｌｅｔｔｅｒｓ，２０２３，３０：

１５８２－１５８６．

［５４］ＧＵ Ｍ Ｘ，ＬＥＥ Ｍ Ｃ，ＬＩＵ Ｙ Ｓ，ｅｔ ａｌ． Ｄｅｓｉｇｎ ａｎｄ Ａｎａｌｙｓｉｓ ｏｆ

Ｆｒｅｑｕｅｎｃｙ Ｈｏｐｐｉｎｇａｉｄｅｄ ＦＭＣＷｂａｓｅｄ Ｉｎｔｅｇｒａｔｅｄ Ｒａｄａｒ

ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，７０（１２）：８４１６－８４３２．

［５５］ＣＨＥＮ Ｓ Ｙ，ＫＡＵＳＨＩＫ Ａ，ＭＡＳＯＵＲＯＳ Ｃ． Ｐｒｅｓｃａｌｉｎｇ ａｎｄ

Ｃｏｄｅｂｏｏｋ Ｄｅｓｉｇｎ ｆｏｒ Ｊｏｉｎｔ Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ

Ｂａｓｅｄ ｏｎ Ｉｎｄｅｘ Ｍｏｄｕｌａｔｉｏｎ ［Ｃ］∥ ＧＬＯＢＥＣＯＭ ２０２２ －

２０２２ ＩＥＥＥ Ｇｌｏｂａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃｅ． Ｒｉｏ ｄｅ

Ｊａｎｅｉｒｏ：ＩＥＥＥ，２０２２：６０３７－６０４１．

［５６］ＴＥＭＩＺ Ｍ，ＨＯＲＮＥ Ｃ，ＰＥＴＥＲＳ Ｎ Ｊ，ｅｔ ａｌ． Ａｎ Ｅｘｐｅｒｉｍｅｎｔａｌ

Ｓｔｕｄｙ ｏｆ Ｒａｄａｒｃｅｎｔｒｉｃ Ｔｒａｎｓｍｉｓｓｉｏｎ ｆｏｒ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ

ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｉｃｒｏｗａｖｅ

Ｔｈｅｏｒｙ ａｎｄ Ｔｅｃｈｎｉｑｕｅｓ，２０２３，７１（７）：３２０３－３２１６．

［５７］ＷＡＮＧ Ｑ，ＦＵ Ｇ Ｙ，ＣＨＥＮ Ｐ，ｅｔ ａｌ． Ｃｏｖｅｒｔ Ｗａｖｅｆｏｒｍ ｆｏｒ

Ｄｕａｌｆｕｎｃｔｉｏｎ Ｒａｄａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ ［Ｊ／ ＯＬ ］．

（２０２３－１２ － １９）［２０２３ － １２ － ３１］． ｈｔｔｐｓ：∥ ｉｅｅｅｘｐｌｏｒｅ．

ｉｅｅｅ． ｏｒｇ／ ａｂｓｔｒａｃｔ／ ｄｏｃｕｍｅｎｔ／１０３６６２７３．

［５８］ＢＡＸＴＥＲ Ｗ，ＡＢＯＵＴＡＮＩＯＳ Ｅ，ＨＡＳＳＡＮＩＥＮ Ａ． Ａｍｂｉｇｕｉｔｙ

Ｆｕｎｃｔｉｏｎ Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ Ｆｒｅｑｕｅｎｃｙｈｏｐｐｅｄ Ｃｏｄｅ Ｓｅｌｅｃｔｉｏｎ

Ｓｃｈｅｍｅ［Ｃ］∥２０２３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒａｄａｒ Ｃｏｎｆｅｒｅｎｃｅ

（ＲＡＤＡＲ）． Ｓｙｄｎｅｙ：ＩＥＥＥ，２０２３：１－６．

［５９］ＸＵ Ｊ，ＷＡＮＧ Ｘ Ｒ，ＡＢＯＵＴＡＮＩＯＳ Ｅ，ｅｔ ａｌ． Ｈｙｂｒｉｄ Ｉｎｄｅｘ

Ｍｏｄｕｌａｔｉｏｎ ｆｏｒ Ｄｕａｌｆｕｎｃｔｉｏｎａｌ Ｒａｄａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

Ｓｙｓｔｅｍｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｖｅｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，

