面向6G的大规模MIMO通信感知一体化：现状与展望*

张若愚，袁伟杰，崔原豪，刘凡，吴文

（1.南京理工大学近程高速目标探测技术国防重点学科实验室，江苏 南京 210094；2.南方科技大学电子与电气工程系，广东 深圳 518055；3.北京邮电大学可信分布式计算与服务教育部重点实验室，北京 100876）

0 引言

第六代移动通信系统（6G）通过人-机-物的智能互联，将实现由移动互联到万物互联，乃至万物智联的跃迁。根据《6G 总体愿景与潜在关键技术》白皮书，6G 预期通过通信、感知、计算的交互，支撑全息通信、数字孪生、扩展现实等全新业务，拓展智慧城市、智慧交通和智能制造等垂直应用场景，推动真实物理世界与虚拟数字世界的深度融合[1]。上述新兴业务迫切需要通信设备和终端具备物理世界的感知能力，驱动6G 空口核心功能从无线传输向无线感知扩展。

通信感知一体化（ISAC,Integrated Sensing and Communications）通常是指集成设计（无线电）感知和通信系统，从而更有效地利用拥挤的无线/ 硬件资源，甚至实现两种功能之间协同增效的一种电子系统设计方法，以及实现该方法的使能技术[2]。相比于传统独立的通信与感知系统，ISAC 将二者有机结合以实现优势互补，不仅有效提升系统的频谱效率和硬件效率，获取集成增益，还可以通过二者的互相辅助获取额外的协作增益，被广泛认为是下一代移动通信网络的关键技术之一[3]。

大规模多输入多输出（MIMO,Multiple-Input Multiple-Output）通过深度挖掘空间维度资源，能显著提升通信网络容量，是当前5G 以及未来6G 物理层关键技术之一[4]。而随着移动通信系统向多天线、高频段的不断演进，通信与感知在硬件架构、信道特性以及信号处理方法正逐渐趋同。大规模MIMO 与ISAC 的结合，一方面得益于大规模的天线阵列，能够提供极高的空间分辨能力，在提升感知性能方面具有巨大的潜力；另一方面通过赋予通信系统内生的感知能力，辅助信道状态信息获取和波束成形设计，提高通信服务质量和效率[5]。因此，大规模MIMO-ISAC 有望同时实现高速率通信和高精度感知，极大推动未来6G 时代智能家居、智能工厂、车联网等应用的发展。其应用场景如图1 所示。

图1 大规模MIMO通信感知一体化应用场景

本文首先介绍了通信感知一体化与大规模MIMO 结合的背景和意义，然后根据通信和感知的功能侧重及优先级，从通信为中心、感知为中心和联合设计三个方面对大规模MIMO-ISAC 的研究进行分析，最后对大规模MIMO-ISAC 未来的研究方向进行了展望。

1 通信为中心的大规模MIMO-ISAC

在通信为中心的大规模MIMO-ISAC 中，系统设计优先级是在依赖保障现有通信系统性能的情况下向网络赋予感知能力，性能衡量指标以频谱效率、信道容量和误码率等通信性能指标为主，主要包括三个方面的研究：通信功能为主的波形设计、基于通信波形的目标参数估计和感知辅助通信。

1.1 通信功能为主的波形设计

通信功能为主的波形设计直接利用通信波形或对其进行一定的改动以实现感知功能，包括单载波和多载波两个分类。单载波波形具有更低的峰值平均功率比，而多载波波形能更好地抵抗信道的频率选择性衰落。下面主要以多载波一体化波形为例进行阐述。

正交频分复用（OFDM,Orthogonal Frequency-Division Multiplexing）波形具有较高的频谱效率和良好的抗多径能力，被广泛应用于当前的通信标准，如5G NR 和IEEE 802.11ad 等[6]。利用OFDM 信号进行无线感知的优势至少包括：多个子载波相互正交、带宽资源的灵活分配、时间带宽积大、理想情况下可以得到“图钉形”的模糊函数等[7]。结合大规模MIMO 在频谱效率、阵列增益和空间分集等方面的优势，OFDM 波形能够满足高速数据通信需求，并尽可能提升感知性能。

