《IMT-2030(6G)推进组:2023年6G通信感知一体化评估方法研究报告(29页).pdf》由会员分享,可在线阅读,更多相关《IMT-2030(6G)推进组:2023年6G通信感知一体化评估方法研究报告(29页).pdf(29页珍藏版)》请在三个皮匠报告上搜索。
1、北京稻壳科技有限公司Beijing Rice Hull Technology Co.,Ltd.地址:北京市朝阳区九住路 188 号IMT-2030(6G)推进组IMT-2030(6G)Promotion Group2023 年年 10 月月版权声明版权声明 Copyright Notification未经书面许可未经书面许可 禁止打印、复制及通过任何媒体传播禁止打印、复制及通过任何媒体传播2023 IMT-2030(6G)推进组版权所有2IMT-2030(6G)推进组IMT-2030(6G)Promotion Group目录第一章 引言.5第二章 评估场景.62.1 室外场景.72.1.1 检
2、测定位跟踪.72.1.2 环境重构.82.2 室内场景.92.2.1 检测定位跟踪.92.2.2 环境重构.102.2.3 模式识别.10第三章 评估指标.12第四章 评估方法.134.1信道模型.134.1.1 模型框架.144.1.2 路损模型.154.1.3 小尺度多径模型.164.1.4 目标散射特性建模.174.1.5 通信信道与感知信道相关性.194.2场景评估方法.194.2.1 系统级仿真评估流程.204.2.2 链路级仿真评估流程.214.2.3 评估场景和仿真方法映射.22第五章 总结与展望.253IMT-2030(6G)推进组IMT-2030(6G)Promotion G
3、roup图目录图 1 ITU-R IMT-2030 应用场景.5图 2 室外智能交通场景目标检测示例.8图 3 室外环境重构.9图 4 智能工业场景的网络及目标部署示例.10图 5 通感一体化混合信道模型框架(左:自发他收,右:自发自收).15图 6 通感一体化信道的建模流程.16图 7 系统级评估流程图(以 Full-SLS 为例).20图 8 链路级感知的流程图.214IMT-2030(6G)推进组IMT-2030(6G)Promotion Group表目录表 1用于 6G ISAC 评估场景(测试环境)建议.11表 2不同评估场景建议考虑的评估指标.13表 3感知目标建模方法对比.17表
4、 4不同评估场景下的多散射中心模型.18表 5 各测试环境对应的评估方法及关键要素.245IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第一章 引言6G 作为更先进的下一代移动通信系统,将跨越人联和物联,迈向万物智联的新时代。2023 年,通信感知一体化已被 ITU-R 确认为 IMT-2030 的六大应用场景之一,未来 6G 网络将利用全频段、大带宽、大规模天线阵列、多节点协作等能力,提供超高分辨的检测定位跟踪、环境重构与成像、目标动作识别等能力,在支撑极致通信体验的同时,实现智能家庭、智慧工厂、智慧医疗、终极自动驾驶等网络服务场景。通信感知一体化,还将
5、进一步与 AI 结合,为构建智能数字世界提供数据入口,使能未来物理世界与数字世界的融合。图 1 ITU-R IMT-2030 应用场景在 6G 阶段,通信和感知融合的程度将进一步提升,将明显的区分与 5G 阶段,主要可以体现在频率的多样化、空间技术的成熟化和设备的高度协同化。频率的多样化将提供多层次化的通信能力和感知能力的交融,最终达到两种功能的一体化。空间技术的成熟化将从空间细微差异化满足感知和通信功能的分离,同时实现感知物体的容量极大的提升。设备的高度协同化将突破单个基站、单个终端感知的局限,实现全域、3D 化的感知能力,也可以实现 6G 分布式组网与通感技术的高度协同。6G 通感的研究已
6、经开展了 2 年余,作为一个新的技术方向,处于方兴未艾的阶段,是可以预见的未来发展蓝海,是第一次多行业间的全浸入式的融合,可以说是从骨血互溶的创新性突破,需要巨大的勇气去推进,需要极其深厚的技术研究的推动,6IMT-2030(6G)推进组IMT-2030(6G)Promotion Group需要行业间的深度认同的包容。在 6G 阶段,我们需要对通信和感知技术的前景进行较为全面的分析和研究,尤其是对场景进行多次深刻的分析和梳理,只有明确具备较好的发展前景的场景才能推进技术的发展,才能避免人员和经费的浪费。其次,由于通信的感知融合是新的方向,其评价标准需要彼此融合,在 ITU 也开展了相关的技术指
7、标的研究。最后,在技术研究初期,通常需要对其传播特性进行分析,研究出典型的信道模型和评估方法,才可以匹配仿真和仪表仿真设备,完成通信感知融合技术可行性的仿真。因此针对这些研究需求,本报告作为 6G 通感融合深入研究的首个研究报告,将对场景、指标和评估方法进行全面的分析,为后续的研究提供依据,并推动业界针对通感一体化技术性能开展规模化评估、促进通感一体化的标准讨论与制定。第二章 评估场景在通信感知一体化研究报告第二版中,从服务类场景与应用类场景两方面对通感一体化海量丰富场景进行了广泛的研究。通感一体化网络在所能获得的感知信息和服务基础之上,更好地服务于未来智慧生活、产业升级、社会治理等方方面面。
