通信感知计算一体化波束赋形设计

李晓阳 周梓钦 贡毅;作者简介

摘要：结合通信感知一体化和空中计算的优点，提出了一种空口通信感知计算一体化技术，并通过对多天线雷达感知与空中计算波束赋形进行联合优化设计，从而在保障感知准确度的前提下最大化空中计算的准确度。通过仿真验证，并与传统波束赋形比较后可知，该设计可以有效地同时实现雷达感知与空中计算，显著提升频谱效率。

关键词：通信感知一体化；空中计算；波束赋形

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

新一代移动通信技术如自动驾驶、增强现实、人工智能、智慧城市、数字孪生等[1]有助于推动物联网应用的发展。为了支持这些应用，海量数据需要被传感设备从环境中采集并传输至服务器端进行后续处理[2]。在传统的数据处理方案中，数据感知、传输与计算环节被视为独立的设计。其中，数据感知与传输环节将竞争频谱资源，同时计算环节将与另两者竞争时间资源[3]。为了提升频谱效率，通过设计雷达通信与感知复用信号，通信感知一体化技术可同时实现物理层的数据感知与传输[4]。

通信感知一体化起源于对联合雷达感知通信的研究，其中数据信息被嵌入雷达脉冲中[5]。在实际应用中，原本用于雷达感知的S频段（2～4 GHz）和C频段（4～8 GHz）可以与通信系统共享[6]。基于这一发现，一系列研究均致力于雷达感知与通信系统的共存，其中通信和感知信号共用频谱资源。在机会式频谱共享方案中，未被雷达感知信号占用的频段可用于发射通信信号[7]。为了同时实现通信与感知，雷达感知信号被投射到与通信信号正交的空间[8]。为了进一步提升通信与感知效率，多天线系统被开发以实现多发多收雷达感知与通信[9]。值得一提的是，这种雷达感知与通信共存的系统需要感知与通信收发端实时反馈状态。这一过程带来了严重的信息交互负担。为了解决这一问题，后续的研究致力于将感知与通信的发射端合二为一，即设计可同时用于目标感知和数据传输的双功能信号[10]。从信息论的角度来看，雷達感知与通信的性能可以用率失真理论来刻画[11]。在实际应用中，可同时用于目标感知和数据传输的双功能波形设计被进一步拓展到多天线多发多收系统。其中，数据信息被嵌入雷达感知信号的旁瓣[12]。

得益于频谱共享带来的优势，通信感知一体化技术被广泛应用于智慧家居、边缘智能、车联网等多个场景。在智慧家居应用场景中，传统的传感设备被赋予通信能力，同时移动热点的感知能力也得到提升[13]。在边缘智能系统中，通信感知一体化技术被用于同时采集和传输数据，以加速模型训练[14]。在车联网平台中，通信感知一体化技术被用于采集车队状态并促进车辆间的信息交互[15]。

为了进一步提高资源利用效率，数据感知、传输与计算环节有待于联合设计。然而，计算环节常常处于网络层或应用层，因此难以与物理层的通信感知一体化技术相结合。为了解决这一问题，空中计算的出现使物理层的数据计算成为可能。通过利用模拟信号在多址信道传播过程中的叠加属性，空中计算技术可实现信号传播过程中的函数计算[16]。空中计算的雏形最早可以追溯到对传感器网络的研究，其中分布式的感知数据经模拟调制后在多址信道中传输的同时进行叠加，这使得服务器可以直接接收到数据计算结果[17]。与传统多址接入方案不同，空中计算旨在减少收集到的统计信息与真实值之间的误差[18]。为了加快多个函数的同时计算，多天线系统被用于实现多发多收的空中计算[19]。基于空中计算，感知通信计算一体化技术有望在物理层空口实现。

