面向6G的单站集成感知与通信系统中的基本权衡：一项全面研究
一、 研究团队与发表信息
本研究由来自瑞典查尔姆斯理工大学（Chalmers University of Technology）、西班牙IMDEA Networks研究所、意大利博洛尼亚大学（University of Bologna）以及Magna Electronics Sweden AB的研究人员共同完成。主要作者包括Musa Furkan Keskin, Mohammad Mahdi Mojahedian, Jesús O. Lacruz, Carina Marcus, Olof Eriksson, Andrea Giorgetti, Joerg Widmer 和 Henk Wymeersch。该研究成果以题为“Fundamental Trade-offs in Monostatic ISAC: A Holistic Investigation toward 6G”的论文形式，发表于2025年9月的 IEEE Transactions on Wireless Communications 期刊第24卷第9期。
二、 学术背景与研究目标
本研究属于无线通信与雷达感知融合的前沿领域——集成感知与通信（Integrated Sensing and Communications, ISAC）。随着6G研究的深入，ISAC被视为一项关键技术，旨在使无线网络在提供高速连接的同时，具备对物理环境的感知能力。在ISAC的多种架构中，单站（Monostatic）配置（即感知接收机与通信发射机共址）因其能利用全部通信数据进行感知，并可避免双站/多站系统面临的严格同步挑战，而备受关注。正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）波形因其在5G等现有标准中的广泛应用及其高谱效、抗多径等特性，成为实现ISAC的自然选择。
然而，在单站OFDM ISAC系统中，使用随机通信数据进行雷达感知带来了一个核心挑战：为了实现更高的通信速率而采用高阶正交幅度调制（Quadrature Amplitude Modulation, QAM）时，其非恒定包络（即幅度变化）的数据符号会导致雷达处理中的旁瓣水平显著升高。高旁瓣会“掩盖”弱目标，严重损害感知性能。这揭示了ISAC系统在时频域的一个基本权衡（Time-Frequency Trade-off）：调制阶数的选择（高阶QAM vs. 低阶QPSK）直接影响了通信速率与感知性能的平衡。此外，在空间域，如何设计波束成形策略以兼顾感知与通信，构成了另一个基本权衡（Spatial Trade-off）。尽管已有研究关注ISAC的权衡优化，但大多集中于发射信号设计，且缺乏能同时应对高、低信噪比（Signal-to-Noise Ratio, SNR）条件和高阶调制的鲁棒感知算法。同时，时频域与空间域权衡之间的复杂相互作用也亟待探索。
基于此，本研究旨在解决以下核心问题：1）如何设计一种鲁棒的感知算法，能够有效抑制由高阶QAM非恒定包络数据引起的高旁瓣，从而在宽SNR范围内提升多目标检测能力？2）由ISAC波束成形器设计引发的空间域权衡是什么？不同的传输策略（如并发传输与时分复用传输）在不同调制、SNR等设置下的表现如何？3）如何在实际的调制方案和功率分配下，综合评估通信数据速率和相应的ISAC权衡性能？为此，本研究提出了一种新颖的线性最小均方误差（Linear Minimum Mean-Squared Error, LMMSE）信道估计器，并从理论和仿真实验上全面探究了单站OFDM ISAC系统中的时频与空间权衡。
三、 研究流程与方法细节
本研究的工作流程主要包括系统建模、算法创新、理论分析、仿真验证与实验验证几个核心环节。
1. 系统模型构建： 研究首先建立了一个通用的单站MIMO-OFDM ISAC系统模型。系统包含一个配备NT个发射天线和NR个接收天线的双功能ISAC收发机，以及一个单天线通信接收机。ISAC收发机发送包含数据和/或导频的OFDM帧。研究重点探讨了两种ISAC传输策略： * 并发传输（Concurrent Transmission）：使用一个联合波束（由感知波束和通信波束加权组合而成）同时服务感知与通信。感知接收机利用整个OFDM帧（全部数据符号）进行感知。 * 时分复用传输（Time-Sharing Transmission）：在时间上非重叠地交替使用专用的感知波束（发送导频符号）和通信波束（发送数据符号）。感知接收机仅利用导频符号进行感知。