8、在6G 感知的需求和应用场景研究报告中,从业务需求的角度对交通、工业、农业、仓储物流、医疗健康、娱乐和社会服务等不同通感一体化应用场景下的感知业务需求进行了研究。在本报告中,针对以上报告中海量的通感一体化应用场景进行了进一步的细分研究,归纳总结出了面向 6G 网络性能评估的典型应用场景,并研究讨论该场景下的指标及评估方法。这些应用场景,是在满足通信功能性能的需求基础上,实现感知服务,因此所述评估场景中均需要同时评估通信和感知性能,并且给出通信与感知功能之间的资源复用、部署方式、天线形态等方面的关系。应用场景通常描述业务特征、业务需求,而评估场景在此基础上,还关注网络(例如基站/UE)部署方式、
9、感知目标部署模型等、感知目标运动模型等评估要素。在 ITU 的技术文档中,通常用“测试环境(Test environments)”概念来定义评估场景,本报告中,采用“评估场景(测试环境)”兼顾广泛理解和对齐标准概念。作为参考,IMT-2020 技术评估中的通信评估场景(测试环境)是由地理环境(geographic environment)和使用场景(Usage Scenario)组合而成1,例如 Indoor7IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupHotspot-eMBB、Urban Macro-URLLC 等。而面向“超越通信”的通感一体化,IM
10、T-2030中感知相关的评估场景(测试环境)还需要根据感知的业务特征和业务需求,再进一步具体到感知用例(Use Case)。因此,针对通感一体化评估,建议采用一种新的评估场景(测试环境)定义方法,即由“地理环境+使用场景(即 ISAC)+感知用例”的组合定义一个评估场景(测试环境)。由此,区分各类 ISAC 评估场景的要素主要包括:地理环境地理环境:大致可分为室内或室外场景,室内和室外还可进一步细分,例如室外密集城区、室内工厂、室内家居等。一般来说,不同的地理环境下,网络部署的方式也不同,包括网络节点(基站、UE 等)、感知目标的部署模型。例如室外通常以蜂窝形式部署网络设备,参考示例为 Out
11、door UMi 部署;室内通常以网格形式部署网络设备,参考示例为 Indoor Factory 部署。感知用例感知用例:由于业界提出的 ISAC 用例较多,为系统性研究 6GISAC 的评估方法,需对 6G 典型 通感用例进行梳理归纳,收敛出具备推广性的少数几套核心方法进行讨论。本章中,通过归纳出业界关注度较高的目标检测定位跟踪、环境重构、模式识别(包括手势/姿态识别、呼吸检测等)三个用例,结合上述地理环境,探讨基于这三个用例的评估场景。2.1 室外场景室外典型评估场景大致可分为“对天、对地”的检测、定位和重构等场景。对天主要指低空异常物体检测、定位与追踪,对地主要指对地面交通、行人的检测、
12、定位,以及建筑、车辆的重构等。室外场景涉及的感知用例主要包括“目标检测定位跟踪”和“环境重构”。2.1.1 检测定位跟踪在室外“对天”或“对地”的检测定位感知场景中,以智能交通场景为例,需实时检测行人、非机动车、UAV、动物等潜在入侵者是否在道路、铁路中间或四周的危险区域,需要通过目标位置和速度估计、轨迹追踪等方式判断其闯入危险区域的可能性,也需要实时监测路面的汽车是否处于正常或异常行驶状态(例如是否逆行、超速)。这一过程中,可能包括对被检测物的识别,例如识别路中间运动物是汽车还是非机动车,以检测特定目标并判断其危险程度。这一用例涉及的感知行为包括:对目标的检8IMT-2030(6G)推进组I
13、MT-2030(6G)Promotion Group测、定位、跟踪、重构、识别等。涉及的感知对象包括:人、动物、车辆、无人机等。图 2 室外智能交通场景目标检测示例对于室外智能交通场景,在网络部署方面,可参考现有 UMi 场景部署六边形蜂窝状小区。感知目标以车辆、行人、UAV 三种常见目标为例。可设定如图 2 所示的若干“道路”区域,路两旁还可设置一定宽度的“路肩”区域,然后设定这三种目标在不同区域的部署比例。2.1.2 环境重构在室外主要“对地”的环境重构场景中,与目标检测、定位与跟踪不同,基站需要利用电磁波对周围环境进行探测,通过反射、散射等信道特征提取感知目标的外形、朝向等特征,例如获得
14、环境目标的电磁点云图像。此时,感知目标可能不再是单一的目标,而是包含楼宇,树木,车辆等环境中的物体。通过对周围环境的重建,能够精确的掌握环境中的信道变化,从而更好的支撑数字孪生、辅助通信效率和速率提升。在网络部署方面,与 2.1.1 节类似,可参考现有 UMi 场景部署六边形蜂窝状小区。感知目标主要包车辆、建筑、道路等,可根据特定的目标部署模型(包括目标数量、密度、形状、散射特征等)部署目标,必要时也可导入特定的数字地图来部署目标。9IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 3 室外环境重构2.2 室内场景室内典型评估场景大致可以分为面向“专网化需