２０２３，７２（３）：３１８６－３２００．

［６０］ＢＡＸＴＥＲ Ｗ，ＡＢＯＵＴＡＮＩＯＳ Ｅ，ＨＡＳＳＡＮＩＥＮ Ａ． Ｊｏｉｎｔ

Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｆｏｒ Ｆｒｅｑｕｅｎｃｙｈｏｐｐｅｄ ＭＩＭＯ

Ｓｙｓｔｅｍｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，

２０２２，７０：７２９－７４２．

［６１］ＹＡＯ Ｘ，ＹＡＮＧ Ｊ，ＸＩＯＮＧ Ｋ，ｅｔ ａｌ． Ｉｎｔｅｇｒａｔｅｄ Ｓｉｇｎａｌ

Ｄｅｓｉｇｎ ｆｏｒ ＭＩＭＯ ＤＦＲＣ ｗｉｔｈ Ｉｎｔｒａｐｕｌｓｅ Ｉｎｄｅｘ

Ｍｏｄｕｌａｔｉｏｎ［Ｊ／ ＯＬ］． （２０２３ －１２ －０６）［２０２３ －１２ －３１］．

ｈｔｔｐｓ：∥ｉｅｅｅｘｐｌｏｒｅ． ｉｅｅｅ． ｏｒｇ／ ｄｏｃｕｍｅｎｔ／１０３４５７４１．

［６２］ＬＩ Ｍ Ｊ，ＷＡＮＧ Ｗ Ｑ． Ｊｏｉｎｔ Ｒａｄａｒｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ

Ｄｅｓｉｇｎ Ｂａｓｅｄ ｏｎ ＦＤＡＭＩＭＯ ｖｉａ Ｆｒｅｑｕｅｎｃｙ Ｉｎｄｅｘ Ｍｏｄｕ

ｌａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２３，１１：６７７２２－６７７３６．

［６３］ＺＨＡＮＧ Ｑ Ｘ，ＳＵＮ Ｈ Ｚ，ＧＡＯ Ｘ Ｙ，ｅｔ ａｌ． Ｔｉｍｅｄｉｖｉｓｉｏｎ

ＩＳＡＣ Ｅｎａｂｌｅｄ Ｃｏｎｎｅｃｔｅｄ Ａｕｔｏｍａｔｅｄ Ｖｅｈｉｃｌｅｓ Ｃｏｏｐｅｒａｔｉｏｎ

Ａｌｇｏｒｉｔｈｍ Ｄｅｓｉｇｎ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ｅｖａｌｕａｔｉｏｎ［Ｊ］． ＩＥＥＥ

Ｊｏｕｒｎａｌ ｏｎ Ｓｅｌｅｃｔｅｄ Ａｒｅａｓ ｉｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，４０

（７）：２２０６－２２１８．

［６４］ＫＵＭＡＲＩ Ｐ，ＣＨＯＩ Ｊ，ＰＲＥＬＣＩＣ Ｎ Ｇ，ｅｔ ａｌ． ＩＥＥＥ ８０２．

１１ａｄｂａｓｅｄ Ｒａｄａｒ：Ａｎ Ａｐｐｒｏａｃｈ ｔｏ Ｊｏｉｎｔ Ｖｅｈｉｃｕｌａｒ Ｃｏｍ

ｍｕｎｉｃａｔｉｏｎｒａｄａｒ Ｓｙｓｔｅｍ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｖｅ

ｈｉｃｕｌａｒ Ｔｅｃｈｎｏｌｏｇｙ，２０１８，６７（４）：３０１２－３０２７．

［６５］ＷＡＮＧ Ｊ，ＣＨＵＡＮＧ Ｊ，ＢＥＲＷＥＧＥＲ Ｓ，ｅｔ ａｌ． Ｔｏｗａｒｄ Ｏｐ

ｐｏｒｔｕｎｉｓｔｉｃ Ｒａｄａｒ Ｓｅｎｓｉｎｇ Ｕｓｉｎｇ Ｍｉｌｌｉｍｅｔｅｒｗａｖｅ ＷｉＦｉ

［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２４，１１ （１ ）：

１８８－２００．

［６６］ＯＺＫＡＰＴＡＮ Ｃ Ｄ，ＥＫＩＣＩ Ｅ，ＡＬＴＩＮＴＡＳ Ｏ，ｅｔ ａｌ． ＯＦＤＭ

Ｐｉｌｏｔｂａｓｅｄ Ｒａｄａｒ ｆｏｒ Ｊｏｉｎｔ Ｖｅｈｉｃｕｌａｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ

