通信感知一体化应用场景、关键技术和网络架构 - 信息谷 - ICITU

[color=rgba(0, 0, 0, 0.901961)]【摘要】通信感知一体化通过空口及协议联合设计、软硬件设备共享，在相同频谱资源实现通信功能与感知功能，使得无线网络在进行数据通信的同时，还能通过分析无线通信信号的直射、反射、散射信号，获得对目标对象或环境信息的感知，提升频谱利用率和设备复用率。从通信感知一体化典型应用场景需求出发，对通信感知一体化工作原理、工作模式、空口关键技术和网络架构进行了系统性阐述，并基于交通场景和低空场景的车辆感知和无人机感知测试结果分析了通信感知一体化技术的应用效果。

通信感知一体化设计思想早期出现于美国航空航天局，其将雷达和通信系统集成在一起，使之既用于航空器之间的雷达感知，也用于航空器与空间站之间的通信[1]。近年来，随着无线通信技术和雷达技术的发展，频谱资源变得越来越拥挤，如何将通信功能和感知功能高度集成，共享频谱资源、共用硬件模块、复用电磁波信号等，以提升频谱效率、降低设备成本和功耗、提升感知和通信系统性能等受到了越来越多的关注[2-7]。国内外科研机构针对通信感知一体化应用场景和关键技术等开展了大量的研究。其中，通信感知一体化应用场景主要集中于车联网场景辅助自动驾驶[8-10]和无人机场景辅助无人机路径规划及无人机监管等[11]，通信感知一体化关键技术主要集中于一体化架构[12-13]、波形设计[14-16]、干扰消除[17-18]和组网融合技术等[19]。但是当前很多研究并未系统分析感知功能和通信功能深度融合对移动通信标准化的影响，也尚无基于第五代移动通信技术（5G, 5th Generation Mobile Communication Technology）通信系统开发的通信感知一体化样机测试。本文以移动通信系统架构为基础，从通信感知一体化应用场景和业务需求、工作原理和模式、一体化网络架构、空口关键技术等方面进行了系统性阐述，并基于交通场景和低空场景的车辆感知和无人机感知测试结果，分析了通信感知一体化技术的应用效果。

传统感知技术和通信技术具备不同的功能，二者独立存在。传统感知技术如雷达依赖发射电磁波并接收其回波，由此获得目标对象至电磁波发射点的距离、方位、高度、移动速度等信息。还有其他专用感知技术，比如利用红外线以及辅助传感器等获取目标对象或者周围环境的信息，从而实现定位以及追踪等目的。现代移动通信技术也依赖电磁波实现基站和终端之间的信息传递。通信感知一体化研究的就是基于现代移动通信系统中的电磁波信号来完成目标对象感知的可行性和标准化路径，比如通过空口及协议联合设计、软硬件设备共享，在相同频谱资源实现通信功能与感知功能，使得无线网络在进行数据通信的同时，还能通过分析无线通信信号的直射、反射、散射信号，获得对目标对象或环境信息的感知，完成定位、测距、测速、成像、检测、识别、环境重构等感知功能，提升频谱利用率和设备复用率。这种一体化设计，一方面，借助于广泛部署的蜂窝网络降低感知硬件部署成本的同时实现无缝泛在的感知服务，借助于多个基站或多个终端进行联合感知提升感知精准度和决策准确性；另一方面，基于对无线通信信道环境的感知、识别与预测进一步提升无线通信系统的性能，真正实现感知能力和通信能力的融合共生、互惠互利。

（1）在智慧交通场景中，通信感知一体化主要用于道路监管、辅助自动驾驶、获取高清地图等。首先，道路监管是智慧交通重要的组成部分，是推动交通领域智能化转型的前提。虽然当前公路周边已经安装了相当数量和不同功能的感知设备，如摄像机、毫米波雷达、激光雷达等，但是传统设备探测距离仅100～300 m，而基于通信与感知融合技术，使用新一代无线网络的无线通信信号，感知范围可以达到500 m，进而实现低部署密度、低成本、低开销的环境感知能力。其次，自动驾驶集感知、决策和控制等功能于一体，是智慧交通场景的核心。传统基于单车雷达的感知技术被干扰概率大导致虚警漏警概率高，单车感知只能掌握瞬时感知信息导致误检概率大，而通信感知可通过干扰协同机制提高感知可靠性，并通过长时间的时域累积感知提升感知准确度。此外，单车感知阻挡概率高、感知范围小，而通信感知利用基站的高视角，扩大感知范围，弥补车载传感器在恶劣环境下的感知缺陷和遮挡盲区，为自动驾驶汽车安全运行提供超视距辅助。最后，高精地图是实现高阶自动驾驶的核心，能够为自动驾驶汽车提供车道级导航服务。高精地图依赖于从激光雷达扫描、移动摄像头、连接传感器和全球定位系统（GPS, Global Positioning System）设备收集信息，通过不间断地对地图信息进行采集，并将采集的信息上传至核心网，再通过空口发送给车辆，导致端到端传输时延大。而基于通信与感知融合技术，可以将感知结果在基站侧处理后直接发送给车辆，无需通过核心网传输，满足高精地图实时传输的低时延需求。