接收信号模型分为两部分：感知接收机接收来自多个点目标反射的回波信号；通信接收机接收来自ISAC发射机的下行链路信号。研究明确指出，使用高阶QAM等非恒定包络数据会显著提升雷达距离剖面中的旁瓣水平，从而恶化弱目标检测性能，直观地揭示了时频权衡的存在。
2. 核心算法开发： 为解决非恒定包络数据带来的问题，本研究提出了一个创新的MIMO-OFDM雷达感知算法。其核心是针对每个发射波束，在接收天线单元级别，采用LMMSE估计器来估计时频域的雷达信道。具体步骤如下： * 波束特定信道估计：对于每个扫描波束b，将第i个接收天线接收到的信号建模为一个线性模型。研究对比了传统的互易滤波（Reciprocal Filtering, RF，即接收符号除以发射符号）和匹配滤波（Matched Filtering, MF，即接收符号乘以发射符号的共轭）方法。提出的LMMSE估计器则通过将雷达信道视为具有特定统计特性的随机未知参数进行估计。在假设目标信道增益为零均值、且时延、多普勒、角度在其无模糊区间内均匀分布的合理前提下，推导出LMMSE估计器的简洁闭式解。该解显示，LMMSE估计器在高SNR时收敛于RF估计器，在低SNR时收敛于MF估计器，因此是RF和MF在整个SNR范围内的广义化形式，能自适应调整。 * 波束特定时延-多普勒估计：获得信道估计后，通过二维快速傅里叶变换（2-D FFT）生成时延-多普勒图像。为了处理波束扫描导致的相位变化并降低计算复杂度，算法对多个接收天线上的时延-多普勒图像进行非相干积分，以增强信噪比。 * 多目标角度估计：对于通过恒虚警率检测器在时延-多普勒域识别的每个潜在目标，算法从压缩的空间观测中提取角度信息。由于接收天线数量通常有限，研究采用基于空间平滑的旋转不变子空间（ESPRIT）算法来解析角度域中可能紧密相邻的多个目标。 * 增益估计与检测聚类：通过最小二乘法估计检测到的目标的信道增益。由于LMMSE估计器需要已知SNR（与目标增益有关），而增益先验未知，算法采用了一种迭代方法：首先用预设的SNR值（如1）运行LMMSE，得到初步检测和增益估计；然后用估计出的增益计算SNR，再代入LMMSE公式进行最终估计。最后，使用基于密度的噪声应用空间聚类算法对所有波束的检测结果进行聚类，合并来自同一目标的多次检测。
3. 理论性能表征： 研究的一个关键贡献是对RF、MF和提出的LMMSE三种估计器所达到的旁瓣水平进行了严格的理论刻画。作者定义了峰值旁瓣比（Peak-to-Sidelobe Level Ratio, PSLR）作为性能指标，并推导出了适用于任意调制方案和SNR水平的闭式表达式。理论分析证明：1）LMMSE估计器的PSLR在任何情况下都高于或等于RF和MF估计器，证明了其优越性。2）LMMSE的PSLR在低SNR时趋近于MF，在高SNR时趋近于RF。3）RF和MF估计器在使用相移键控（Phase-Shift Keying, PSK）调制时PSLR最高，使用QAM调制时PSLR降低，且调制阶数越高，PSLR越低（旁瓣越高）。4）存在一个SNR阈值，高于该阈值时RF的PSLR优于MF，反之则MF更优。这些理论结果为不同算法在不同SNR和调制条件下的性能提供了深刻的见解。
4. 通信数据速率评估方法： 为了全面评估ISAC权衡，研究还需要计算通信数据速率。考虑到实际系统中信道状态信息（Channel State Information, CSI）的不完美性，研究扩展了现有方法，提出了一种基于蒙特卡洛采样的互信息（Mutual Information, MI）近似计算方法。该方法通过采样生成接收信号和信道估计的样本，并利用条件熵的公式，在存在信道估计误差的情况下，近似计算整个OFDM帧的互信息，从而得到更贴近实际的可达速率。
5. 仿真与实验验证： 研究进行了广泛的仿真和实验来验证算法性能并探究ISAC权衡。 * 仿真设置：采用了符合3GPP标准的参数（如载频28 GHz，带宽100 MHz）。设置了低SNR和高SNR两种典型感知场景，包含不同雷达截面积（Radar Cross Section, RCS）和位置的目标。对比算法包括提出的LMMSE及其理想版本（已知真实SNR）、传统的RF、MF、加载互易滤波以及一种现有的先进RF算法。 * 实验验证：为了在真实环境中验证核心发现，研究利用了IMDEA Networks实验室的全双工OFDM单站雷达测试平台（工作在28 GHz频段）采集数据。通过对比QPSK和1024-QAM调制下的距离剖面，直观展示了高阶QAM导致旁瓣升高的问题，以及LMMSE估计器在抑制旁瓣方面的有效性。