通过将通信感知一体化技术与空中计算技术相结合，本文提出了空口感知通信计算一体化技术。在该技术应用场景中，多个多天线传感设备同时发射用于目标探测的雷达感知信号和用于传输数据的通信信号。其中，雷达感知信号经过目标反射后被传感设备接收，通信信号经过空中计算后被服务器接收。传感器依据接收到的雷达感知信号对目标信息进行提取，而服务器依据接收到的空中计算结果对各传感设备数据的统计信息进行推测。用于衡量雷达感知性能的标准是目标信息的均方差，而用于衡量空中计算性能的标准是信息与真实值之间的均方差。由于这两者存在竞争关系，为了在保障雷达感知性能的同时尽可能提升空中计算性能，本文对雷达感知和通信信号的收发端波束赋形进行了联合设计。

1通信感知计算一体化系统

3仿真设计与分析

为了验证通信感知计算一体化波束赋形设计的性能，我们在MATLAB平台上进行了仿真。仿真中的目标函数为均一化后的空中计算均方差。整个系统包括1个匹配15根接收天线的服务器和10个匹配12根天线的传感设备。其中，传感设备有4根天线用于发射数据传输信号，4根天线用于发射雷达感知信号，4根天线用于接收目标反射信号。总时间段数设置为1 000，待计算的函数数量为10。所有的信道均服从莱斯分布，最大发射功率为10 mW，感知误差容忍度设置为0～1的随机变量。根据长期演进（LTE）的设置，信道噪声为-79.5 dBm。作为一种比较方案，传统的天线选择方案将所有用户的信道增益进行叠加，并从叠加结果中选取10根信道增益最大的接收天线作为接收端。

图3展示了均一化空中计算均方差随服务器天线数量变化的曲线。可以看到，随着服务器天线数量的增加，空中计算均方差逐渐减小。这是因为更多的接收天线将增大数据接收波束赋形矩阵的优化维度，从而利用分级增益降低误差。此外，与传统天线选择方案相比，我们提出的方案可显著降低空中计算均方差，这验证了波束賦形设计的必要性。

图4展示了均一化空中计算均方差随传感设备天线数量变化的曲线。可以看到，随着传感设备天线数量的增加，空中计算均方差逐渐增大。这是因为增加传感设备天线将导致待估测的目标反射矩阵维度增加，从而使雷达感知性能限制更为严格。因此，波束赋形为了满足雷达感知性能要求，不得不牺牲空中计算的性能。

图5展示了均一化空中计算均方差随传感设备数量变化的曲线。可以看到，随着传感设备数量的增加，空中计算均方差逐渐增大。这是因为增加传感设备将引入更多的信道，这些信道难以被一个数据聚合波束赋形矩阵均衡。图6展示了均一化空中计算均方差随计算函数数量变化的曲线。可以看到，随着计算函数数量的增加，空中计算均方差逐渐增大，这意味着增大计算产出量将牺牲计算准确度。

4结束语

本文中，我们对通信感知计算一体化波束赋形设计进行了研究。为了在保障雷达感知准确度的前提下尽可能提升空中计算的准确度，我们对数据发射波束赋形、雷达感知波束赋形，以及数据聚合波束赋形进行了联合优化设计。与传统方案相比，该设计可以有效地同时实现雷达感知与空中计算，显著提升频谱效率。本研究开创了物理层通信感知计算一体化新领域，未来研究方向包括但不限于传感设备调度、波形设计、克拉美罗界优化等。

参考文献

[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

李晓阳，南方科技大学卓越博士后；主要研究领域为通信感知计算一体化、群智感知与标注、边缘智能、空中计算、携能通信等；先后主持和参加基金项目4项；已发表论文20余篇。

周梓钦，南方科技大学在读硕士研究生；主要研究领域为通信感知计算一体化、群智感知、空中计算等；已发表论文4篇。

贡毅，南方科技大学教授，曾担任《IEEE Transactions on Wireless Communications》和《IEEE Transactions on Vehicular Technology》的编委；主要研究领域为5G与智能通信、移动边缘计算等；承担多项国家级、省部级科技项目；已发表学术论文150余篇，获得发明专利20余项。