Ｒａｄａｒ Ｓｙｓｔｅｍｓ ［Ｃ］∥２０１８ ＩＥＥＥ Ｖｅｈｉｃｕｌａｒ Ｎｅｔｗｏｒｋｉｎｇ

Ｃｏｎｆｅｒｅｎｃｅ （ＶＮＣ）． Ｔａｉｐｅｉ：ＩＥＥＥ，２０１８：１－８．

［６７］ＷＡＮＧ Ｃ Ｈ，ＡＬＴＩＮＴＡＳ Ｏ，ＯＺＫＡＰＴＡＮ Ｃ Ｄ，ｅｔ ａｌ． Ｍｕｌｔｉ

ｒａｎｇｅ Ｊｏｉｎｔ Ａｕｔｏｍｏｔｉｖｅ Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｕｓｉｎｇ

Ｐｉｌｏｔｂａｓｅｄ ＯＦＤＭ Ｒａｄａｒ［Ｃ］∥２０２０ ＩＥＥＥ Ｖｅｈｉｃｕｌａｒ Ｎｅｔ

ｗｏｒｋｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ （ＶＮＣ）． Ｎｅｗ Ｙｏｒｋ：ＩＥＥＥ，２０２０：１－４．

［６８］胡田鈺，李玲香，陳智． 多頻段協同通信的新機遇———

太赫茲通信感知一體化［Ｊ］． 中興通訊技術，２０２２，２８

（４）：１４－１８．

［６９］ＨＵ Ｊ Ｚ，ＣＨＥＮ Ｚ，ＬＵＯ Ｊ． Ｍｕｌｔｉｂａｎｄ Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｈｏｌ

ｏｇｒａｐｈｉｃ Ｓｕｒｆａｃｅ Ｂａｓｅｄ ＩＳＡＣ Ｓｙｓｔｅｍｓ：Ｄｅｓｉｇｎ ａｎｄ Ｏｐｔｉ

ｍｉｚａｔｉｏｎ［Ｃ］∥ＩＣＣ ２０２３ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ

ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ． Ｒｏｍｅ：ＩＥＥＥ，２０２３：２９２７－２９３２．

［７０］ＸＵ Ｓ Ｊ，ＣＨＥＮ Ｂ，ＺＨＡＮＧ Ｐ． Ｒａｄａｒｃｏｍｍｕｎｉｃａｔｉｏｎ Ｉｎｔｅ

ｇｒａｔｉｏｎ Ｂａｓｅｄ ｏｎ ＤＳＳＳ Ｔｅｃｈｎｉｑｕｅｓ［Ｃ］∥２００６ ８ｔｈ Ｉｎｔｅｒ

ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ． Ｇｕｉｌｉｎ：ＩＥＥＥ，

２００６：３４６０４１．

［７１］ＪＡＭＩＬ Ｍ，ＺＥＰＥＲＮＩＣＫ Ｈ Ｊ，ＰＥＴＴＥＲＳＳＯＮ Ｍ Ｉ． Ｏｎ Ｉｎｔｅｇｒａｔｅｄ

Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｕｓｉｎｇ Ｏｐｐｅｒｍａｎｎ Ｓｅｑｕｅｎ

ｃｅｓ［Ｃ］∥ＭＩＬＣＯＭ ２００８－２００８ ＩＥＥＥ Ｍｉｌｉｔａｒｙ Ｃｏｍｍｕｎｉｃａ

ｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃｅ． Ｓａｎ Ｄｉｅｇｏ：ＩＥＥＥ，２００８：１－６．

［７２］ＣＨＥＮ Ｘ，ＦＥＮＧ Ｚ Ｙ，ＷＥＩ Ｚ Ｑ，ｅｔ ａｌ． Ｃｏｄｅｄｉｖｉｓｉｏｎ

ＯＦＤＭ Ｊｏｉｎｔ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｓｅｎｓｉｎｇ Ｓｙｓｔｅｍ ｆｏｒ ６Ｇ