正交时频空（OTFS,Orthogonal Time Frequency Space）是近年来一种新兴的多载波调制技术，为时间-频率双选择性信道下的可靠传输提供了新的解决方案[8]。OTFS 波形对多普勒频移具有较强的鲁棒性，还能实现与调频连续波几乎相同的距离和速度估计精度，可以广泛应用于车联网、无人机等高移动性通信感知一体化场景。此外，OTFS 在时延和多普勒维度建立了通信与感知模型之间的联系，这对大规模MIMO-ISAC 的波形设计具有重要意义。

通信功能为主的一体化波形能够保证通信传输性能，但通信信息的随机性与感知所需的恒包络、低副瓣和强自相关等指标存在矛盾，需要考虑二者的权衡。此外，通信功能为主的一体化波形设计还需要考虑帧结构、能量效率等因素，从而对频谱、时隙、功率等资源进行高效灵活地分配和优化。

1.2 基于通信波形的目标参数估计

在通信感知一体化场景中，感知的核心功能是对目标的方位、距离和速度等参数进行估计，从而支撑面向不同应用的目标检测、识别和分类等任务。相比于传统基于感知波形，基于通信波形的目标参数估计具有以下特点[9]：

（1）信号形式不同：发射信号基于固定的帧结构和通信协议，携带通信信息的数据包随机性强；5G NR 中的参考信号如解调参考信号和信道状态信息参考信号等，具有与传统感知信号类似的强自相关性，便于更好地进行信道估计，但同样受限于一定的重复周期。

（2）传输环境复杂：部署在蜂窝网络的大规模MIMO-ISAC 面临复杂的传输环境，密集的散射体和多径效应会引入大量的地杂波，这会造成感兴趣的目标信息淹没在包含大量杂波的接收回波中，因此亟需在目标参数估计之前进行一定的杂波抑制措施。

（3）目标形式不同：传统的目标感知通常依赖于远场条件和点目标假设，而在蜂窝网、车联网和智慧家庭等场景中，如车辆识别、障碍物检测和人体行为识别等应用，需要进一步考虑在扩展目标和近场条件下进行参数估计。

（4）时钟同步困难：由于发射机和接收机本地振荡器之间不完全同步，这会引入随时间变化的符号定时偏差和载波频率偏移，不仅会导致码间串扰或载波间干扰，还会对目标的距离和速度的估计引入较大误差。

上述特点导致大规模MIMO-ISAC 的目标参数估计面临挑战，因此如何针对标准化通信波形设计相应的目标参数估计算法，是以通信为中心的大规模MIMO-ISAC的突破重点。

1.3 感知辅助通信

感知辅助通信是指利用通信网络内生的感知能力对信道和环境进行感知、识别与预测等，从而进一步提升通信系统的性能[3]。相比于传统仅基于通信协议的系统，大规模MIMO-ISAC 有望利用感知辅助通信获得以下性能增益[10]：

（1）辅助信道获取：大规模MIMO-ISAC 通过感知目标的信号回波获取信道的角度先验信息，可以有效降低信道估计所需的导频开销；利用信号回波代替频繁的信道反馈，可以降低信道量化误差和反复开销，提升信道获取精度。

（2）辅助波束成形：通过大规模天线阵列形成的窄波束对环境和目标状态进行感知，获取角度信息调整波束搜索范围，降低波束搜索和链路建立时间，有助于移动场景下的实时波束跟踪，增强数据传输的可靠性。

（3）辅助资源分配：大规模MIMO-ISAC 利用感知信息和结果，如用户属性、终端状态等，辅助通信网络进行更加高效灵活的小区切换、带宽/ 功率分配和计算资源调度等，从而提升自动驾驶、轨道交通等场景的网络性能。

