南科大刘凡、袁伟杰课题组在6G通信感知一体化领域取得系列进展
2023年01月03日 科研新闻 浏览量 :520

近日,南方科技大学电子与电气工程系刘凡助理教授、袁伟杰助理教授课题组针对6G通信感知一体化技术进行了系统研究,并取得了一系列进展,相继在IEEE Journal on Selected Areas in Communications、IEEE Transactions on Signal ProcessingIEEE Transactions on Wireless Communications等无线通信与信号处理期刊上发表5篇论文,并输出多项工业界标准提案及白皮书。

图片1.png

图1: 6G通信感知一体化网络应用场景与典型用例

下一代无线通信系统将使智慧城市、智能工业、车联网、远程医疗等新兴技术的实现成为可能。这些新兴技术都有一个共同特点,即同时需要高质量的无线通信能力和稳健且高精度的感知能力。因此,通信感知一体化(Integrated Sensing and Communications, ISAC)被广泛认为是6G网络的关键使能技术。该技术能够在通信与感知之间共享频谱、硬件平台,乃至基带波形和信号处理,从而提升系统的频谱效率、能量效率和硬件效率。进一步地,还可以通过通感两种功能的互相辅助、互相增益来提升彼此的性能。

近日,刘凡助理教授受邀在通信领域期刊IEEE Journal on Selected Areas in Communications发表了题为"Integrated Sensing and Communications: Toward Dual-Functional Wireless Networks for 6G and Beyond"的综述论文[1]。该文是业界首篇全面阐述通感一体的技术性综述论文,涉及到通感一体的发展历史、技术背景、用例与标准化进展、信息论、信号处理、网络架构等多个方面,受到业界广泛关注与好评。刘凡助理教授为该文第一作者,南科大为第一单位。北京邮电大学博士后崔原豪为论文通讯作者。

图片2.png

图2: 多天线多用户通感一体化系统

通信感知一体化中的核心问题是一体化波形设计,即设计一种双功能发射波形,使之能够在进行高速率通信的同时,具有高精度的感知能力。传统通感一体波形设计方法多采用波束图样逼近方法,或波形相似性约束方法,无法直接提升系统的感知精度指标。为此,课题组提出一种针对多天线多用户下行通感一体化场景的基站端波形优化方法,在最小化感知精度的克拉美-罗下界的同时,保证多用户的通信服务质量。该优化问题为非凸问题。研究表明,该优化问题在单用户场景下具有最优解析解,在多用户场景下具有隐藏的凸性(Hidden Convexity),进而可以由半正定松弛(Semidefinite Relaxation)方法在多项式时间内得到全局最优解,显著提升了系统的目标角度估计精度。该研究成果[2]以"Cramér-Rao Bound Optimization for Joint Radar-Communication Beamforming"为题发表在信号处理顶级期刊IEEE Transactions on Signal Processing上,刘凡助理教授为第一作者,南科大为第一单位。中国科学院数学与系统科学研究院刘亚锋副研究员为论文通讯作者。

图片3.png

图3: 基于SS-OTFS架构的通信感知一体化系统

通信感知一体化中的另一难题是如何在一个统一的理论框架下对通信与感知性能进行分析。为解决这一问题,课题组进一步考虑了基于空间扩展的正交时频空间调制(SS-OTFS)架构的通感一体化波形设计,可以将待感知目标信息、通信符号、通信与感知信道三者统一在时延-多普勒域中进行等效表征。在SS-OTFS框架下,通信与感知问题可以简化为时延-多普勒域上的检测与估计问题。本项工作针对雷达感知提出了一系列波束跟踪,角度估计,以及功率分配算法;分析了通信符号的成对差错概率(Pairwise Error Probability),并由此提出一种符号级预编码方案来进一步增强通信与感知性能。该研究成果[3]以"A Novel ISAC Transmission Framework based on Spatially-Spread Orthogonal Time Frequency Space Modulation"为题发表在通信顶级期刊IEEE Journal on Selected Areas in Communications上,南科大访问学生李双洋(现为澳洲西澳大学博士后)为第一作者,袁伟杰助理教授为通讯作者,南科大为通讯单位。

