通信感知計算一體化波束賦形設計

李曉陽 周梓欽 貢毅;作者簡介

摘要：結合通信感知一體化和空中計算的優點，提出了一種空口通信感知計算一體化技術，并通過對多天線雷達感知與空中計算波束賦形進行聯合優化設計，從而在保障感知準確度的前提下最大化空中計算的準確度。通過仿真驗證，并與傳統波束賦形比較后可知，該設計可以有效地同時實現雷達感知與空中計算，顯著提升頻譜效率。

關鍵詞：通信感知一體化；空中計算；波束賦形

Abstract： By combining the advantages of integrated sensing and communication and over-the-air computation （AirComp）， an integrated sensing， communication， and computation over-the-air design is proposed， where the multi-antenna beamforming designs for both radar sensing and AirComp are jointly optimized to maximize the AirComp accuracy while guaranteeing the sensing accuracy. Through the simula？ tion verification and the comparison with the traditional beam configuration， the design can effectively realize the radar perception and air computing simultaneously， and significantly improve the spectrum efficiency.

Keywords： integrated sensing and communication； over-the-air computation； beamforming

新一代移動通信技術如自動駕駛、增強現實、人工智能、智慧城市、數字孿生等[1]有助于推動物聯網應用的發展。為了支持這些應用，海量數據需要被傳感設備從環境中采集并傳輸至服務器端進行后續處理[2]。在傳統的數據處理方案中，數據感知、傳輸與計算環節被視為獨立的設計。其中，數據感知與傳輸環節將競爭頻譜資源，同時計算環節將與另兩者競爭時間資源[3]。為了提升頻譜效率，通過設計雷達通信與感知復用信號，通信感知一體化技術可同時實現物理層的數據感知與傳輸[4]。

通信感知一體化起源于對聯合雷達感知通信的研究，其中數據信息被嵌入雷達脈沖中[5]。在實際應用中，原本用于雷達感知的S頻段（2～4 GHz）和C頻段（4～8 GHz）可以與通信系統共享[6]。基于這一發現，一系列研究均致力于雷達感知與通信系統的共存，其中通信和感知信號共用頻譜資源。在機會式頻譜共享方案中，未被雷達感知信號占用的頻段可用于發射通信信號[7]。為了同時實現通信與感知，雷達感知信號被投射到與通信信號正交的空間[8]。為了進一步提升通信與感知效率，多天線系統被開發以實現多發多收雷達感知與通信[9]。值得一提的是，這種雷達感知與通信共存的系統需要感知與通信收發端實時反饋狀態。這一過程帶來了嚴重的信息交互負擔。為了解決這一問題，后續的研究致力于將感知與通信的發射端合二為一，即設計可同時用于目標感知和數據傳輸的雙功能信號[10]。從信息論的角度來看，雷達感知與通信的性能可以用率失真理論來刻畫[11]。在實際應用中，可同時用于目標感知和數據傳輸的雙功能波形設計被進一步拓展到多天線多發多收系統。其中，數據信息被嵌入雷達感知信號的旁瓣[12]。

得益于頻譜共享帶來的優勢，通信感知一體化技術被廣泛應用于智慧家居、邊緣智能、車聯網等多個場景。在智慧家居應用場景中，傳統的傳感設備被賦予通信能力，同時移動熱點的感知能力也得到提升[13]。在邊緣智能系統中，通信感知一體化技術被用于同時采集和傳輸數據，以加速模型訓練[14]。在車聯網平臺中，通信感知一體化技術被用于采集車隊狀態并促進車輛間的信息交互[15]。

為了進一步提高資源利用效率，數據感知、傳輸與計算環節有待于聯合設計。然而，計算環節常常處于網絡層或應用層，因此難以與物理層的通信感知一體化技術相結合。為了解決這一問題，空中計算的出現使物理層的數據計算成為可能。通過利用模擬信號在多址信道傳播過程中的疊加屬性，空中計算技術可實現信號傳播過程中的函數計算[16]。空中計算的雛形最早可以追溯到對傳感器網絡的研究，其中分布式的感知數據經模擬調制后在多址信道中傳輸的同時進行疊加，這使得服務器可以直接接收到數據計算結果[17]。與傳統多址接入方案不同，空中計算旨在減少收集到的統計信息與真實值之間的誤差[18]。為了加快多個函數的同時計算，多天線系統被用于實現多發多收的空中計算[19]。基于空中計算，感知通信計算一體化技術有望在物理層空口實現。

