Integrated Sensing and Communications in Clutter Environment

摘要——在本文中，我们提出了一个实用的通信感知一体化 (ISAC) 框架，用于在确保用户通信质量的同时，从杂波环境中感知动态目标。为了同时实现通信功能和感知功能，我们设计了多个能与用户通信的通信波束，以及一个能旋转并扫描整个空间的感知波束。为了最小化感知波束对现有通信系统的干扰，我们将服务区域划分为感知波束感知 (S4S) 扇区和通信波束感知 (C4S) 扇区，并为每种类型的扇区提供了波束成形设计和功率分配优化策略。

与大多数忽略静态环境杂波对目标感知干扰的现有 ISAC 研究不同，我们构建了一个包含静态环境和动态目标的混合感知信道模型。当基站接收到回波信号时，它首先滤除来自静态环境杂波的干扰，并提取出有效的动态目标回波。然后，我们设计了一个完整且实用的动态目标感知方案，用于检测动态目标的存在并估计其角度、距离和速度。

具体而言，动态目标的检测和角度估计是通过角度-多普勒谱估计 (ADSE) 和多子载波联合检测 (MSJD) 实现的，而距离和速度估计则是通过扩展子空间算法实现的。仿真结果证明了所提方案的有效性，及其相对于忽略环境杂波的现有方法的优越性。

索引词——通信感知一体化，动态目标感知，静态环境感知，杂波抑制，功率分配。

I. Introduction

通信感知一体化 (ISAC) 近来在无线通信领域引起了重大的研究兴趣 [1], [2], [3]。其思想是利用通信信号来感知真实物理世界中的各种信息，如建筑构成、人类活动等，同时确保用户的通信质量。由于 ISAC 允许感知系统和通信系统共享相同的硬件和频谱资源，并能服务于车联网、数字孪生等多种智能应用，它已被视为第六代 (6G) 通信的关键技术之一 [4], [5]。

感知的最终功能是构建从真实物理世界到数字孪生世界的映射关系，其中前者包括静态环境 (如道路和建筑) 和动态目标 (如行人和车辆)。因此，ISAC 系统中的感知任务包括静态环境感知 (static environment sensing，SES) 和动态目标感知 (dynamic targets sensing，DTS)，如图 1 左半部分所示。静态环境的变化通常是缓慢的，因此可以应用各种环境重建技术来感知静态环境 [6], [7], [8]。然而，由于动态目标的变化是迅速的，有必要实时检测动态目标的存在并更新其参数估计。通常，可以将 DTS 问题分为两类：

• 感知协作的通信用户，例如移动电话；
• 以及 感知与基站 (BS) 没有通信的非协作动态目标，例如移动物体或未处于通信状态的移动用户。

此外，随着对感知需求的日益增长，研究人员致力于使 ISAC 系统具备超高的感知精度。令人鼓舞的是（Encouragingly），在毫米波 (mmWave) 或太赫兹 (Terahertz) 频段利用大规模多输入多输出 (MIMO) 阵列进行感知，凭借其高方向性和高时间分辨率，可以实现更高的精度 [9], [10]。因此，基于大规模 MIMO 阵列的 ISAC 系统已被广泛研究。在感知协作用户方面，可以通过处理通信信号并提取信道参数，如到达时间 (TOA)、离开角 (AOD) 等，来估计用户的位置 [11], [12], [13], [14]。另一方面，在 ISAC 框架下，对非协作目标的感知也已得到研究。

• 例如，Gao 等人提出了一种依赖于 MIMO 阵列的 ISAC 系统，该系统应用压缩采样来促进目标感知及其他ISAC 处理 [15]。
• Wang 等人提出了一个同时传输和反射表面使能的 ISAC 框架，其中利用二维最大似然估计来估计目标角度 [16]。
• Li 等人提出了一种两阶段算法，利用正交频分复用 (OFDM) 信号来估计多个目标的位置和速度 [17]。
• Kumari 等人提出了一种用于车联网的 ISAC 系统，实现了车对车通信和全双工雷达感知 [18]。
• Chen 等人提出了一种基于多重信号分类的 ISAC 系统，该系统在动态目标感知方面可以获得很高的估计精度 [19]。

然而，所有这些工作都忽略了静态环境杂波对动态目标感知的干扰，这与目标总是被静态环境干扰淹没且难以分离的真实场景不符，从而限制了在真实场景和实际 ISAC 系统中的感知性能。

同时（Meanwhile），对于基于 MIMO 阵列的 ISAC 系统，人们需要设计多波束的波束成形来同时实现通信功能和感知功能 [20], [21], [22], [23]。

• 例如，Barneto 等人构建了一个多用户 ISAC 系统中的波束成形设计问题，旨在最大化感知方向功率的同时在通信方向上保持一定的功率 [24]。
• Luo 等人提出了一个结合了基站和可重构智能表面 (RIS) 的 ISAC 系统，并联合优化了波束成形矩阵，以在满足感知波束约束的同时最大化通信用户的可实现和速率 [25]。
• Wang 等人研究了多用户 ISAC 系统的部分连接波束成形设计，旨在最小化到达角 (DOA) 估计的克拉美-罗界，同时确保通信性能 [26]。

然而，所有这些工作都需要复杂的优化过程，并且难以在实际系统中实施。

基于以上分析，现有的关于 ISAC 系统的研究在波束成形设计上需要复杂的优化方案，并且在回波信号处理中忽略了环境杂波的严重干扰，这使得它们难以在实际的基站系统中部署和应用。在本文中，我们提出了一个实用的 ISAC 框架，用于在确保用户通信质量的同时，从杂波环境中感知动态目标。本文的贡献总结如下。

• 我们提出了一个实用的 ISAC 框架来同时实现通信和感知，其中我们设计了多个能与用户通信的通信波束，同时指定一个能旋转并扫描整个空间的感知波束。整个过程总结在图 1 的右半部分。
• 基站应在每个时隙优化发射波束成形以传输信号。具体来说，为了最小化感知波束对现有通信系统的干扰，我们将基站的服务区域划分为感知波束感知 (S4S) 扇区和通信波束感知 (C4S) 扇区。为避免在实际系统中难以实施的复杂优化，我们将预编码优化问题转化为通信和感知波束的功率分配问题，并为每种类型的扇区提供了有效的功率分配策略。
• 我们为实用的 ISAC 系统构建了杂波环境模型，此时基站接收的回波既包括由静态环境引起的回波，也包括由动态目标引起的回波。为了解决静态环境杂波对动态目标感知的负面干扰，我们首先滤除来自静态环境杂波的干扰，并提取出有效的动态目标回波。然后，提出了角度-多普勒谱估计 (angle-Doppler spectrum estimation，ADSE) 和多子载波联合检测 (joint detection over multiple subcarriers，MSJD) 来检测动态目标并估计其角度。扩展子空间算法被用来估计动态目标的距离和速度。此外，为了获得每个目标的多个参数，我们设计了一种角度-距离-速度匹配方法来实现参数匹配。
• 我们提供了多种仿真来证明所提方案的有效性，及其相对于忽略环境杂波的现有方法的优越性。