（2）在低空无人机场景中，通信感知一体化主要用于无人机监管、路径规划和避障等。当前很多无人机飞行并未严格遵守国家相关规定，导致未经许可闯入公共及敏感区域、意外坠落、影响客机正常起降、碰撞高层建筑等。虽然主流无人机厂商推出了电子围栏功能，无人机接近不准起飞的地带会自动发出警报，并无法操控进入禁飞区域。但是除了机场附近得到了较严格的电子围栏保护，类似轨道交通沿线、高铁站、码头、重要赛事等重点区域，依然是一些电子围栏的盲点。传统基于雷达的感知存在雷达部署成本高、频谱资源短缺、感知范围受限等问题。基于通信与感知融合技术对低空无人机进行感知定位和追踪，可以实现广域的电子围栏，阻挡即将侵入特定区域的无人机。此外，利用基站的感知能力，还可以将周围环境的感知结果提供给处理中心，可以实现无人机路径规划和避障等。

（1）在当前的无线通信系统中，广播信道、控制信道、数据信道、参考信号等都采用基于波束的方式进行发送和接收，为了保证基于波束传输的准确性和健壮性，基站和终端需要在传输过程中进行相互的波束测量和确定，以确保使用正确的波束进行控制和业务信道的传输。现有的波束训练和波束跟踪方法需要基站频繁发送训练序列并进行测量反馈，空口时频资源开销过大，同时还具有时延较高、波束跟踪时效性较差、难以及时与无线信道实时匹配等缺陷，进而造成较高的波束失败和通信中断概率。基于感知技术获取小区内终端位置信息等可以缩小波束扫描范围、缩短波束训练时间；基于感知技术获取通信信道环境信息等可以进行波束预测，降低波束测量反馈开销并提升波束跟踪时效性。此外，基于感知技术获取小区内空闲态终端个数等信息，一方面可以辅助基站侧节能模式调整，另一方面使得终端无需进入连接态就可以发送或接收感知参考信号，节省终端能耗。

（2）信道状态信息（CSI, Channel State Information）反馈决定了通信系统传输性能，通过CSI反馈可以获知信道能够承载的信息流数、信道的质量或信噪比、信道预编码矩阵等。当前CSI测量及反馈流程随着天线数的增加，信道测量资源和CSI反馈开销随之增加；随着信道环境状态信息的快速变化，CSI反馈结果难以及时与无线信道实时匹配，将会严重影响信道传输质量。基于感知技术可以获取信道状态信息，提升信道估计准确性，同时可以获取通信信道的环境信息，进行信道状态信息预测，降低信道测量和反馈开销。

传统雷达系统采用线性调频（LFM, Linear Frequency Modulation）脉冲信号或调频连续波（FMCW, Frequency Modulated Continuous Wave）信号，5G通信系统采用正交频分复用（OFDM, Orthogonal Frequency Division Multiplexing）波形，二者信号波形和信号设计的不同导致感知信号处理算法不同[20]。但是传统雷达和通信感知一体化都是通过对感知信号进行处理，获得目标对象的距离、速度和角度等信息。针对距离、速度和角度中的任一维度的感知能力，通常从感知范围、精度和分辨率三个指标来衡量，其中感知范围表征对应感知维度的最大值和最小值，感知精度表征对应感知维度估计值与真实值之间的误差，感知分辨率表征区分的两个邻近目标之间的最接近程度。

（1）距离感知：对于自发自收感知工作模式，测量发射波与目标回波之间的时间延迟t，从而得到目标与测量点之间的距离：R=ct/2，其中光速c=3×108 m/s；对于A发B收工作模式，测量发送信号和接收信号之间的时间延迟t以及根据接收信号到达角（AOA, Angle of Arrival）综合确定感知目标位置信息。雷达FMCW信号和5G OFDM信号都是通过对发送信号和接收信号做时域相关运算得到时延谱，进而得到首达径的时延t[6]。雷达LFM信号利用其频率随时间变化的特征，通过测量发送信号和接收信号的频率差获得发送信号和接收信号之间的时间延迟t。