通過將通信感知一體化技術與空中計算技術相結合，本文提出了空口感知通信計算一體化技術。在該技術應用場景中，多個多天線傳感設備同時發射用于目標探測的雷達感知信號和用于傳輸數據的通信信號。其中，雷達感知信號經過目標反射后被傳感設備接收，通信信號經過空中計算后被服務器接收。傳感器依據接收到的雷達感知信號對目標信息進行提取，而服務器依據接收到的空中計算結果對各傳感設備數據的統計信息進行推測。用于衡量雷達感知性能的標準是目標信息的均方差，而用于衡量空中計算性能的標準是信息與真實值之間的均方差。由于這兩者存在競爭關系，為了在保障雷達感知性能的同時盡可能提升空中計算性能，本文對雷達感知和通信信號的收發端波束賦形進行了聯合設計。

1通信感知計算一體化系統

3仿真設計與分析

為了驗證通信感知計算一體化波束賦形設計的性能，我們在MATLAB平臺上進行了仿真。仿真中的目標函數為均一化后的空中計算均方差。整個系統包括1個匹配15根接收天線的服務器和10個匹配12根天線的傳感設備。其中，傳感設備有4根天線用于發射數據傳輸信號，4根天線用于發射雷達感知信號，4根天線用于接收目標反射信號。總時間段數設置為1 000，待計算的函數數量為10。所有的信道均服從萊斯分布，最大發射功率為10 mW，感知誤差容忍度設置為0～1的隨機變量。根據長期演進（LTE）的設置，信道噪聲為-79.5 dBm。作為一種比較方案，傳統的天線選擇方案將所有用戶的信道增益進行疊加，并從疊加結果中選取10根信道增益最大的接收天線作為接收端。

圖3展示了均一化空中計算均方差隨服務器天線數量變化的曲線。可以看到，隨著服務器天線數量的增加，空中計算均方差逐漸減小。這是因為更多的接收天線將增大數據接收波束賦形矩陣的優化維度，從而利用分級增益降低誤差。此外，與傳統天線選擇方案相比，我們提出的方案可顯著降低空中計算均方差，這驗證了波束賦形設計的必要性。

圖4展示了均一化空中計算均方差隨傳感設備天線數量變化的曲線。可以看到，隨著傳感設備天線數量的增加，空中計算均方差逐漸增大。這是因為增加傳感設備天線將導致待估測的目標反射矩陣維度增加，從而使雷達感知性能限制更為嚴格。因此，波束賦形為了滿足雷達感知性能要求，不得不犧牲空中計算的性能。

圖5展示了均一化空中計算均方差隨傳感設備數量變化的曲線。可以看到，隨著傳感設備數量的增加，空中計算均方差逐漸增大。這是因為增加傳感設備將引入更多的信道，這些信道難以被一個數據聚合波束賦形矩陣均衡。圖6展示了均一化空中計算均方差隨計算函數數量變化的曲線。可以看到，隨著計算函數數量的增加，空中計算均方差逐漸增大，這意味著增大計算產出量將犧牲計算準確度。

4結束語

本文中，我們對通信感知計算一體化波束賦形設計進行了研究。為了在保障雷達感知準確度的前提下盡可能提升空中計算的準確度，我們對數據發射波束賦形、雷達感知波束賦形，以及數據聚合波束賦形進行了聯合優化設計。與傳統方案相比，該設計可以有效地同時實現雷達感知與空中計算，顯著提升頻譜效率。本研究開創了物理層通信感知計算一體化新領域，未來研究方向包括但不限于傳感設備調度、波形設計、克拉美羅界優化等。

參考文獻

[1] SAAD W， BENNIS M， CHEN M Z. A vision of 6G wireless systems： applications， trends， technologies， and open research problems [J]. IEEE network， 2020， 34（3）： 134-142. DOI： 10.1109/MNET.001.1900287

[2] CUI Y， LIU F， JING X， et al. Integrating sensing and communications for ubiquitous IoT： Applications， trends， and challenges [J]. IEEE network， 2021， 35（5）： 158-167. DOI： 10.1109/MNET.010.2100152

[3] LIU F， MASOUROS C， PETROPULU A P， et al. Joint radar and communication design： applications， state-of-the-art， and the road ahead[J]. IEEE transactions on communications， 2020， 68（6）： 3834-3862. DOI： 10.1109/TCOMM.2020.2973976

[4] LIUF，CUIYH，MASOUROSC，etal.Integratedsensingand communications： toward dual-functional wireless networks for 6G and beyond [J]. IEEE journal on selected areas in communications， 2022， 40（6）： 1728-1767. DOI： 10.1109/jsac.2022.3156632

