基于MIMO-OFDM通感一体化的低空非合作无人机监控技术综述

本报告旨在介绍一篇发表于学术期刊*Journal of Latex Class Files*（Vol. 14, No. 8, August 2021）的综述性论文。该论文题为“MIMO OFDM-Enabled ISAC for Low-Altitude Non-Cooperative UAV Surveillance: A Survey”，第一作者与通信作者单位为香港理工大学和香港大学等机构的研究团队，包括Shiyu Bai、Sijia Li、Cunyi Yin、Wenqiu Qu、Li-Ta Hsu、Yuanwei Liu及通信作者Wen-Hua Chen。本文是首篇专注于探讨利用多输入多输出（Multiple-Input Multiple-Output， MIMO）和正交频分复用（Orthogonal Frequency-Division Multiplexing， OFDM）技术赋能通感一体化（Integrated Sensing and Communication， ISAC），以实现低空空域非合作无人机监控的系统性综述。

论文主题与背景

论文的核心主题是审视并总结MIMO-OFDM赋能的ISAC技术在低空非合作无人机监视领域的最新进展、挑战与未来方向。其产生的学术背景源于低空经济的快速发展与随之而来的安全隐患。无人机在物流、测绘等领域的广泛应用，也催生了利用无人机进行恶意活动的风险，因此发展可靠的非合作（即目标无人机不主动配合）监控技术至关重要。传统的专用传感系统（如雷达、视觉系统）存在环境适应性差、大规模部署成本高等局限。与此同时，5G-A/6G移动网络中的关键技术，如宽带OFDM波形和MIMO架构，使得通信信号本身具备了高分辨的时域与空域感知能力，从而催生了ISAC这一新兴范式。ISAC能够复用现有的蜂窝网络基础设施，以较低的增量成本实现广域、持续的低空监视，显示出巨大潜力。然而，与非合作无人机监控相关的ISAC研究具有其独特性，尚未有综述文章对此进行系统梳理，本文正是为了填补这一空白而作。

论文主要观点与论述

论文的主体内容围绕四大关键维度展开，并系统分析了其技术基础、现有方法、开放挑战与未来方向。

观点一：低空无人机ISAC具有独特的传播特性与波形设计原则，需针对性设计物理层方案。 论文首先深入分析了低空无人机传感区别于其他ISAC应用场景（如车辆、室内感知）的三大独特传播特性：1) 严重的杂波与多径：低空环境充满地面和建筑物反射，导致接收信号中包含强杂波和结构化多径干扰，严重恶化自相关函数旁瓣，增加检测难度和虚警控制复杂度。2) 快速时变信道：无人机的高机动性引入显著多普勒频移和扩展，缩短信道相干时间；城市环境中的频繁遮挡导致传播路径间歇出现，使信道响应突变，信号统计特性难以刻画。3) 近场与远场共存：由于无人机可在三维空间自由移动，其相对于大规模MIMO基站（Base Station， BS）可能处于近场（球面波）或远场（平面波）区域，甚至混合区域，这就要求感知网络必须兼容两种传播机制。 基于上述分析，论文提出了相应的MIMO-OFDM ISAC物理层设计原则：波形需具备杂波与多径鲁棒性（保持低相关旁瓣，提供多符号积累资源）；时频选择性感知能力（设计需考虑多普勒引起的载波间干扰，并提供充足频域资源）；混合场兼容性（信号处理流程需能同时有效处理近场球面波和远场平面波模型）。

观点二：MIMO-OFDM ISAC的导频与随机数据信号均可用于感知，各具优势与适用场景。 论文系统回顾了复用通信波形进行感知的两种主要信号设计策略。一种是利用确定性导频信号，如5G NR中的同步信号块（Synchronization Signal Block， SSB）和定位参考信号（Positioning Reference Signal， PRS）。SSB可用于初始目标发现、粗感知和波束采集，其优点是信号开销极低、标准兼容性高，但感知精度有限。PRS能提供更高的测距精度和灵活的资源配置，适合周期性跟踪。另一种是利用随机数据符号。虽然随机数据的自相关特性较差，但通过利用数据载荷，可以获得额外的感知资源，提升多普勒分辨率和检测可靠性。近年研究通过提出“遍历线性最小均方误差”等新度量，设计了数据感知预编码方案，并揭示了OFDM是唯一能最小化所有时延下测距旁瓣的调制方式。更先进的方案是联合利用导频与随机数据，例如在已知导频结构的基础上，结合随机数据的统计信息进行目标检测或波束成形优化，这种混合方式能在保证标准兼容性的同时，逼近理论感知性能界限。论文通过对比表格清晰展示了不同信号的潜在感知精度、移动性鲁棒性、信号开销及对无人机监控的适用性。