（2）速度感知：利用目标运动产生的多普勒效应，通过测量感知信号的多普勒频率来推导目标速度，其中多普勒频率fd=v/λ，v为目标运动速度，λ为信号波长。雷达FMCW信号和5G OFDM信号都是通过对时域多个接收时机的接收信号做相关运算得到多普勒谱，进而得到最大多普勒频偏[3]。雷达LFM信号通过将发送信号和接收信号经过混频之后得到差拍信号，并通过傅里叶算法对差拍信号进行频谱分析，消除距离和速度的耦合，进而得到目标速度信息。

2）基站间协作感知工作模式通过基站1发送无线通信信号，基站2进行测量感知的方式实现对目标或环境的感知。基站间协作感知工作模式能够实时适配感知目标和环境的位置，尤其适用于高速公路或高铁等高速移动场景，为其提供接近全域覆盖的感知服务。基站间协作感知工作模式的主要挑战是基站间精准同步，以及小区间上下行交叉时隙干扰消除等。

6）终端间协作感知工作模式通过终端1发送无线通信信号，终端2进行测量感知。终端间协作感知工作模式多用于室内局域场景，考虑到室内场景传播环境复杂，基站感知直射径较少，感知性能受到严重影响。同时随着智能设备的发展，室内场景智能化终端设备数目和种类越来越多，终端间协作感知将有效提升室内环境的感知性能和效率。终端间协作感知工作模式主要挑战是如何借助于直连链路通信的信号实现测量感知功能。

针对上述6种通信感知一体化工作模式，本文以基站自发自收工作模式为主，介绍通信感知一体化空口关键技术和网络架构。从目前研究结果看，5G通信系统采用OFDM波形，高频26 GHz带宽400 MHz，发射功率2 W/400 MHz，叠加波束增益和天线增益后等效全向辐射功率（EIRP, Equivalent Isotropically Radiated Power）达到62 dBm/400 MHz。从目前测试结果看，基于5G OFDM波形的通信感知一体化样机，高频26 GHz带宽100 MHz，全带宽发射功率2 W/100 MHz，叠加波束增益和天线增益后EIRP达到62 dBm/100 MHz，感知距离500 m左右。考虑波形研究的成熟度和硬件集成的复杂度，通信感知一体化优先考虑以OFDM波形为主体的感知波形设计。此外，通信感知一体化通过软硬件设备共享，在相同频谱资源发送感知信号和通信信号，二者一种复用方式是感知信号和通信信号通过时分/频分/码分的方式实现彼此正交的传输，降低通信信号和感知信号之间的干扰，另一种方式是复用通信信号实现感知功能，最大化资源利用率。感知信号设计方面。为了满足感知信号距离、速度、角度等感知参数精度要求，感知信号设计可以在5G系统的下行信道状态信息参考信号和跟踪参考信号等基础上进行增强。如图2所示，为了提升距离估计精度，通过频域稀疏性设计使得感知信号占用更大带宽的同时节省资源开销；为了提升速度估计精度，感知信号在时域进行重复传输，提升多普勒估计准确性；为了提升角度估计精度，通过窄波束扫描的方式发送感知信号，同时还能最大化感知信号链路质量，最小化感知信号与其他信号之间的干扰。

通信感知一体化包括感知数据收集处理及感知控制等基本功能。基站侧在收集到感知相关数据后，需要把收集到的感知相关数据上报给感知控制功能单元；感知控制功能单元基于对感知相关数据的处理和分析，生成对应的策略或控制信息，并通过接口消息的方式交由相关的节点或功能执行相应的策略或控制。值得一提的是，根据感知功能应用的不同目的，感知功能生成的策略或控制的执行主体可以是核心网功能，也可以是接入网节点；相应地，通信感知功能应用的目的不同，感知功能在逻辑上的位置可以在核心网，也可以在接入网。目前产业界比较普遍的一种看法是仍然沿用现有的移动通信系统架构，把感知功能作为核心网的一个功能，且存在与其他核心网功能潜在的接口交互；然而，考虑到感知的对象很多都是非合作对象，即对象被感知是在非主动的情况下实现的，这时这些对象在网络内本身就不存在与感知业务相关的身份信息，自然感知对象的反射数据是在基站侧还是在核心网侧进行分流处理并没有本质区别，尤其当应用目的（如波束调整和动态调度等）仅涉及到接入网相关功能，因此在这种情况下感知功能在逻辑上属于接入网是一种更合理的架构方式。本文将摘要探讨相关的本地通信感知一体化网络架构潜在方案（即感知功能逻辑上属于接入网的方案），以期使能感知功能应用于波束调整与动态资源调度等，进一步拓展通信感知一体化的应用范畴。