15、求、公众化需求、家庭化需求”的三类场景。“专网化需求”主要针对工厂等对感知和通信都是局限化且高安全隐私需求的场景,如智慧工厂内工作人员、机器人、设备产品的定位、重构、成像、手势/姿态识别等业务。“公众化需求”主要指对商场等公众场景进行室内的环境重构。“家庭化需求”主要指对家庭、医疗场景中人的动作、呼吸等身体状态进行监测的场景,如室内智慧健康的呼吸检测应用。室内场景涉及的感知用例主要包括“目标检测定位跟踪”、“环境重构”以及模式识别(包括手势/姿态识别、呼吸检测)等。2.2.1 检测定位跟踪在室内检测定位跟踪的感知场景中,以“专网化需求”的室内智能工业场景为例,感知业务包括对 AGV、工业机器人
16、、设备、待搬运物料等目标进行检测、定位、跟踪。由于室内大部分目标处于静止或慢速移动状态,目标的检测与定位可能是通过对目标的重构、识别来实现的。此外,该场景还会涉及人机交互,例如工作人员通过手势操作机器的移动和生产运行。检测和定位的结果可用于 AGV 导航、路径规划(避障)、机器人协作(例如协作搬运物料、协作生产)等业务需求。涉及的感知对10IMT-2030(6G)推进组IMT-2030(6G)Promotion Group象包括:人(包括人的手臂、手指)、机器人、AGV、设备等。涉及的感知行为包括:对目标的检测、定位、跟踪、重构、成像、手势/姿态识别等。图 4 智能工业场景的网络及目标部署示例
17、对于室内智能工业场景,可参考现有的 InF 网络部署,设置类似厂房的方形仿真区域,在室内顶部部署如图 4 所示的多个基站。部署的目标可包括具有移动性的AGV、物料、行人,也可以包括不具有移动性的机器设备(例如图 4 中的柱体)等。部署不同类型目标的位置时应注意避免目标位置重复。2.2.2 环境重构室内环境重构一个典型的应用场景即“专网化需求”的室内工厂网络部署。相比室外环境重构,室内工厂场景散射体更加丰富,材质表面更加光滑,传播信道多径更加丰富,可能存在多次反射路径。另外,工厂场景大量的 AGV 等设备可辅助基站完成不同视角的扫描探测,提供多维度,高精度的环境重构能力,可用于支持工业数字孪生应
18、用。另一方面,对于“公众化需求”的室内商业环境重构,有效实现室内环境的高精度重构是实现室内定位导航的关键。依靠室内空间中广泛存在的通信设备,可以扫描并重构出室内环境。借助重构出的室内地图,结合目标的主被动定位信息,可以得到目标相对于客观环境的位置信息。这不仅有助于实现高精度室内导航,还可以提高通信效率,例如,即使没有通信波束测量上报的情况,也可以利用环境重构的结果来形成优化的通信波束。2.2.3 模式识别模式识别包括人的手势/姿态识别、呼吸检测等。在室内模式识别场景中,需实时检测和识别家庭和医疗场景中的人的位置、动作和姿态等信息,以实现智能家居、11IMT-2030(6G)推进组IMT-203
19、0(6G)Promotion Group健康监控、健身监测、虚拟现实和游戏等多种应用。例如,感知技术可用于智能家居,通过检测家庭成员的动作来实现家居的自动控制;或者用于健康监控,监测老年人或病人的日常活动和生命体征(如呼吸和心跳),从而及早发现健康问题并提供警报。在室内环境中,多人动作检测是一个具有挑战性的任务。个体之间体形、姿态和运动方式存在多样性,还会受到遮挡、干扰和噪声等因素的影响,需要综合运用机器学习和信号处理等领域的技术来解决这些问题。同时,还需要根据实际应用的需求和复杂性来优化多人动作检测方法,以确保其在实际场景中的准确性和可靠性。对于室内模式识别场景的网络部署,可以采用与第 2.
20、2.1 节相似的方法,即参考InF 网络部署策略。具体而言,根据不同的感知模式,包括单站感知模式和双站感知模式,选择部署 1 个或 2 个基站于室内墙壁或顶部作为感知节点,还可以将基站和终端,或者不同的终端作为双站感知节点,以支持单人或多人的模式识别,包括呼吸、心跳、姿态、动作等。综合本章的讨论,表 1 给出了用于 6G ISAC 的评估场景(测试环境)建议。表 1用于 6G ISAC 评估场景(测试环境)建议评估场景(地理环境-ISAC-用例)定义DenseUrban-ISAC-检测、定位和跟踪城市环境中的通信感知一体化评估,评估重点是检测、定位和跟踪目标,目标包括人、动物、无人机和车辆等。
21、Dense Urban-ISAC-环境重构城市环境中的通信感知一体化评估,评估重点是目标的重构和成像,目标包括建筑物、道路、车辆等。Indoor Factory-ISAC-检测、定位和跟踪室内工厂环境中的通信感知一体化评估,评估重点是检测、定位和跟踪目标,目标包括机器人、AGV、工作人员、产品和设备等。Indoor Factory-ISAC-环境重构室内工厂环境中的通信感知一体化评估,评估重点是目标的重构和成像,目标包括墙、柱、机器、机器人等。Indoor Home-ISAC-手势、姿态及呼吸检测室内环境中的通信感知一体化评估,评估重点是目标的动作及状态检测,包含呼吸,心跳,姿态等。12IMT
22、-2030(6G)推进组IMT-2030(6G)Promotion Group第三章 评估指标在通感一体化评估中,既要考虑传统通信的性能,也要考虑新增感知性能的需求。例如,在新增感知需求是,对通信资源的占用将一定程度影响通信传输速率,在一体化性能评估中需求同时对传输速率、资源占比和感知精度进行评估,获得通感一体化网络的综合评估结果。针对通感一体化技术不同的评估场景和用例,感知应用和感知目标均有所差异,使得各评估场景关注的评估指标类型也存在差异。同时,对于同一评估指标,各评估场景的需求数值也不同,例如环境重构类用例对分辨率要求较高,定位跟踪类用例对分辨率要求相对较低等。因此,面向 6G 通感一体