需要注意的是，由于信号回波与下行信号处于同一频段，大规模MIMO-ISAC 基站需要采取一定的自干扰抑制和消除措施，如收发天线隔离、全双工等。

2 感知为中心的大规模MIMO-ISAC

在感知为中心的大规模MIMO-ISAC 中，设计思路主要是在保证感知性能的前提下引入通信功能，性能衡量指标以感知指标为主，包括参数估计精度、检测和定位性能等。

2.1 感知功能为主的波形设计

感知功能为主的波形设计主要目标是最小化通信信息对感知性能的影响，通常在感知波形的基础上，对其进行某些改变来携带通信信息。典型的波形设计方法包括波形分集、相位调制、空域嵌入和索引调制等[11]，下面以空域嵌入和索引调制为例进行介绍。

（1）空域嵌入：利用发射波束图样副瓣来嵌入通信信息。在单个脉冲内，对发射波形中的多个信息比特和波束向量进行加权，使合成波形拥有相同的主瓣和不同的旁瓣。该方法本质上是在副瓣进行幅度或相位调制来实现通信功能，可有效控制副瓣电平的高低变化，几乎不会影响主瓣方向的目标感知。

（2）索引调制：是一种新型调制技术，具有较高的频谱效率[12]。与直接改变信号波形不同，索引调制是通过控制感知波形参数的变化来携带通信信息，可用的索引资源包括天线序号、载波频率、发射时隙和扩频码等。这类方法将比特信息嵌入到特定的感知波形参数组合之中，在提供通信服务的同时尽可能减少了对感知功能的影响。

此外，将通信信息嵌入既有的感知波形如线性调频信号等，并在时/ 频/ 码等维度构造正交波形，有望进一步发挥大规模MIMO 多天线的优势以提升感知性能，但此类方法的通信速率较为有限。

2.2 通信信号处理

感知为中心的大规模MIMO-ISAC 具有优良的目标感知性能，但如何实现信号解调和信道估计等通信信号处理面临着以下挑战[13]：

（1）信道估计：以感知为中心的大规模MIMOISAC 通信速率较低，限制了用于信号同步、信道估计等模块的时频资源，增加了导频序列设计的难度。此外，大规模天线阵元数目众多，信道矩阵维度高，而且受诸如车辆、无人机等感知目标运动的影响，信道冲激响应随时间快速变化，未知信道系数进一步增加。

（2）信号解调：感知目标不可避免地引入多普勒频移和同步误差等非理想因素，信号解调必须考虑如何降低频偏和时延等造成的影响。此外，以索引调制为例，数据解码需要在空间、频率等维度进行穷举搜索，复杂度高。

2.3 通信辅助感知

通信辅助感知是指利用通信网络中的无线基础设施，对感知信息进行传递和汇聚，有助于提升感知服务的深度、广度和性能[3]。

在大规模MIMO-ISAC 中，大规模天线阵列极大地拓展了阵列孔径，为感知提供了更高的空间分辨力和更强的抗干扰能力。类比于MIMO 雷达收发基地是否分置以及上/ 下行通信，大规模MIMO-ISAC 可划分为如表1所示的工作模式[14]。在现有无线蜂窝网络的基础上，文献[14] 提出了感知移动网络（PMN,Perceptive Mobile Network），讨论了系统架构、网络设计等问题，为通信辅助感知提供了丰富且灵活的配置模式。在PMN 中，可用于感知的信号包括导频信号、数据负载信号等，基站可以在不同的地理位置进行信号的发射与接收，通过一定程度的协作获得空间分集增益。

表1 大规模MIMO-ISAC的工作模式

面向6G 网络，利用通信网络中的无线基础设施将进一步提升目标的定位性能。例如，大量基站可作为地面锚点，为道路车辆、工厂机器人等提供全天时、精细化、高精度的定位感知服务。此外，随着通信系统向高频段、大带宽的不断发展，结合大规模多天线技术，移动通信网络和终端设备进一步发展通信感知一体化定位技术，为实现厘米级定位精度奠定基础[15]。

3 大规模MIMO-ISAC的联合设计

大规模MIMO-ISAC 的联合设计通过共享系统硬件、软件和频谱资源，在共同优先级下兼顾通信与感知需求，助力于二者的深度融合。联合设计具有更高的设计自由度，可以实现通信功能与感知功能之间性能的灵活折中。