图片4.png

图4: 通感一体化车联网

通信感知一体化的一个重要应用场景是车联网。车联网信道呈现高动态、快时变特性。传统车联网通信方案中,车辆与基站/路边单元之间需要通过频繁的信息交互与握手来维持稳定的通信链路,产生了极大的通信开销。通过在基站/路边单元系统中配备主动感知功能,从而利用雷达感知辅助通信的方式对车辆进行定位与跟踪,能够显著降低信令交互带来的开销,辅助高动态通信波束赋形。这一技术方案由刘凡、袁伟杰于2020年在国际上首次提出,引起学界与工业界较大关注[4]。在这一框架下,课题组提出了一种基于长短期记忆网络(LSTM)的通感一体化预测性波束赋形方法。相比于传统方法,这一方法在给定车辆定位与跟踪精度下显著提升了通信和速率。该研究成果[5]以"Learning-Based Predictive Beamforming for Integrated Sensing and Communication in Vehicular Networks"为题发表在通信领域顶级期刊IEEE Journal on Selected Areas in Communications上,澳洲新兰威尔士大学Chang Liu博士后为第一作者,袁伟杰助理教授为论文通讯作者,南科大为通讯单位。

图片5.png

图5:感知辅助的动态波束赋形

在通感一体化车联网中,由于基站通常配备大带宽、大天线阵列,车辆目标在距离域和角度域均呈现扩展特性。这使得点目标假设不再成立,从而使得基站的发射波束无法精确对准车载天线,造成通信性能损失。为解决这一难题,课题组提出一种动态波束赋形方法,能够针对车辆目标所覆盖的分辨单元对发射波束的宽度进行动态调整。根据接收到的车辆目标散射点回波,基于扩展卡尔曼滤波框架跟踪其车载天线的坐标,并形成高指向性窄波束实现高速率通信。研究表明,相比于前期工作中基于点目标假设下的通感一体波束赋形方法,这一方案极大地提升了通信速率。该研究成果[5]以"Integrated Sensing and Communications for V2I Networks: Dynamic Predictive Beamforming for Extended Vehicle Targets"[6]为题发表在通信顶级期刊IEEE Transactions on Wireless Communications上,南科大访问学生杜振(现为南京信息工程大学讲师)为第一作者,刘凡助理教授为通讯作者兼第二作者,袁伟杰助理教授为第三作者,南科大为通讯单位。

图片6.png

图6:IMT-2030(6G)推进组《通信感知一体化技术报告》贡献单位列表。该报告系南科大首次参与我国6G推进组标准提案工作

此外,刘凡、袁伟杰课题组积极与工业界同仁通力合作,将上述成果输出至多项工业界标准提案,包括IMT-2030(6G)推进组《通信感知一体化技术报告》[7]、中国通信学会《通感算一体化网络前沿报告》[8]、华为技术有限公司《WLAN Sensing白皮书》等。

以上论文的主要合作者还包括香港中文大学(深圳)许杰副教授、华为技术有限公司韩霄博士、伦敦大学学院Christos Masouros教授、魏茨曼科学研究院Yonina C. Eldar教授、新南威尔士大学Jinhong Yuan教授、柏林工业大学Giuseppe Caire教授等。以上研究工作获得了国家自然科学基金委、中国科协、中国电子学会、深圳市科创委、中国信息通信研究院、华为技术有限公司、中兴通讯股份有限公司等单位的资助,以及IEEE通信感知一体化新兴技术委员会和IEEE正交时频空间特别兴趣小组的支持。


论文链接:

[1] https://ieeexplore.ieee.org/document/9737357

[2] https://ieeexplore.ieee.org/document/9652071

[3] https://ieeexplore.ieee.org/document/9724198

[4] https://ieeexplore.ieee.org/document/9171304

[5] https://ieeexplore.ieee.org/document/9791349

[6] https://ieeexplore.ieee.org/document/9947033

 

工业界技术报告链接:

[7] https://www.imt2030.org.cn/html//default/zhongwen/chengguofabu/yanjiubaogao/list-2.html?index=2

[8] https://www.china-cic.cn/upload/202202/24/b9f23a4c8b1640babd34a7526beadbc5.pdf



供稿:电子与电气工程系

通讯员:李佰英

编辑:杨奂彦

FOLLOW US @SOCIAL MEDIA
关注社交媒体上的我们
  • 南方科技大学微信

  • 南方科技大学视频号

  • 南方科技大学抖音号

  • 南方科技大学快手号

  • 南方科技大学头条号

  • 南方科技大学南方+