23、化的技术性能评估,需要针对各个评估场景综合研究通信和感知的评估指标。下面列出需重点关注的通感一体化评估指标:峰值速率:指在理想条件下可达到的最大数据速率。平均频谱效率:平均频谱效率是所有用户的总吞吐量除以特定频段的信道带宽再除以 TRxP 数量。时延:指无线网络数据从发送源开始到达接收源的时间。资源开销:在考虑不同通信和感知资源配置时的用于感知的资源占比。定位精度(包含距离、角度):目标估计位置与真实位置的接近程度。重构精度:重构结果对真实物体的复现程度,包括针对目标重构出的散射点集与真实散射点集的接近程度。速度精度:目标估计速度与真实速度的接近程度。漏检概率:实际存在目标或事件特征,却判断为
24、不存在目标或事件特征的概率。虚警概率:实际不存在目标或事件特征,却判断为有目标或事件特征的概率。分辨率:任意两个目标在距离、角度、多普勒、空间位置等维度上的可分辨差值。感知时延:从事件发生或感知行为触发,到感知结果被获取所经过的时间。结合和第二章评估场景,表 2 给出不同评估场景对指标需求的评估建议。13IMT-2030(6G)推进组IMT-2030(6G)Promotion Group表 2不同评估场景建议考虑的评估指标评估场景评估指标定位跟踪(室内、室外)环境重构(室内、室外)模式识别(室内)定位精度重构精度速度精度漏检概率虚警概率分辨率感知时延资源开销第四章 评估方法4.1 信道模型基于
25、上述章节的研究,通信感知一体化评估场景对信道模型提出了新的关键需求:感知模式:传统信道模型为双基信道,即基站与终端之间的自发他收信道。而新的感知场景需新增自发自收模式下的传播信道。因此通感一体化信道建模需要考虑单基和双基两种信道模式。目标建模:通感一体化应用场景新增对目标的定位,跟踪与识别等评估。如针对人体,车辆,楼宇等不同尺寸,不同材质的目标物体,电磁波与目标作用后的散射回波功率,相位,多普勒等信息存在较大差异,因此,在信道模型中需考虑对不同目标的电磁散射特性建模。建模方法:现有标准信道建模方法多采用随机统计性方法。该方法能简易描述典型通信场景下的信道大小尺度特征,并广泛应用于 5G 通信系
26、统仿真评估当中。然而,针对目标形状与姿态识别,环境重构与成像等应用场景,需要建模目标的确定性特征,统计信道建模方法无法满足其需求。因此,通感14IMT-2030(6G)推进组IMT-2030(6G)Promotion Group信道模型还需引入新的建模方法为通感性能评估提供更加完善的模型基础。通感信道相关性:在通感信道模型的构建当中,还需要考虑感知簇和通信簇的相关性。例如,在自发自收感知模式中,基站探测的感知回波散射体与前向散射体存在相关特征,对感知辅助通信技术评估提供物理基础。针对上述关键需求,本报告针对通信感知一体化信道模型提出以下建议:4.1.1 模型框架为了与 5G 信道模型具有更好的
27、连续性,通感一体化的信道模型可以基于 3GPP的统计性信道模型进行增强,引入确定性信道多径分量,本报告创新提出一种基于混合方法的通感一体化信道模型。该模型将感知信道分为目标信道和背景信道两部分。其中目标信道为传播环境中与目标相关联的信道多径,通过确定性方法建模。背景信道为传播环境中与目标非相关联的信道多径,通过统计性方法建模。图 5 给出混合建模方法的模型框架1,具体的:背景信道:自发他收可以由 3GPP 统计性信道模型直接生成,自发自收可以基于 3GPP 统计性信道生成方法演变生成,如,选择离感知信号发送端较近的簇,或者通过额外的测量提取模型参数。目标信道:对于感知目标的多径是采用确定型方法
28、生成。例如,在一个场景中车辆作为感知目标,车辆与收发机之前的信道多径功率,时延,角度,多普勒等信息可基于车辆的位置、朝向、速度等信息确定性计算得到,其生成方法需符合电磁传播规律。此外,模型还需要考虑目标信道和背景信道的多径功率分配特性,通过实测得到真实环境中目标多径与背景多径的功率分布,真实的反应目标多径在信道中的功率占比。15IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图 5 通感一体化混合信道模型框架(左:自发他收,右:自发自收)4.1.2 路损模型对于感知目标信道的路损模型,需要对入射波和反射波(回波)两段传播路径准确建模。每一段路损可以借鉴 3G
29、PP 路损模型,引入雷达散射截面积特性,共同构成感知目标信道的路损模型,如下所示2:212121010,+10log10log4sRCSPLd dPL dPL d(1)其中,1PL d和2PL d可以采用现有 3GPP 中定义的路径损耗公式进行计算,表示感知信号波长,单位为米(m),RCS表示感知目标的雷达散射截面积,单位为平方米(m2)。这个表达式适用于雷达散射截面积与角度无关的情况。如果需要更准确地建模感知目标的散射特征,需通过确定性的多径叠加体现。16IMT-2030(6G)推进组IMT-2030(6G)Promotion Group4.1.3 小尺度多径模型图 6 通感一体化信道的建模
