[论文解读] Integrated Sensing and Communication with Multi-Domain Cooperation
本文提出一种集成感知与通信(ISAC)系统,通过在sub-6 GHz、毫米波(mmWave)和Wi-Fi频段之间实现多域协作,以提升感知精度并增强通信效率。通过结合主动感知、被动感知与交互式感知,并实现跨层协调,该系统降低了波束训练开销,并借助共享的无线特征图与智能反射表面(RIS)提升了定位性能。
With the continuous increase of the spectrum and antennas, endogenous sensing is now possible in the fifth generation and future wireless communication systems. However, sensing is a highly complex task for a heterogeneous communication network with massive connections. Seeking multi-domain cooperation is necessary. In this article, we present an integrated sensing and communication (ISAC) system that performs active, passive, and interactive sensing in different stages of communication through hardware and software. We also propose different methods about how multi-user and multi-frequency band cooperate to further enhance the ISAC system's performance. Finally, we elaborate on the advantages of multi-domain cooperation from the physical layer to the network layer for the ISAC system.
研究动机与目标
- 解决在密集连接的海量异构无线网络中高复杂度感知的挑战。
- 实现跨多个频段和网络域的感知与通信功能无缝集成。
- 通过利用sub-6 GHz和基于Wi-Fi的被动感知及无线特征映射,降低毫米波系统中的波束训练开销。
- 通过跨域数据融合与协作感知,提升定位精度与系统鲁棒性。
- 开发一种可扩展的、注重隐私的框架,用于在异构网络间共享无线特征图。
提出的方法
- 在毫米波频段通过波束扫描实现主动感知,在sub-6 GHz和Wi-Fi频段通过信道探测实现被动感知。
- 利用同时定位与地图构建(SLAM)技术,随时间累积无线特征测量值以实现环境建图。
- 利用来自sub-6 GHz信号的到达角(AOA)、出发角(AOD)和飞行时间(TOA)统计量,构建可行的虚拟天线(VA)区域,以指导毫米波波束训练。
- 采用共址或分布式部署架构,使sub-6 GHz接入点(APs)能够共享并融合来自毫米波收发器的本地无线特征图。
- 利用无线前传链路在毫米波与sub-6 GHz AP之间交换选定的无线特征,以最小化回传开销。
- 集成可重构智能表面(RIS)与人工智能(AI),以增强感知覆盖范围、定位性能与系统鲁棒性。
实验结果
研究问题
- RQ1如何通过sub-6 GHz、毫米波与Wi-Fi网络之间的多域协作,提升感知精度并降低通信开销?
- RQ2在sub-6 GHz与Wi-Fi频段中的被动感知在支持毫米波系统初始接入与波束训练中起到何种作用?
- RQ3如何高效地在异构网络间共享与融合无线特征图,以实现快速而精确的定位?
- RQ4RIS与AI在复杂传播环境中如何提升ISAC系统的性能?
- RQ5通过无线前传与回传链路共享无线特征图,其隐私影响是什么?
主要发现
- 基于sub-6 GHz的被动感知可构建可行的虚拟天线(VA)区域,显著降低毫米波波束训练开销。
- 共址部署下,sub-6 GHz AP能够从簇集多径中提取AOA、AOD与TOA统计量,以估计毫米波波束对准的VA区域。
- 分布式部署下,毫米波收发器可将本地无线特征图上传至sub-6 GHz AP,后者生成全网范围的全局地图以供使用。
- 通过仅下载与终端位置相关的选定无线特征,可在地图交换过程中最小化无线前传开销。
- 通过将GPS获取的位置与下载的无线特征图匹配,可加速终端初始接入,实现快速毫米波连接。
- RIS与AI的集成可实现感知覆盖范围扩展、非视 Line-of-Sight(NLOS)通信支持,以及在动态环境中的系统鲁棒性提升。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。