Ｍａｃｈｉｎｅｔｙｐｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ

Ｊｏｕｒｎａｌ，２０２１，８（１５）：１２０９３－１２１０５．

［７３］ＬＩ Ｈ Ｓ． Ｗａｖｅｆｏｒｍ Ｓｙｎｔｈｅｓｉｓ ｆｏｒ ＭＩＭＯ Ｊｏｉｎｔ Ｃｏｍｍｕｎｉｃａ

ｔｉｏｎｓ ａｎｄ Ｓｅｎｓｉｎｇ ｗｉｔｈ ＣｌｕｔｔｅｒｓＰａｒｔ Ｉ：ＳｐａｃｅＴｉｍｅＦｒｅ

ｑｕｅｎｃｙ Ｆｉｌｔｅｒｉｎｇ ［Ｃ ］∥ ＩＣＣ ２０２３ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ

Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ． Ｒｏｍｅ：ＩＥＥＥ，２０２３：

３５１０－３５１５．

［７４］王杰，梁興東，陳龍永，等． 面向雷達通信頻譜共享的

一體化信號研究綜述［Ｊ］． 信號處理，２０２２，３８（１１）：

２２４８－２２６４．

［７５］ＨＡＳＳＡＮＩＥＮ Ａ，ＡＭＩＮ Ｍ Ｇ，ＺＨＡＮＧ Ｙ Ｄ，ｅｔ ａｌ． Ｄｕａｌ

ｆｕｎｃｔｉｏｎ Ｒａｄａｒｃｏｍｍｕｎｉｃａｔｉｏｎｓ：Ｉｎｆｏｒｍａｔｉｏｎ Ｅｍｂｅｄｄｉｎｇ

Ｕｓｉｎｇ Ｓｉｄｅｌｏｂｅ Ｃｏｎｔｒｏｌ ａｎｄ Ｗａｖｅｆｏｒｍ Ｄｉｖｅｒｓｉｔｙ［Ｊ］． ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２０１６，６４ （８ ）：

２１６８－２１８１．

［７６］ＺＨＡＩ Ｗ Ｔ，ＷＡＮＧ Ｘ Ｒ，ＧＲＥＣＯ Ｍ Ｓ，ｅｔ ａｌ． Ｒｅｉｎｆｏｒｃｅｍｅｎｔ

Ｌｅａｒｎｉｎｇ Ｂａｓｅｄ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｆｏｒ

Ａｕｔｏｍｏｔｉｖｅ ＭＩＭＯ Ｒａｄａｒ［Ｃ］∥２０２３ ＩＥＥＥ Ｒａｄａｒ Ｃｏｎｆｅｒ

ｅｎｃｅ （ＲａｄａｒＣｏｎｆ２３）． Ｓａｎ Ａｎｔｏｎｉｏ：ＩＥＥＥ，２０２３：１－６．

［７７］ＦＡＮＧ Ｘ Ｒ，ＦＥＮＧ Ｗ，ＣＨＥＮ Ｙ Ｆ，ｅｔ ａｌ． Ｊｏｉｎｔ Ｃｏｍｍｕｎｉ

ｃａｔｉｏｎ ａｎｄ Ｓｅｎｓｉｎｇ Ｔｏｗａｒｄ ６Ｇ：Ｍｏｄｅｌｓ ａｎｄ Ｐｏｔｅｎｔｉａｌ ｏｆ

Ｕｓｉｎｇ ＭＩＭＯ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２３，

１０（５）：４０９３－４１１６．

［７８］ＳＡＮＫＡＲ Ｒ Ｓ Ｐ，ＤＥＥＰＡＫ Ｂ，ＣＨＥＰＵＲＩ Ｓ Ｐ． Ｊｏｉｎｔ Ｃｏｍ

ｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｒａｄａｒ Ｓｅｎｓｉｎｇ ｗｉｔｈ Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｔｅｌｌｉ

ｇｅｎｔ Ｓｕｒｆａｃｅｓ［Ｃ］∥２０２１ ＩＥＥＥ ２２ｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋ

ｓｈｏｐ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ａｄｖａｎｃｅｓ ｉｎ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕ

ｎｉｃａｔｉｏｎｓ （ＳＰＡＷＣ）． Ｌｕｃｃａ：ＩＥＥＥ，２０２１：４７１－４７５．

［７９］ＨＵＡ Ｍ，ＷＵ Ｑ Ｑ，ＣＨＥＮ Ｗ，ｅｔ ａｌ． Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｅｆｌｅｃｔｉｎｇ

Ｓｕｒｆａｃｅａｓｓｉｓｔｅｄ Ｌｏｃａｌｉｚａｔｉｏｎ：Ｐｅｒｆｏｒｍａｎｃｅ Ａｎａｌｙｓｉｓ ａｎｄ

Ａｌｇｏｒｉｔｈｍ Ｄｅｓｉｇｎ ［Ｊ］． ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

Ｌｅｔｔｅｒｓ，２０２４，１３（１）：８４－８８．

［８０］ＸＩＯＮＧ Ｙ Ｆ，ＬＩＵ Ｆ，ＣＵＩ Ｙ Ｈ，ｅｔ ａｌ． Ｏｎ ｔｈｅ Ｆｕｎｄａｍｅｎｔａｌ

Ｔｒａｄｅｏｆｆ ｏｆ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｕｎｄｅｒ

Ｇａｕｓｓｉａｎ Ｃｈａｎｎｅｌｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ

Ｔｈｅｏｒｙ，２０２３，６９（９）：５７２３－５７５１．

［８１］熊一楓，劉凡，袁偉杰，等． 通信感知一體化的信息理

論極限［Ｊ］． 中國科學：信息科學，２０２３，５３ （１１）：

２０５７－２０８６．

［８２］ＣＨＩＲＩＹＡＴＨ Ａ Ｒ，ＰＡＵＬ Ｂ，ＪＡＣＹＮＡ Ｇ Ｍ，ｅｔ ａｌ． Ｉｎｎｅｒ

Ｂｏｕｎｄｓ ｏｎ Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ Ｒａｄａｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏ

ｅｘｉｓｔｅｎｃｅ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，

２０１６，６４（２）：４６４－４７４．

［８３］ＣＨＩＲＩＹＡＴＨ Ａ Ｒ，ＰＡＵＬ Ｂ，ＢＬＩＳＳ Ｄ Ｗ． Ｒａｄａｒｃｏｍｍｕ

ｎｉｃａｔｉｏｎｓ Ｃｏｎｖｅｒｇｅｎｃｅ：Ｃｏｅｘｉｓｔｅｎｃｅ，Ｃｏｏｐｅｒａｔｉｏｎ，ａｎｄ Ｃｏ

ｄｅｓｉｇｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｏｇｎｉｔｉｖｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

ａｎｄ Ｎｅｔｗｏｒｋｉｎｇ，２０１７，３（１）：１－１２．

［８４］ＯＵＹＡＮＧ Ｃ Ｊ，ＬＩＵ Ｙ Ｗ，ＹＡＮＧ Ｈ Ｗ，ｅｔ ａｌ． Ｉｎｔｅｇｒａｔｅｄ

Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ：Ａ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎｂａｓｅｄ

Ｆｒａｍｅｗｏｒｋ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２０２３，

６１（５）：２６－３２．

［８５］ＬＩＵ Ｆ，ＸＩＯＮＧ Ｙ Ｆ，ＷＡＮ Ｋ，ｅｔ ａｌ． Ｄｅｔｅｒｍｉｎｉｓｔｉｃｒａｎｄｏｍ

Ｔｒａｄｅｏｆｆ ｏｆ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ

Ｇａｕｓｓｉａｎ Ｃｈａｎｎｅｌｓ：Ａ Ｒａｔｅｄｉｓｔｏｒｔｉｏｎ Ｐｅｒｓｐｅｃｔｉｖｅ［Ｃ］∥

２０２３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ

Ｔｈｅｏｒｙ （ＩＳＩＴ）． Ｔａｉｐｅｉ：ＩＥＥＥ，２０２３：２３２６－２３３１．

［８６］ＪＩＡＮＧ Ｊ Ｍ，ＸＵ Ｍ Ｆ，ＺＨＡＯ Ｚ Ｙ，ｅｔ ａｌ． Ｒｅｔｈｉｎｋｉｎｇ ｔｈｅ

Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ＩＳＡＣ Ｓｙｓｔｅｍ：Ｆｒｏｍ Ｅｆｆｉｃｉｅｎｃｙ ａｎｄ Ｕｔｉｌｉｔｙ