30、流程如前所述,目标相关分量由发射机-感知目标和感知目标-接收机两段组成,在级联时考虑感知目标的特性对目标相关分量的影响。生成目标相关分量时,首先分别生成发射机-感知目标和感知目标-接收机两段的大小尺度信道参数,并结合目标 RCS电磁散射特征,最后将两段级联,构成感知信道的目标相关分量。背景信道生成步骤可参考现有标准信道生成方法,此处不再赘述。以 3GPPTR 38.9013标准模型多径生成步骤为基础,重点对感知信道相关部分进行修正4:环境部署:除收发机的位置、天线等信息进行预定义外,还需要部署环境中目标的相关信息,包括其位置、运动模式等。时延生成:背景信道采用统计方法生成多径时延为相对时延,目
31、标信道传统通信信道,生成由于感知信道是由不同长度的链路级联并由不同分量相加组成,需要采用径簇的绝对时延来描述各段间的长度关系。角度生成:感知信道需要建立发射机至目标,目标到接收机两端多径信道。将两段的簇按所有可能的组合配对,包括 LOS-LOS,LOS-NLOS,NLOS-LOS,和 NLOS-NLOS。计算目标在每个子径对应的入射角和散射角下的散射场。为了简单起见,可以假设两段的簇内子径数量相同,只考虑两段之间的簇的组合,而簇内子径一一级联;可以预定义级联后的簇的功率阈值,删除功率17IMT-2030(6G)推进组IMT-2030(6G)Promotion Group较低的簇,以降低计算的复
32、杂性。多普勒生成:相比通信信道,感知信道需考虑微动多普勒对信道的影响。因此,在模式建模中,特别是感知需求不是速度,而是运动模式或规律时,速度相关的相位需要采用准确的运动模型。既将除速度带来的相位变化外,引入运动模式因子,建模相位随时间的规律变化。单基模式参数化:单基感知场景下,收发机在相同的位置,这与传统自发他收的通信链路参数化模型存在差异。在信道生成步骤中,可参考 38.901 的基线生成方法,通过实际测量对典型场景的自发自收信道进行参数化建模,得到相应的模型参数。4.1.4 目标散射特性建模感知目标的散射特性建模是通感一体化信道模型中关键的一步。基于雷达散射理论,目标总散射响应可看成若干局
33、部等效散射源响应的相干叠加,这些等效散射源称为目标的散射中心5。为了表达目标散射中心,目前已发展了一系列参数化的形式6,它们具有简洁、稀疏、机理相关等优点,在雷达目标的数据压缩、信号仿真、超分辨成像、特征控制和目标识别等领域已获得广泛应用。散射中心参数化模型描述散射中心的频率、视向角、极化等参数的依赖行为。最简单的散射中心模型为理想点散射中心模型,它将散射中心的幅度与位置视为常数,即不随频率和视向角变化7。而扩展的多散射中心利用多个散射点抽象描述目标电磁散射特征,能更加准确的还原感知目标的形状,图像等信息。几何绕射理论(Geometrical Theory of Diffraction,GTD
34、)的提出使得多散射中心模型在雷达探测领域得到的广泛的应用。GTD 模型建立目标散射场与频率依赖关系,随后,极化 GTD 模型、多项式 GTD 模型、属性散射中心(AttributedScattering Center,ASC)模型等。它们均继承了 GTD 模型的频率依赖关系,并进一步扩展了对角度相关性和极化相关性的建模。另一方面,多散射中心的数目一定程度上影响模型复杂度和准确度,提出了一种基于 GTD 的扩展模型,相比 GTD 模型利用更少的散射体数量准确建模目标电磁特征8。表 3 简要对比了单散射中心与多散射中心模型对目标电磁特征的建模差异。表 3感知目标建模方法对比模型单散射中心多散射中心
35、18IMT-2030(6G)推进组IMT-2030(6G)Promotion Group特征描述目标 RCS 设为固定值根据每个散射中心的结构,频段,入射角度,极化等参数计算其对应的 RCS准确性低高复杂度低中RCS 与频率,角度,极化依赖关系无有针对通信感知一体化评估场景及不同的感知目标,需首先对感知目标进行特征归类,如室外定位跟踪场景主要目标为人,车。而环境重构场景典型感知目标为楼宇。因此,在感知信道模型中,感知目标重点考虑以下四类:UAV,人,车辆,楼宇。考虑到实际场景需求和仿真复杂度,对部分场景的目标散射特征建模进行简化,如室外UAV 探测时,UAV 的尺寸较小,距离基站距离较远,可将
36、多散射中心模型退化为理想单点散射中心模型。另外,针对不同大小目标,多散射中心的散射点数目也有所不同。例如,楼宇墙面的散射点明显大于车辆的散射点。进一步的,针对模式识别类应用,还需考虑同一目标不同散射点的多普勒差异。例如,在人体行走时,双手多普勒与躯干多普勒存在明显差异,这对人体姿态识别起着至关重要的作用。基于以上讨论,表 4 给出了典型评估场景中不同目标多散射中心建模建议。表 4不同评估场景下的多散射中心模型评估场景感知目标分类多散射中心模型室外定位与跟踪UAV单点车辆多点(3-5)环境重构建筑物多点(5)室内定位与跟踪人,AGV多点(3-5)环境重构墙面多点(5)模式识别人多点(3-5)19
37、IMT-2030(6G)推进组IMT-2030(6G)Promotion Group4.1.5 通信信道与感知信道相关性在自发自收感知模式下,单基感知信道与双基通信信道多径存在一定的空间相关性,这对感知辅助通信技术研究至关重要。一种可行的方案,基于多径数目和能量建立通感信道转移概率,实现多径簇从通信信道至感知信道的生灭过程。其中,ISAC信道的簇生灭过程定义为:反散射体的簇从通信信道域变化到感知信道域时,其存在概率随空间位置的变化,该存在概率称为通感一体化信道转移概率,幸存的簇继承原有的簇位置,进而建模通信信道和感知信道之间的相关性。结合实测数据,可以进一步拟合出通感信道转移概率模型9。4.2
