[论文解读] Towards ISAC-Empowered Vehicular Networks: Framework, Advances, and Opportunities

Zhen Du, Fan Liu+6 more|arXiv (Cornell University)|May 1, 2023

Vehicular Ad Hoc Networks (VANETs)被引用 11

一句话总结

本论文综述了ISAC使能的V2I车联网，提出一个通用框架，回顾进展，并给出基于5G NR的感知辅助波束跟踪案例研究，同时概述了开放挑战和未来机遇。

ABSTRACT

Connected and autonomous vehicle (CAV) networks face several challenges, such as low throughput, high latency, and poor localization accuracy. These challenges severely impede the implementation of CAV networks for immersive metaverse applications and driving safety in future 6G wireless networks. To alleviate these issues, integrated sensing and communications (ISAC) is envisioned as a game-changing technology for future CAV networks. This article presents a comprehensive overview on the application of ISAC techniques in vehicle-to-infrastructure (V2I) networks. We cover the general system framework, representative advances, and a detailed case study on using the 5G New Radio (NR) waveform for sensing-assisted communications in V2I networks. Finally, we highlight open problems and opportunities in the field.

研究动机与目标

• 动机：将ISAC作为解决CAV网络的吞吐量低、时延高以及定位挑战与元宇宙需求的方案。
• 为ISAC使能的V2I网络提供一个全面的系统框架，包括发射波形、S&C通道与接收端处理。
• 回顾高机动性车辆场景下波束管理与感知辅助通信的代表性进展。
• 展示一个使用5G NR波形的案例研究，以说明感知辅助波束管理。
• 识别尚未解决的问题和机会，以引导ISAC在车载网络中的未来研究。

提出的方法

• 描述一个通用的ISAC使能V2I系统架构，在MMWave RSU处具备协同的ISAC发射机和感知接收机。
• 讨论ISAC发射波形（OFDM和OTFS）及其在mmWave带宽上的感知与通信权衡。
• 表征mmWave带宽下的S&C通道及mmWave mMIMO在ISAC性能中的作用。
• 给出感知接收算法（卡尔曼滤波与贝叶斯滤波），用于预测性波束成形与跟踪。
• 提出一个使用QoS指标（检测、CRB、PCRB）和对功率/带宽分配的凸优化方法的ISAC资源分配视角。
• 解释在动态/窄波束方案（ISAC-DB、ISAC-AB）和帧级优化下对目标类型（点目标 vs 扩展目标）的处理。
• 提供一个基于5G NR的案例研究，展示ISAC如何在V2I波束跟踪中降低开销并提高吞吐量。

实验结果

研究问题

• RQ1 ISAC如何构建以满足元宇宙驱动的V2I网络的QoS需求（吞吐量、时延、定位精度）？
• RQ2 在高机动V2I场景中，哪种ISAC波形与帧设计能优化联合感知与通信性能？
• RQ3 感知如何辅助波束管理，以在基于5G NR的V2I链路中降低开销并提高可靠性？
• RQ4 如何在ISAC波束跟踪中处理扩展车辆目标和复杂路段几何？
• RQ5 实现部署中尚存的开放挑战有哪些，哪些研究方向可以解决它们？

主要发现

• ISAC通过共享射频资源并实现感知与通信之间的互相协作，带来集成与协同收益。
• 一个基于5G NR的案例研究表明，感知辅助波束跟踪可以降低开销并相对于传统仅NR的波束管理提升吞吐量。
• 对于高机动性，OFDM与OTFS在ISAC中提供不同的优势，OTFS在感知的时/多普勒域可能具有潜在优势。
• 动态和混合波束管理方案（ISAC-DB与ISAC-AB）能够更好地揭示扩展车辆并在快速变化的信道中提升通信可靠性。
• 一个使用感知QoS指标（检测、CRB、PCRB）和通信QoS（总和速率）的统一资源分配框架，使得S&C任务之间的权衡可调。
• 综述指出若干开放问题，包括高机动多普勒/ICI挑战、驾驶行为认知、NLoS混沌管理、多扩展目标关联以及复杂路网几何等。