（1）本地分布式架构，如图3（a）所示，感知功能逻辑上属于接入网，并进一步在逻辑上属于基站内部的一个功能，感知功能可以通过N2接口与5GC交互。该架构可以通过接入网感知功能辅助RAN侧实现对空口的动态控制，可以满足感知功能的实时性要求，并且不需要引入新的开放接口，架构简单、传输节点少、易部署，但应用场景比较有限，仅对单站级别的感知控制功能提供比较好的适配性，并且需要进一步探究如何实现计费功能。

（2）本地集中式架构，如图3（b）所示，感知功能逻辑上属于接入网，但是属于独立于基站之外的一个单独节点或实体。该架构可以通过接入网感知功能辅助RAN侧实现对空口的动态控制，可以满足感知功能的实时性要求，传输节点少，通过引入新的开放接口（Itf）来实现多站协同的感知功能控制，并且也可以适配单站级别的感知控制功能，较本地分布式架构方案的应用场景得到了一定扩展，但是需要进一步探究如何实现计费功能。

（3）综合式架构，如图3（c）所示，感知功能在逻辑上进行了进一步划分，一部分感知功能属于接入网，另一部分感知功能属于核心网，其中属于接入网的感知功能主要实现对空口的动态控制，而属于核心网的感知功能主要实现那些对实时要求性不高的功能。另外属于接入网的感知功能基于不同的感知应用场景可以采用本地分布式架构或者本地集中式架构。本方案独立于现有核心网AMF来进行两层感知功能之间的交互，并且可以根据不同的感知应用场景来进行不同的感知信令配置及感知数据收集，最大限度地扩展了通信感知一体化的应用范畴，但是引入了多个开放接口，并且需要根据场景逐一考虑感知功能的逻辑划分，对标准化工作提出了更高的要求和更多的挑战。

为验证基于5G通信系统的通信感知一体化技术所能达到的感知能力，分别在交通场景和低空场景对车辆感知和无人机感知进行了测试验证。测试验证中使用的通信感知一体化设备包括三部分：5G基站设备、感知处理服务器和显示服务器，如图4所示。其中，5G基站设备完成感知信号的发送与接收功能，感知处理器用于感知信号处理、数据处理和轨迹生成，显示端用于目标位置的实时显示和目标轨迹的存储。

图5中给出了通过5G基站设备感知到的车辆的轨迹与实际行驶轨迹的对比，其中，红色点迹为不同时间感知到车辆位置的结果，蓝色直线为车辆实际的行驶轨迹。可以看出，当被测车辆行驶与基站距离达520 m处时仍能被探测到，且轨迹连续无缺失。进一步地，基于每个点位被感知的切向位置与真实位置的距离差换算成角度误差，相应的CDF如图6所示。可以看出，被测车辆的角度精度有90%的概率小于0.2°。此外，图7中给出了整个行驶过程中所有时刻被感知的速度值与定速巡航30 km/h的误差的统计CDF结果，可以看出，被测车辆的速度误差的中位值小于0.1 km/h。

在本测试例中，5G基站设备安装于建筑物楼顶，离地面高度约25 m，天线的法线方向与地面平行。被测试无人机为RCS典型值为0.01 m2的小型无人机，该无人机在天线法线方向水平+/-60°的范围内，且距离基站设备100 m处起飞，升至30 m高度后，沿预设路径飞行，此过程中记录感知到无人机的距离和位置。

图8中给出了通过5G基站设备感知到的无人机的轨迹与预设行驶轨迹的对比，其中，图8（a）中是无人机预设飞行轨迹，图8（b）为不同时刻感知到无人机位置的结果图线。可以看出，无人机被探测到的轨迹与其预设飞行轨迹的形状较为吻合，且轨迹也具备较高的完整度。此外，当被测无人机飞行至与基站距离达500 m外的位置时，也仍然能被基站感知到。

通信感知一体化设计一方面借助于广泛部署的蜂窝网络在降低感知硬件部署成本的同时实现无缝泛在的感知服务，借助于多个基站或多个终端进行联合感知提升感知精准度和决策准确性；另一方面，基于对无线通信信道环境的感知、识别与预测，进一步提升无线通信系统的性能，实现感知能力和通信能力的融合共生、互惠互利。尽管通信感知一体化技术应用前景很大，但由于信号格式以及它们之间的系统和网络结构的固有差异，仍有许多挑战和开放的研究问题需要解决（本项目受东南大学-中国移动研究院联合创新中心资助）。