38、 场景评估方法对于通信感知一体化关键技术的评估,需同时仿真评估网络通信性能和感知性能,在以往传统通信系统仿真评估中,从系统级和链路级方面分别评价通信网络和通信链路的性能。在此基础上,在满足通信功能性能需求的基础上,评估感知功能的性能。因此,在评估中,需要明确给出通信和感知的资源复用方式、资源占比等相关可以表征通信和感知关系的性能度量。与通信指标的评估方法类似,ISAC 指标的评估方法主要包括系统级仿真(System-level simulation,SLS)和链路级仿真(Link-level Simulation,LLS),仿真中的具体流程要针对感知特定的需求进行适配。链路仿真主要评估面向感知
39、的物理层信号设计、信号处理算法(如参数估计、感知算法等)在给定网络参数下的性能,通常具有小规模的网络配置(例如单对的 Tx/Rx)。系统仿真则具备更大的网络规模(如 21或 57 扇区),可建模评估感知业务模型、感知资源调度和小区间动态干扰包括通信与感知之间的干扰)等因素对指标性能的影响。系统仿真中的信号处理环节通常从链路仿真中抽象出来,并导入到系统仿真中,称为物理层抽象。系统级仿真可进一步分为“全系统仿真(Full-SLS)”和“准系统仿真(Semi-SLS)”。Full-SLS 的典型示例是传统的通信性能系统级仿真,面向 ISAC 仿真时,需进一步完善流程设计及信道模型,仿真中体现出目标的
40、位置、存在状态、通信与感知信道的相关性、多节点的联合感知等特征和过程。Semi-SLS 简化了多次信道生成、多时隙的仿真过程,折中出的计算能力可用于运行较为复杂的信号处理过程,例如重构算法等。Semi-SLS 的一个例子是 5G 中 UE 的定位性能评估。20IMT-2030(6G)推进组IMT-2030(6G)Promotion Group4.2.1 系统级仿真评估流程通感一体化系统级仿真(包括 Full-SLS 和 Semi-SLS)可以用一个统一的流程描述,如图 7 的 Full-SLS 流程所示,Semi-SLS 可在此基础上进行简化。图 7 系统级评估流程图(以 Full-SLS 为
41、例)通感一体化系统级评估流程主要包括以下几个步骤:步骤 1:仿真参数配置。设置站点(基站或 UE)的参数配置,包括天线、频点、带宽、发送功率等。步骤 2:根据评估场景部署网络,生成小区拓扑。不同场景的网络部署和小区拓扑可能是不同的,例如 UMi 场景是蜂窝状拓扑,Indoor 场景是网格状拓扑等。这个步骤包括部署基站的位置、UE 的初始位置、UE 的移动模型等。步骤 3:根据评估场景,设置感知目标的特征和感知模式。感知目标的特征包括感知目标的初始位置,移动模型或运动模型,感知目标的散射模型(RCS 特征)、形状模型等并配置该场景下的感知模式(单基、双基、多基或混合模式等)。步骤 4:生成各网络
42、节点之间的信道,包括基站和 UE 之间的初始通信信21IMT-2030(6G)推进组IMT-2030(6G)Promotion Group道、感知发送端和感知接收端的初始感知信道、其他发送段和感知接收端之间的干扰信道等,包括单基地(mono-static)、双/多基地(bi-static)的感知和干扰信道。步骤 5:当前时隙,根据业务模型(traffic model)进行收发端资源配置和调度,进行通信和感知信号的发送。步骤 6:根据目标移动状态、目标的存在状态进行各个发射机与接收机间的信道更新,通信信号和感知信号经过信道。在 Semi-SLS 中,若目标处于静止或慢变状态(例如评估环境重构场景
43、)且仿真时隙数较少时,通常只在步骤 3 中生成当前仿真所需的信道,仿真过程中不再更新信道。步骤 7:作为接收机的 UE 或基站进行通信特征的计算,感知接收端进行感知特征的计算,包括对目标关联径的时延、到达角、多普勒等测量参数的估计,以及检测、定位、重构等感知算法的运算。步骤 8:若仿真未结束,返回步骤 5。若仿真结束,统计待评估通信和感知 KPI。在 Semi-SLS 中,若不进行多个时隙的重复仿真,则步骤 8 中统计待评估的通信和感知 KPI,不返回步骤 5。4.2.2 链路级仿真评估流程ISAC 链路级仿真流程如图 8 示:图 8 链路级感知的流程图步骤 1:仿真参数配置:与系统仿真相比,
44、链路仿真通常中只包含一个或几个站点,因此一般不需要部署网络。链路级的通信评估通常是对基站和 UE22IMT-2030(6G)推进组IMT-2030(6G)Promotion Group之间的链路或者 UE 和 UE 之间的链路性能进行评估,仿真中设置通信发送端和通信接收端。而在链路级感知的评估中,由于感知存在单站模式和双站模式,而且站点存在基站和 UE 两种属性。因此,在链路级仿真中也是需要对感知模式进行设置。步骤 2:基于目标特征生成感知通道:根据每个目标特征的预定义信道特征生成感知信道。步骤 3:信号接收、感知参数估计、感知算法运行:在 LLS 中,通常需要观察不同信噪比下的性能。因此,在