3.1 联合波形设计

大规模多天线提供了更高的空间自由度和分集增益，可以有效提升通信和感知性能。为了实现通信和感知之间性能的平衡以及空域资源的灵活分配，一个重要的问题是大规模MIMO-ISAC 的联合波形设计。由于感知和通信可能有不同的性能需求，联合波形设计包括以下几个方面的研究：

（1）基于波形相似性：目标感知通常要求发射波形具有良好的相关性能、高峰值旁瓣比、低峰值旁瓣比等，从而获得更好的抵抗杂波干扰能力，但大规模MIMO-ISAC 中通信数据和无线信道的随机性导致难以在单个波形中同时满足上述指标。一种可行的方式是在通信性能约束下，如信干噪比、多用户干扰等[16]，通过逼近满足性能要求的发射波束图样来设计一体化发射波形。

（2）基于参数估计性能：参数估计精度是衡量感知性能的重要指标，但由于接收信号和待估参数之间通常是非线性关系，很难直接得到最小均方误差的闭合表达式，进而无法对波形进行优化设计。由于克拉美罗界（CRB,Cramér-Rao Bound）是任意无偏估计量的方差的下限，因此一种可行的方式将CRB 作为优化目标，基于CRB的最小准则来进行通信感知一体化的波形设计[17]。

（3）模拟阵列的多波束优化：模拟阵列能够生成定向的窄波束，但由于模拟阵列的限制，目标感知仅局限于通信传输方向。针对这一问题，文献[18] 提出了一种可行的多波束方案，即在一个方向固定的子波束指向通信用户，其余子波束每个数据包改变一次方向用作感知扫描。因此，需要对波束成形的加权系数进行优化，从而满足同时支持不同方向的通信传输和目标感知的需求。

（4）基于混合模数结构的波束成形：大规模MIMOISAC 的大量天线导致射频链数目剧增，系统能耗和硬件成本过高，这一问题在毫米波/太赫兹等高频段更为严重。混合模数结构是一种实现射频链数目降低、性能与能耗平衡的有效解决方案[19]，但受限于混合模数结构实际的硬件约束，如何设计同时满足多目标感知和多用户传输需求的混合波束成形是大规模MIMO-ISAC 实际应用的关键。

3.2 一体化信号处理

在大规模MIMO-ISAC 中，一体化信号处理的基本任务是同时完成通信符号的检测与感知目标的估计。但在一体化接收机中，目标的信号回波以及接收的通信信号相互叠加，引起的互干扰严重制约了传统信号处理方法的性能。针对该问题，可行的解决方法包括如下：

（1）联合设计与处理：从叠加信号中提取通信信息和目标参数可以建模为联合检测与估计问题，因此可以考虑结合感知信号的恒模特性对星座图进行优化设计[20]；结合串行干扰消除思想设计参数估计算法，提升目标跟踪性能[21]。

（2）挖掘结构化信息：对于接收的叠加信号，如可以考虑将感知目标的回波视为异常值，并利用感知波形非连续发射所引入的稀疏性，研究一体化处理方法来提升通信符号的检测性能[22]。

此外，面向6G 网络中繁多的感知场景以及复杂的无线信道环境，一体化信号处理将面临更大的挑战，潜在的研究方向包括：一体化干扰消除技术、非连续数据信号的目标感知、信道与目标参数的联合估计等。

3.3 性能权衡

虽然大规模MIMO-ISAC 能够同时实现信息传输和目标感知，但受限于共享的平台资源，需探讨大规模MIMO-ISAC 中通信与感知的性能极限，并分析两者的权衡关系，为后续实际部署提供参考。

（1）资源约束下的性能边界

由于通信和感知两者的优化与设计目标不同，在阵列规模、发射功率、信号带宽、相干时间、波形形式等资源有限的条件下，通信和感知的性能指标如信道容量和参数估计性能等，通常呈现此消彼长的关系[23]。因此，面向6G 通感一体化的场景和需求，需要结合具体的性能指标，在资源约束下探明大规模MIMO-ISAC 的理论性能边界，从而指导有限资源的合理配置，设计出最优的权衡方案。

