面向多目标检测与跟踪的无蜂窝大规模MIMO通信感知一体化可扩展框架研究

《IEEE Transactions on Communications》：Scalable Integrated Sensing and Communications for Multi-Target Detection and Tracking in Cell-Free Massive MIMO: A Unified Framework

本文针对6G无线网络中通信与感知功能融合的需求，研究了无蜂窝大规模多输入多输出（CF-mMIMO）系统中集成感知与通信（ISAC）的可扩展性问题。作者提出了一种统一框架，能够同时检测潜在目标并跟踪已识别目标，开发了基于广义似然比检验（GLRT）的信号处理算法，并设计了可扩展的接入点-用户/目标关联规则与功率控制机制。通过数值仿真验证了所提框架在通信与感知性能、目标间干扰影响以及通信-感知权衡方面的有效性，为大规模ISAC网络部署提供了理论基础与技术支撑。

　　

随着第六代移动通信系统（6G）研究帷幕的徐徐拉开，无线网络正朝着超越传统通信功能的边界迈进。集成感知与通信（ISAC）作为一种新兴范式，旨在利用相同的无线信号、硬件平台和频谱资源，同时实现数据传递和环境感知两大功能。这为自动驾驶、智慧城市、工业自动化等前沿应用铺平了道路。然而，将感知功能大规模集成到现有通信基础设施中，面临着严峻的挑战。传统的蜂窝网络架构存在覆盖不均、干扰管理复杂等问题，难以满足ISAC对高精度、广覆盖感知的需求。

在此背景下，无蜂窝大规模多输入多输出（CF-mMIMO）架构展现出巨大潜力。它通过大量分布式部署的接入点（AP）协同工作，为用户提供无缝连接，显著改善了网络覆盖和性能均匀性。但将ISAC功能融入CF-mMIMO系统，特别是当需要同时检测和跟踪多个目标时，引发了关于系统可扩展性的新问题。随着网络规模扩大，如何确保每个AP的处理复杂度、前传链路需求以及功率分配的计算开销不会无限增长，成为制约其实际部署的关键瓶颈。此外，现有研究多集中于单目标场景，缺乏对多目标检测与跟踪的统一处理框架，也未能充分探讨目标间干扰对系统性能的影响。

为了应对这些挑战，Sergi Liesegang、Stefano Buzzi和Carmen D'Andrea在《IEEE Transactions on Communications》上发表了他们的研究成果。他们致力于开发一个可扩展的ISAC-enabled CF-mMIMO统一框架，以支持在多目标环境下的高效通信与感知。

研究人员开展了一项系统性研究，旨在构建一个能够同时支持通信和多目标感知功能的可扩展CF-mMIMO系统框架。他们首先定义了一个适用于ISAC任务的CF-mMIMO可扩展性概念，即当AP数量、用户设备（UE）数量和同时检测/跟踪的目标数量无界增长时，每个AP所需的信道估计、收发信号处理复杂度以及前传链路速率仍需保持有限。基于此，他们提出了用户中心化的通信关联和目标中心化的感知关联规则，确保每个UE和目标仅由有限个邻近的AP服务或监测。

在信号模型方面，研究考虑了下行传输阶段，AP同时发送通信信号和用于感知（检测或跟踪）的探测信号。对于感知任务，采用了多静态感知方法，将AP划分为发射AP和接收AP，以避免全双工要求。接收AP负责收集目标反射的回波信号。针对多目标环境下的信号检测与跟踪问题，研究采用了广义似然比检验（GLRT）技术来设计检测器，该检测器能够处理未知的目标反射系数以及来自其他目标和环境的干扰（包括杂波）。

在功率控制方面，作者提出了两种方案。其一是可扩展的广义分数功率分配（FPC）机制，它扩展了传统仅用于通信的分数功率控制原则，允许通过参数（κ_c, κ_s）灵活调整分配给通信和感知任务的功率比例。其二是作为性能基准的非可扩展优化方案，该方案旨在满足感知服务质量（QoS）约束下最大化最低用户数据速率，并通过连续凸近似（SCA）技术求解这一非凸优化问题。

研究通过大量的数值仿真验证了所提框架和算法的性能。仿真场景设定在一个0.5 km2的部署区域，包含多个随机部署的用户和目标。性能评估主要围绕通信性能（用户数据速率）和感知性能（信号与干扰加杂波噪声比-SICNR，以及检测概率）展开。

为了开展研究，作者主要应用了以下几个关键技术方法：构建了无蜂窝大规模MIMO下集成感知与通信的统一系统模型与信号处理流程；设计了基于广义似然比检验（GLRT）的多目标检测与跟踪算法，以处理未知目标响应和干扰；提出了用户中心和目标中心的可扩展关联规则，以实现AP与用户/目标的动态匹配；开发了可扩展的广义分数功率控制（FPC）机制和基于连续凸近似（SCA）的非可扩展功率优化算法，以平衡通信与感知的资源分配。仿真分析基于随机几何生成的网络拓扑和信道条件进行。