45、本步中,可在接收到的信号上添加具有一定功率的噪声,产生含噪声的接收信号。运行感知算法,估计感知参数,获得感知结果,例如获得目标的特征。步骤 4:指标统计:统计待评估的 KPI。4.2.3 评估场景和仿真方法映射检测检测定位跟踪类定位跟踪类定位跟踪类的感知应用主要是针对无源的目标(即被感知物体不参与到感知流程),一种目标检测方法是依赖于目标的移动,即利用多普勒信息来检测;也可能通过目标的外形重构来检测目标。检测定位感知类业务主要用于室外智能交通或室内智能工业场景中的侵入者检测、车辆/机器人定位跟踪等用例,重点评估被感知目标的检测/虚警概率、定位精度、速度精度等指标,以及资源开销、感知时延等。感知
46、目标以车辆、人员、UAV 三种常见目标为例,需要对这些感知目标出现、消失和移动在不同场景下进行建模。例如在智慧交通场景下,车辆 100%部署在道路区域,行人/动物 80%部署在路肩区域(慢行道)、1%部署在道路区域(作为侵入者)、19%部署在其他区域。对于检测、定位和跟踪用例对应的测试环境,考虑到需对目标的出现、消失及运动建模,以及检测、定位算法的复杂度相对较低,建议优先采用 Full-SLS 进行评估。环境重构类环境重构类这类应用是对感知设备周围环境中的目标进行外形等特征的提取,比如建筑物的重构、物体成像等。环境重构类用例主要包括智能交通或智能工业场景中的环境重构,重点评估目标的重构/成像精
47、度、定位精度等指标。在仿真评估中,接收机运行参数23IMT-2030(6G)推进组IMT-2030(6G)Promotion Group估计算法或通过物理层抽象获取有误差的待估径参数,如时延、到达角(AOA)、多普勒等。使用物理层抽象将有助于仿真开销的减少。通过单站或多站联合,运行目标检测、定位、测速算法,得到当前时隙中被感知目标的检测结果、目标位置、目标速度。若感知算法需要结合多个时隙的感知结果,则记录当前时隙各径参数的测量值。仿真中通过检测并定位散射体或散射点,使用重构或成像算法将多个散射点组合成目标。对于环境重构用例对应的测试环境,考虑到感兴趣目标多为静止或低速运动,且环境重构算法的复杂
48、度相对较高,建议优先采用 Semi-SLS 进行评估,若需要与通信过程共同仿真时则考虑 Full-SLS。模式识别类模式识别类这类应用主要是针对人的局部运动变化进行分析和特征提取,比如呼吸监测、运动检测等。这类感知应用通常是在近距离分析运动目标的微多普勒信息。动作检测类感知以较近距离感知为主。因此,对于随机撒点方式生成的感知节点和感知目标,需要一个感知节点选择的过程,即选择测量距离或者信号接收能量满足要求的感知节点进行感知。考虑到动作检测类的应用多在室内,因此,在场景选择上优先考虑室内场景。动作检测类的应用通常是期待获得运动轨迹信息,例如,手势轨迹,或者运动轨迹的特征信息,例如,呼吸频次,因此
49、,运动轨迹需要在信道模型中体现。对于一些动作检测,例如手势识别,运动轨迹千变万化。在仿真评估中,可以考虑通过设置有限的典型的运动轨迹,例如,直线运动,折返运动,圆圈运动等,简化验证场景的复杂度。对于另外一些动作检测,例如呼吸监测,运动模式单一,在仿真评估中,可以通过近似的数学函数,例如正弦曲线运动来模拟。动作检测类指标主要关注检测正确性,通常通过漏检率,虚警率指标来表征感知节点的检测结果与实际运动轨迹/规律之间的误差。对于运动规律的监测,检测结果可以进一步具体到特定参数,例如动作频次等。动作检测类仿真中运行的算法可能更为复杂,建议优先采用链路仿真评估,当需要评估干扰等影响时可也考虑 Semi-
50、SLS。综上所述,ISAC 仿真场景和评估方法的映射关系如表 5 所示。24IMT-2030(6G)推进组IMT-2030(6G)Promotion Group表 5 各测试环境对应的评估方法及关键要素测试环境测试环境评估方法及关键要素评估方法及关键要素检测定位跟踪类建议评估方法:Full/Semi-SLS关键要素:部署在网络的覆盖范围中的一个目标可以用一个点或一个点集表示。在仿真中需对目标的出现、消失及运动进行建模。环境重构类建议评估方法:Semi/Full-SLS关键要素:对于环境重构类,需要考虑如何用多个散射点表示一个目标,以及每个散射点关联的 RCS值。必要时可导入数字地图以在仿真环境
51、中部署散射体。仿真中通过检测并定位散射体或散射点,使用重构或成像算法将多个散射点组合成目标。模式识别类建议评估方法:LLS/Semi-SLS关键要素:仿真中需根据不同的动作构建信道,并运行动作检测算法,获得识别结果。25IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第五章 总结与展望通信感知一体化已被 ITU-R 确认为 6G 三个新的应用场景之一,是未来 6G 网络实现物理世界与数字世界的融合的重要技术。通感一体化研究涉及多个方面,包括场景、性能指标设定、关键技术研究、性能评估、标准化、产业推动和商业部署运营等,本研究报告主要聚焦通感一体化场景、指标、信
52、道模型、评估方法几部分内容进行了广泛的讨论并给出研究建议。本研究报告首先对通信感知一体化众多应用场景进行了初步筛选,给出IMT-2030 主要的室外和室内的通感评估场景和相应评估指标,主要聚焦室内室外定位跟踪、环境重构、以及室内模式识别等。本报告还给出通感一体系统的信道建模方法,包括路损建模、小尺度建模、目标散射特性建模、通信与感知信道相关性建模。随后介绍了通感一体化的系统级、链路级仿真方法,以及评估场景和仿真的映射方法。本研究报告给出的场景指标、性能评估方法是综合当前产业界的需求、研究观点、工作组提案讨论所得出,旨在为通感一体的技术研究、设备的研发试验提供建议。目前这方面的研究还处于不断更新