（2）基于互信息的性能权衡

从信息论的视角出发，基于互信息的模型可以在统一的理论框架下对通信和感知系统的性能进行度量及分析。对于感知来说，互信息表征了从回波信号中获取到关于目标的信息量大小，并发展出了雷达估计速率、等效均方误差等度量指标。在此基础上，文献[24] 采用容量-失真函数，分析了点对点高斯信道下通信容量和感知失真之间的权衡，但如何利用互信息揭示大规模MIMOISAC 通信和感知性能的折中还需要进一步研究。

（3）空间自由度的性能权衡

虽然大规模MIMO-ISAC 提供了丰富的空间自由度，但通信和感知对空间资源有着不同的处理方式。例如，通信可以同时利用信道的视距和非视距路径，从而获得分集增益和复用增益；而感知通常仅关注包含目标信息的信号路径，而将其他路径的传输信号视为杂波并抑制[25]。因此，需要结合实际的信道传输环境，分析大规模MIMO-ISAC通信和感知在空间自由度方面的性能折中。

4 未来展望

面向未来的6G 网络，通信感知一体化还可以与其他6G 物理层关键技术有机结合、共同演进。

4.1 超大规模MIMO

超大规模MIMO 是大规模MIMO 的演进升级，具有更高的频谱效率和能量效率[26]，并有望进一步提升ISAC性能。由于其极高的空间分辨能力，可以获取更多的多径信息，有助于感知对视距/ 非视距传播的识别；具备更强的波束调整能力，提供非地面覆盖，具备无人机等低空目标的监控能力；在高移动性场景中，通过感知信息实现快速波束对准与实时跟踪，从而有助于提升城市复杂环境中位置服务的可靠性。

4.2 无蜂窝大规模MIMO

无蜂窝大规模MIMO 通过引入基站间的协作充分消除小区间干扰，大幅提升6G 网络容量[27]，还有提升ISAC 感知性能的潜力。在更广域地理范围内部署大量分布式小型基站，远端无线单元从多个接入点获取目标回波信息，增强信号接收质量；分布式射频和天线将大量感知数据传回中央处理单元，利用多节点的协作和多基站之间的协同计算，满足跟踪、定位、成像等功能的精度要求，支撑分布式、网络化感知。

4.3 智能超表面

智能超表面（RIS,Reconfigurable Intelligent Surface）具有低成本、低能耗、易部署等独特优势，被认为是6G 关键技术之一[28]。RIS 可以作为无线中继灵活操控信道环境，为ISAC 提供额外的非视距感知路径，提升感知覆盖范围并增强感知稳健性；RIS 与大规模MIMO 技术结合，进一步发展为全息MIMO（Holographic MIMO），在降低成本的同时带来更大的天线孔径，易于在基站或空中平台部署，通过灵活的波束指向和聚焦波束发射，提升感知精度。

4.4 太赫兹技术

太赫兹是频谱范围在0.1～10 THz 的电磁波，被视作6G 的潜在频段[29]。太赫兹拥有超大带宽的可用频率资源，具备超高速通信和超高精感知的潜力，其极短波长的特点有助于器件微小型化，降低感知设备的体积和功耗，催生可穿戴健康监测、微系统传感器等新型物联网应用；太赫兹与超大规模天线技术结合，可以克服严重的路径传输衰减，通过ISAC 感知信息辅助的波束训练，有望进一步提升通信传输性能。

5 结束语

本文从场景需求、功能侧重与未来展望等角度对面向6G 的大规模MIMO-ISAC 研究进行总结。首先概括了大规模MIMO-ISAC 所面临的场景与需求；然后从通信为中心、感知为中心以及联合设计三个方面，分析了大规模MIMO-ISAC 的研究现状，包括波形设计、目标参数估计、感知辅助通信、通信信号处理、通信辅助感知、一体化信号处理和性能权衡等；最后对大规模MIMO-ISAC未来的研究方向进行了展望，包括超大规模MIMO、无蜂窝大规模MIMO、智能超表面和太赫兹技术。