[5] MEALEY R M. A method for calculating error probabilities in a radar communication system [J]. IEEE transactions on space electronics and telemetry， 1963， 9（2）： 37-42. DOI： 10.1109/TSET.1963.4337601

[6] LIU F， MASOUROS C， LI A， et al. MU-MIMO communications with MIMO radar： from co-existence to joint transmission [J]. IEEE transactions on wirelesscommunications，2018，17（4）：2755-2770.DOI：10.1109/ TWC.2018.2803045

[7] SARUTHIRATHANAWORAKUN R， PEHA J M， CORREIA L M. Opportunistic sharing between rotating radar and cellular [J]. IEEE journal on selected areasincommunications，2012，30（10）：1900-1910.DOI：10.1109/ JSAC.2012.121106

[8] SODAGARI S， KHAWAR A， CLANCY T C， et al. A projection based approach for radar and telecommunication systems coexistence [C]//Proceedings of 2012 IEEE Global Communications Conference. IEEE， 2012： 5010-5014. DOI： 10.1109/GLOCOM.2012.6503914

[9] LIU F， MASOUROS C， LI A， et al. Robust MIMO beamforming for cellular and radar coexistence [J]. IEEE wireless communications letters， 2017， 6（3）： 374-377. DOI： 10.1109/LWC.2017.2693985

[10] BLUNT S D， METCALF J G， BIGGS C R， et al. Performance characteristics and metrics for intra-pulse radar-embedded communication [J]. IEEE journal on selected areas in communications， 2011， 29（10）： 2057-2066.DOI： 10.1109/JSAC.2011.111215

[11] CHIRIYATH A R， PAUL B， JACYNA G M， et al. Inner bounds on performance of radar and communications co-existence[J]. IEEE transactions on signal processing， 2016， 64（2）： 464-474. DOI： 10.1109/ TSP.2015.2483485

[12] LIU F， ZHOU L， MASOUROS C， et al. Toward dual-functional radarcommunication systems： optimal waveform design [J]. IEEE transactions onsignalprocessing，2018，66（16）：4264-4279.DOI：10.1109/ TSP.2018.2847648

[13] HUANG Q Y， CHEN H X， ZHANG Q. Joint design of sensing and communication systems for smart homes [J]. IEEE network， 2020， 34（6）： 191-197. DOI： 10.1109/MNET.011.2000107

[14] ZHANG T， WANG S， LI G L， et al. Accelerating edge intelligence via integrated sensing and communication [C]//Proceedings of ICC 2022 -IEEE International Conference on Communications. IEEE， 2022： 1586-1592. DOI： 10.1109/ICC45855.2022.9839016

[15] YUAN W J， LIU F， MASOUROS C， et al. Bayesian predictive beamforming for vehicular networks： a low-overhead joint radar-communication approach [J]. IEEE transactions on wireless communications， 2021， 20（3）： 1442-1456. DOI： 10.1109/TWC.2020.3033776

[16] ZHU G X， XU J， HUANG K B， et al. Over-the-air computing for wireless data aggregation in massive IoT [J]. IEEE wireless communications， 2021， 28（4）： 57-65. DOI： 10.1109/MWC.011.2000467

[17] NAZER B， GASTPAR M. Computation over multiple-access channels [J]. IEEE transactions on information theory， 2007， 53（10）： 3498-3516. DOI： 10.1109/tit.2007.904785

[18] CHEN L， ZHAO N， CHEN Y， et al. Over-the-air computation for IoT networks： computing multiple functions with antenna arrays [J]. IEEE Internet of Things journal， 2018， 5（6）： 5296–5306

[19] LI X， ZHU G， GONG Y， et al. Wirelessly powered data aggregation for IoT via over-the-air function computation： beamforming and power control[J]. IEEE transaction on wireless communications， 2019， 18（7）： 3437–3452. DOI： 10.1109/TWC.2019.2914046

作者簡介

李曉陽，南方科技大學卓越博士后；主要研究領域為通信感知計算一體化、群智感知與標注、邊緣智能、空中計算、攜能通信等；先后主持和參加基金項目4項；已發表論文20余篇。

周梓欽，南方科技大學在讀碩士研究生；主要研究領域為通信感知計算一體化、群智感知、空中計算等；已發表論文4篇。

貢毅，南方科技大學教授，曾擔任《IEEE Transactions on Wireless Communications》和《IEEE Transactions on Vehicular Technology》的編委；主要研究領域為5G與智能通信、移動邊緣計算等；承擔多項國家級、省部級科技項目；已發表學術論文150余篇，獲得發明專利20余項。