53、、迭代中,我们希望学术界和产业界更多伙伴能积极参与到通感场景评估指标与仿真研究中来,从而不断丰富和完善通感用例的评估与技术研究工作。另一方面,通感评估方法为关键技术研究提供指标及性能评估指导建议,促进在学术界和产业界达成共识,为后续通感一体化关键技术性能评估、及标准制定奠定基础。未来,随着产学研三方面的不断推进,通信感知一体化工作将结合重点评估场景,指标及方法,针对空口波形,协同感知,信号处理,感知辅助通信,原型系统等各项关键技术开展更加深入的研究讨论和技术验证,持续推动通信感知一体化技术从理论逐步走向实践,使能数字孪生,服务千行百业。26IMT-2030(6G)推进组IMT-2030(6G)
54、Promotion Group参考文献1Y.Chen,Z.Yu,J.He,and et al.,“A Scatterer-Based Hybrid Channel Model for IntegratedSensing and Communications(ISAC)”,in Proc.of IEEE International Symposium onPersonal,Indoor and Mobile Radio Communications(PIMRC),20232J.Lou,R.Liu,C.Jiang,et al.A Unified Channel Model for Both Com
55、munication andSensing in Integrated Sensing and Communication SystemsC,2023 IEEE 98th VehicularTechnology Conference(VTC2023-Fall).IEEE,2023.33GPPTR 38.901Study on channel model for frequencies from 0.5 to 100 GHz4W.Yang et al.,“ISAC channel measurements and modeling methodology”,IEEE GCWkshps,2023,
56、accepted5KELLER J B.Geometrical theory of diffractionJ.Journal of the Optical Society ofAmerica,1962,52(2):116130.doi:10.1364/JOSA.52.0001166CARRIRE R and MOSES R L.High-resolution parametric modeling of canonical radarscatterers with application to radar target identificationC.The IEEE 1991 Interna
57、tionalConferenceonSystemsEngineering,Dayton,USA,1991.doi:10.1109/ICSYSE.1991.161070.7YAN Hua,ZHANG Lei,LU Jinwen,et al.Frequency-dependent factor expression of GTDscattering center model for the arbitrary multiple scattering mechanismJ.Journal ofRadars,2021,10(3):370381.doi:10.12000/JR210058Yi Chen,
58、Ziming Yu,and et al.,Multi-Scattering Centers Extraction and Modeling forISAC Channel Modeling,submitted to 2024 18th European Conference on Antennas andPropagation(EuCAP),2024.9Z.Zhang et al.,A General Channel Model for Integrated Sensing and CommunicationScenarios,in IEEE Communications Magazine,v
59、ol.61,no.5,pp.68-74,May 2023,doi:10.1109/MCOM.001.2200420.贡献单位序号主要贡献单位1华为技术有限公司2中国信息通信研究院3中国移动通信有限公司研究院4中信科移动通信技术股份有限公司5西安电子科技大学6中国联通研究院27IMT-2030(6G)推进组IMT-2030(6G)Promotion Group7中国电信股份有限公司研究院8中兴通讯股份有限公司9OPPO 广东移动通信有限公司10维沃移动通信有限公司11上海诺基亚贝尔股份有限公司12紫光展锐科技有限公司13北京邮电大学14北京理工大学15浙江大学16上海交通大学17清华大学18北京大学19东南大学20厦门大学联系方式邮箱:COPYRIGHT2023 IMT-2030(6G)PROMOTION GROUP.ALL RIGHTS RESERVED.