Ｐｅｒｓｐｅｃｔｉｖｅｓ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １ｓｔ ＡＣＭ ＭｏｂｉＣｏｍ

Ｗｏｒｋｓｈｏｐ ｏｎ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓ

ｔｅｍｓ． Ｎｅｗ Ｙｏｒｋ：ＡＣＭ，２０２２：１９－２４．

［８７］ＬＩＵ Ａ，ＨＵＡＮＧ Ｚ，ＬＩ Ｍ，ｅｔ ａｌ． Ａ Ｓｕｒｖｅｙ ｏｎ Ｆｕｎｄａｍｅｎｔａｌ

Ｌｉｍｉｔｓ ｏｆ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ［Ｊ］．

ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２２，２４（２）：

９９４－１０３４．

［８８］ＬＩＵ Ｘ Ｑ，ＹＡＮＧ Ｙ Ｒ，ＧＯＮＧ Ｊ Ｌ，ｅｔ ａｌ． Ａｍｐｌｉｔｕｄｅ Ｂａｒｙ

ｃｅｎｔｅｒ Ｃａｌｉｂｒａｔｉｏｎ ｏｆ Ｄｅｌａｙｄｏｐｐｌｅｒ Ｓｐｅｃｔｒｕｍ ｆｏｒ ＯＴＦＳ

Ｓｉｇｎａｌ—Ａｎ Ｅｎｄｅａｖｏｒ ｔｏ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉ

ｃａｔｉｏｎ Ｗａｖｅｆｏｒｍ Ｄｅｓｉｇｎ［Ｊ／ ＯＬ］． （２０２３－０８－０８）［２０２３－

１２－３１］． ｈｔｔｐｓ：∥ｉｅｅｅｘｐｌｏｒｅ． ｉｅｅｅ． ｏｒｇ／ ｄｏｃｕｍｅｎｔ／１０２１３４１２．

［８９］ＧＡＵＤＩＯ Ｌ，ＫＯＢＡＹＡＳＨＩ Ｍ，ＣＡＩＲＥ Ｇ，ｅｔ ａｌ． Ｏｎ ｔｈｅ

Ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ＯＴＦＳ ｆｏｒ Ｊｏｉｎｔ Ｒａｄａｒ Ｐａｒａｍｅｔｅｒ

Ｅｓｔｉｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ

Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２０，１９（９）：５９５１－５９６５．

［９０］ＷＡＮＧ Ｂ Ｗ，ＬＩ Ｎ Ｘ，ＪＩＡＮＧ Ｚ，ｅｔ ａｌ． Ｏｎ Ｐｅｒｆｏｒｍａｎｃｅ

Ｅｖａｌｕａｔｉｏｎ ｏｆ ＯＴＦＳ ａｎｄ ＯＦＤＭ Ｍｏｄｕｌａｔｉｏｎｓ ｆｏｒ Ｓｅｎｓｉｎｇ

［Ｃ］∥２０２２ １４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｗｉｒｅｌｅｓｓ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ （ＷＣＳＰ ）．

Ｎａｎｊｉｎｇ：ＩＥＥＥ，２０２２：４２７－４３１．

［９１］ＬＩＵ Ｓ Ｃ，ＨＵ Ｊ Ｆ，ＴＩＥ Ｚ Ｚ，ｅｔ ａｌ． Ｊｏｉｎｔ Ｓｕｂｃａｒｒｉｅｒ ａｎｄ

Ｐｏｗｅｒ Ａｌｌｏｃａｔｉｏｎ ｆｏｒ ＯＴＦＳ Ｂａｓｅｄ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ

Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ［Ｃ］∥２０２３ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ

ｏｎ Ｕｂｉｑｕｉｔｏｕｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎ （Ｕｃｏｍ）． Ｘｉａｎ：ＩＥＥＥ，

２０２３：３５０－３５５．

［９２］ＷＡＮＧ Ｚ Ｄ，ＬＩＵ Ｚ Ｐ，ＨＡＯ Ｓ，ｅｔ ａｌ． ＯＴＦＳ Ｗａｖｅｆｏｒｍ Ｄｅ

ｓｉｇｎ Ｂａｓｅｄ ｏｎ ＷＦＲＦＴ ｆｏｒ Ｉｎｔｅｇｒａｔｅｄ Ｓｅｎｓｉｎｇ ａｎｄ Ｃｏｍｍｕ

ｎｉｃａｔｉｏｎ［Ｃ］∥２０２３ ＩＥＥＥ／ ＣＩＣ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ

ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｃｈｉｎａ （ＩＣＣＣ）． Ｄａｌｉａｎ：ＩＥＥＥ，

２０２３：１－６．