系统模型与可扩展框架

研究首先明确了适用于ISAC的CF-mMIMO可扩展性定义，并据此设计了用户中心化的通信关联（每个UE由一组AP服务）和目标中心化的感知关联（每个待检测/跟踪的位置由一组发射和接收AP负责）。系统模型涵盖了上行信道估计、下行数据传输与感知信号发射。感知任务分为检测（扫描潜在目标）和跟踪（监测已识别目标）两个阶段，并考虑了多区域同时感知的场景。

通信性能：可达数据速率

通过使用-然后-忘记（use-and-then-forget）边界方法，推导了下行链路在非理想信道状态信息（CSI）条件下的可达数据速率闭合表达式。该表达式考虑了信道估计误差、用户间干扰以及感知信号对通信造成的干扰。分析表明，采用最大比传输（MRT）预编码时，信干噪比（SINR）和速率性能与AP关联集合、功率分配系数以及信道统计特性密切相关。

感知性能：GLRT处理与SICNR

针对单目标和多目标场景，分别推导了基于GLRT的检测与跟踪算法。对于多目标情况，算法考虑了来自其他目标的干扰信号，从而将感知性能度量从信杂噪比（SCNR）推广至信号与干扰加杂波噪声比（SICNR）。理论分析提供了SICNR的表达式，它量化了目标回波功率与其他目标干扰、AP间链路杂波以及噪声总功率的比值。

功率控制规则

研究提出了两种功率控制策略。可扩展的广义FPC策略允许通过参数κ_c和κ_s调整功率在通信用户和感知目标间的分配倾向（例如，κ=1为比例功率控制，优先信道质量好的链路；κ=0为均匀功率控制；κ=-1则有助于改善弱链路性能）。非可扩展的优化策略则通过求解一个以最大化最低用户速率为目标、以感知SIR（信干比）为约束的优化问题来获得功率分配系数，并使用SCA算法进行求解。

数值结果与分析

仿真结果验证了所提框架的有效性。在单目标检测方面，结果显示ISAC功能显著提升了检测概率，尤其是在杂波（?）影响较大的环境下。感知性能（SCNR）随目标雷达截面积（RCS）方差（σ_α²）增大而改善，但随着杂波功率因子（?）增大而恶化。用户-目标中心化（UTC）架构在通信速率和感知SCNR方面均优于非可扩展或其他部分可扩展架构（如纯用户中心UC或纯目标中心TC）。广义FPC策略中，参数选择（κ_c=0, κ_s=1）能在保证用户公平性的同时，获得较好的感知性能。

在多目标跟踪方面，研究揭示了目标间干扰的显著影响。SICNR随着σ_α²的增加而改善，但改善幅度在高干扰环境下会减弱。与非可扩展的优化功率控制（OPC）基准相比，可扩展的FPC策略虽然性能略有差距，但计算复杂度大大降低，更适用于大规模网络。研究还特别考察了目标分辨能力，发现当两个目标间距大于一定门限（约50米，与天线阵列孔径和波长相关的角分辨率一致）时，系统能够有效区分目标。增加接收AP数量（M^rx）和AP天线数（N）可以改善近距离目标的分辨能力。

本研究成功构建了一个用于无蜂窝大规模MIMO系统的集成感知与通信统一可扩展框架。该框架的核心贡献在于首次将可扩展性概念系统地引入到ISAC-enabled CF-mMIMO网络中，并针对多目标检测与跟踪这一复杂场景，提出了完整的信号模型、处理算法和资源分配机制。

研究所提出的GLRT-based检测与跟踪算法，能够有效处理未知目标反射系数以及多目标环境下的干扰，为实际系统中的鲁棒感知提供了理论基础。所设计的用户和目标中心化关联规则，以及可扩展的广义分数功率控制策略，确保了系统在规模扩大时仍能保持可行的复杂度，这对于未来6G网络的大规模部署至关重要。

数值结果充分验证了框架的有效性，并揭示了几个关键洞察：首先，通信与感知性能之间存在固有的权衡关系，需要根据应用需求进行精细的功率分配。其次，在多目标场景下，目标间干扰是限制感知性能的主要因素，尤其是在跟踪阶段。最后，通过利用CF-mMIMO固有的空间分集特性（如多个接收AP），可以显著提升系统的目标分辨能力和整体感知性能。

这项工作为未来无线网络深度融合通信与感知功能奠定了重要的理论和技术基础。其所倡导的可扩展设计理念、统一的处理框架以及对实际挑战（如干扰、杂波）的考量，对推动ISAC从理论走向实际应用具有重要的指导意义。未来的研究方向可以包括探索更先进的波束成形与干扰消除技术、研究动态AP角色分配策略、分析同步误差的影响，以及将框架扩展到更复杂的信道模型和移动性场景中。