四、 主要研究结果
1. 时频权衡下的算法性能： 仿真结果完全印证了理论分析。在低SNR场景下，使用1024-QAM时，LMMSE和MF估计器表现相似且优异，而RF估计器由于噪声放大效应导致检测性能严重下降。LMMSE相比RF，在相同RCS下可将检测概率（Probability of Detection, PD）提升近1，或在相同PD下可检测RCS低6 dBsm的目标。在高SNR场景下，情况相反：RF表现尚可但仍有性能损失，而MF由于非恒定包络数据的影响导致旁瓣极高，检测性能很差。LMMSE则始终保持最佳性能，相比MF可获得高达11 dBsm的RCS增益。更重要的是，当固定目标RCS并改变调制阶数时，LMMSE展现出对调制阶数变化的鲁棒性，其检测性能几乎不随QAM阶数升高而下降；而RF的检测性能则随调制阶数增加而显著恶化。这证明LMMSE能够有效打破时频权衡的僵局：允许系统使用高阶QAM提升通信速率，而无需以牺牲感知性能为代价。
2. 空间权衡与传输策略比较： 通过改变并发传输中的感知-通信波束权重因子ρ，研究绘制了感知性能（PD）与通信速率之间的权衡曲线。结果表明，在使用高阶QAM时，LMMSE始终能提供比RF和MF更优的权衡曲线。特别是在高SNR下，MF的权衡性能很差，而RF虽优于MF但仍不及LMMSE。这凸显了LMMSE在空间权衡优化中的价值。 对比并发传输与时分复用传输策略揭示了更深刻的见解。并发传输的优劣取决于两个对抗性因素：“C-SNR-Boost”（利用全部数据做感知带来的SNR增益）和“NCM-Loss”（使用非恒定包络QAM数据带来的感知损失）。在低SNR场景，结合LMMSE的并发传输显著优于时分复用，因为LMMSE有效克服了NCM-Loss，使得C-SNR-Boost的优势得以发挥。而RF估计器由于NCM-Loss占主导，其并发传输性能甚至不如时分复用。在高SNR场景，当时分复用仅使用少量QPSK导频就能达到高PD时，其在低速率区间表现更好；但当对速率要求更高（导频占比更少）时，结合LMMSE的并发传输最终会因C-SNR-Boost而超越时分复用。RF和MF则在整个速率区间都被时分复用超越。这表明最优传输策略的选择高度依赖于具体场景（SNR、速率要求）和所使用的感知算法。
3. 实验验证结果： 基于真实测量数据的实验结果清晰表明，在使用1024-QAM时，RF估计器产生的距离剖面在远距离处存在显著的高旁瓣，而LMMSE估计器能够有效抑制这些旁瓣，使其剖面与使用QPSK调制时获得的剖面相近。这有力地证实了仿真和理论分析的核心结论。
五、 研究结论与价值
本研究的核心结论是，提出的LMMSE估计器为单站OFDM ISAC系统提供了一种全局有效的感知解决方案。它通过智能地结合RF和MF估计器的优点，能够自适应不同的SNR条件，并有效抑制由高阶QAM非恒定包络数据引起的旁瓣升高问题。这使得系统能够更自由地选择高阶调制来提升通信速率，同时保持卓越的感知性能，从而实现了更优的时频域ISAC权衡。
在空间域，研究发现并发传输与时分复用传输各有优劣，其性能对比并非绝对，而是取决于感知SNR、所需通信速率以及所使用的感知算法。当采用如LMMSE这样能有效处理非恒定包络数据的先进算法时，并发传输往往能展现出更大的潜力，因为它能更充分地利用频谱和时间资源。
本研究的科学价值在于首次为OFDM ISAC系统中的旁瓣问题提供了严格的理论分析框架，并提出了一个具有坚实理论基础的实用算法。其应用价值在于为6G ISAC系统的实际设计提供了重要指南：在接收机端采用LMMSE等智能处理算法，可以显著缓解发射端波形设计的压力，使系统设计更加灵活高效。研究还强调了跨域（时频与空间）联合优化的重要性。
六、 研究亮点
七、 其他有价值内容
研究还简要讨论了所提框架扩展到其他波形（如正交时频空（Orthogonal Time Frequency Space, OTFS））的可能性，并指出了未来研究方向，包括将研究扩展到双站ISAC场景以及进行更广泛的实验验证。这些内容为进一步的学术探索指明了方向。