观点三：MIMO-OFDM ISAC无人机监控技术体系涵盖系统设计、检测跟踪、身份识别及实验验证等多个层面。 这是论文最核心的部分，对现有技术进行了系统性归类与评述。 在系统设计与网络优化方面，论文总结了从单基站感知能力建模、三维蜂窝状网络拓扑构建，到多基站协同波束成形、波束跟踪与目标切换，再到联合波束成形/无人机轨迹设计/多基站关联，以及资源分配等一系列网络层问题。例如，有研究提出了“感知容量”概念来衡量单基站同时可检测的最大无人机数量；有工作设计了基于虚拟感知细胞的概念，实现多基站间感知责任的无缝移交；还有研究通过交替优化等方法，联合优化多个地面基站的波束成形和授权无人机的轨迹，以平衡通信与感知性能。 在无人机检测与跟踪算法方面，论文从单基站和组网基站两个视角进行综述。对于单基站场景，重点挑战在于复杂环境下的可靠检测。现有方法包括：建立混合杂波-目标信道模型并进行静态杂波滤除；在密集多径环境中，利用深度学习提取每条路径的微多普勒特征并进行聚类以关联同一无人机的多径，从而降低虚警；针对目标运动导致的逆合成孔径雷达图像散焦，采用粒子群优化等算法估计运动参数进行补偿；以及利用旋转不变子空间技术等算法从单基站信号中联合估计目标的六维运动参数。对于多基站组网场景，协同感知能克服单站局限。技术路径包括：基于物联网架构的多基站协作框架，实现低延迟、可扩展的边缘智能感知；采用多重信号分类等算法进行本地参数估计后，通过扩展卡尔曼滤波等进行中央融合与跟踪；利用张量分解等进行联合角度-距离-多普勒估计，再通过最小生成树等算法进行多基站数据关联与位置融合；以及将低空感知建模为压缩感知重建问题，并采用物理信息嵌入的深度学习网络进行高精度无线电成像。 在无人机身份识别技术方面，论文指出这是检测跟踪后的关键环节。主要方法分为两类：一是基于微多普勒的特征提取与识别，利用OFDM波形的高多普勒分辨率，提取无人机旋翼等部件产生的微动特征，通过设计特定的时分双工帧结构或算法（如旋翼微多普勒零空间追踪算法）来增强特征提取，并结合卷积神经网络等深度学习模型进行分类，以区分不同无人机类型或鉴别无人机与鸟类。二是基于学习的识别方法，除了利用微多普勒频谱，还融合高分辨率距离像等特征，或采用深度卷积-Transformer混合网络等先进模型，在仿真与实测数据集上展示了高达96%-98%的分类精度。为解决真实数据稀缺问题，还有研究提出了用于生成无人机旋翼微多普勒特征的双站OFDM仿真模型。

观点四：初步实验验证与开放挑战指明了该领域走向实际部署的关键路径。 论文总结了部分实验验证工作，例如：利用28 GHz频段原型系统对地面车辆和低空无人机成功进行逆合成孔径雷达成像；在3.5 GHz频段的5G NR试验床上成功捕获了无人机旋翼的微多普勒特征；以及产业界（如中兴通讯）利用现网5G基站实现通感一体，同时跟踪无人机、车辆和行人的外场测试。这些实验初步证明了技术可行性。 然而，论文更着重指出了当前研究面临的开放挑战：1) 强杂波与多径下的感知：如何设计更鲁棒的波形与算法以在强地杂波和复杂多径中维持高检测性能。2) 身份识别的数据稀缺：真实场景的无人机感知数据，尤其是用于识别的微多普勒数据，获取困难，制约了数据驱动方法的发展。3) 协同多基站融合：多基站间的数据关联、时钟同步、资源协同以及融合架构（集中式 vs. 分布式）的优化仍需深入探索。4) 实际部署约束：包括硬件成本、计算复杂度、实时性要求、与现有通信标准的兼容性以及网络管理等问题。 基于以上挑战，论文最后展望了面向5G-A和6G的未来研究方向，包括：探索新的波形设计（如正交时频空间、仿射频分复用）在高速场景下的潜力；发展更高效的混合场信号处理与网络架构；利用人工智能与机器学习增强感知性能、数据关联和资源分配；以及推动大规模外场试验和标准化工作，以实现低空监视系统的真正落地。

论文的意义与价值

本综述论文具有重要的学术价值与实践指导意义。在学术上，它首次为“MIMO-OFDM赋能的ISAC低空非合作无人机监控”这一新兴交叉领域绘制了全面的技术蓝图，系统性地梳理了从物理层特性、信号设计、算法实现到系统优化的完整技术链条，明确了独特挑战并区分了与传统ISAC应用的不同，为该领域的后续研究提供了清晰的问题框架和参考基线。在实践上，论文紧密围绕5G/6G蜂窝基础设施复用的核心优势，所综述的技术路径具有较高的现实可行性，为产业界和标准化组织开发低成本、广覆盖的低空安防解决方案提供了关键的技术选型依据和研发方向指引。论文中总结的开放挑战和未来方向，更是直接指出了从理论走向工程化所必须攻克的核心难题，对整个领域的发展具有前瞻性的引导作用。