|
写在前面：本期推送是IEEE JSAC通感一体专题计划的第九篇，介绍近期在IEEE JSAC发表的论文“Integrating Low-Complexity and Flexible Sensing into Communication Systems”。该文提出了一种灵活的基于多载波通信信号的雷达感知方法。该方法可突破通信系统参数对雷达感知的性能限制。另外，该方法引入一些可控参数，进一步提高了雷达感知的灵活性。 K. Wu（吴凯）① J. Andrew Zhang① X. Huang① Y. Jay Guo① ①(悉尼科技大学，全球大数据技术中心) Citation: K. Wu, J. Andrew Zhang, X. Huang and Y. Jay Guo,'Integrating Low-Complexity and Flexible Sensing into Communication Systems,' IEEE J. Sel. Areas Commun., doi:10.1109/JSAC.2022.3156649. 本文下载地址： https://ieeexplore./document/9727202 一、研究背景通感一体化（ISAC，Integrated sensing and communications）近期在通信和雷达领域得到广泛关注。让两种射频系统共享波形，硬件和频谱等，ISAC能够降低系统整体成本，提高能效和频谱效率，缓解逐渐严重的频谱稀缺和拥挤问题[1]。现有ISAC设计可大体分为三类：以感知为中心，以通信为中心，和两者联合优化设计[2]。感知为中心的ISAC设计通常是把雷达功能加到现有通信系统中，即借用通信波形和天线等资源实现感知。反过来，雷达为中心的ISAC设计则是把通信功能加入到现有雷达系统中。相比于通感联合优化，前两种设计可谓次优。但从实现角度来说前两种对已有平台的变动相对较小，更易于快速实现。 这里我们主要讨论以通信为中心的感知设计。具体来说，我们考虑用多载波通信波形实现雷达点目标检测和参数（距离，速度等）估计。如图1所示，一个通信发射机发射一组多载波通信信号，例如连续若干OFDM调制信号。于此同时，我们假设有一个和通信发射机（时钟）同步的雷达接收机。该配置和传统单基地雷达相似。另外，我们进一步假设收发机之前不存在自干扰。实际系统中，该假设需要通过实施一些全双工技术来保障。由于收发机共置，我们可以认为发射信号对于接收机来说完全已知。
图1 通信为中心的通感一体化收发架构。其中，RG，DG，RDM和PD分别代表距离门，多普勒通道，距离多普勒矩阵和逐点相除。 OFDM是最常见多载波通信波形之一。关于OFDM的具体实现，可参见[3]。因为OFDM可提供大带宽，基于OFDM的雷达感知自本世纪初始已得到广泛关注和研究。文献[4]提出的OFDM感知方法堪称经典，自提出以来得到诸多应用[5]。方便起见，我们称方法[4]为COS（Classical OFDM Sensing）。 COS执行于一连串连续发射的OFDM信号。为了实现雷达感知，COS假设：(C1) 最大目标延迟不超过OFDM自身的CP长度；(C2) 子载波上的调制信号不为0也不接近0。如图1所示，因为收发同步，接收机可以收到一连串延迟的OFDM信号。接收机首先去除每一个信号的CP。和通信系统一致，在满足条件的(C1)的情况下，每个OFDM信号的程序部分是原发射信号的循环移位（单目标情况下）。求取每个信号的DFT，得到的频域信号中每个频率成分成为子载波。对每个子载波上的信号除以发射时调制的通信信号（这里显示了条件(C2)的意义），剩下的频域矩阵是快时间和慢时间维导向矢量的外积。最后，求取二维DFT便得到RDM（距离多普勒矩阵）。图1也给出了单目标场景下的RDM示意图。文献[4]给了以上步骤更详细的解释。 为了满足(C2)，现有OFDM感知系统通常选择具有恒定模值的信号调制，例如PSK。然而在现有通信系统中也经常使用DFT-spread OFDM。简单来说，在通信信号加载到子载波之前，DFT-spread OFDM首先取信号的DFT，然后再将DFT的结果按一定方式放置到子载波上。同样，请参见[3]了解具体实现。和OFDM很不相同的是，DFT-spread OFDM的频域信号幅度会在0附近剧烈波动。这时，如果直接采用以上介绍的逐点相除，会出现噪声增强的现象（想象噪声➗0）。 为了解决噪声增强问题，文献[6]提出将逐点相除替换成逐点共轭相乘。频域逐点共轭相乘对应时域循环卷积（这是傅里叶变换的性质）。因此，该方法成为基于CCC（cyclic cross-correlation）的COS，以下简称为C-COS。 二、问题讨论尽管COS已经得到广泛应用，但有几点问题值得进一步讨论。 首先，多数COS及其相关改进方法都完全基于通信信号的格式定义。
其次，CP是执行COS和C-COS的必要条件。但在未来多载波通信波形中，像图1中展示的常规CP不一定使用。例如，目前讨论火热的OTFS（Orthogonal time-frequency space modulation）[7]。它的主流设计采用RCP（Reduced CP），即一个信号块（而非单个信号）加一次CP。对于RCP多载波信号，COS框架明显不再适用。 实际上，让我们暂时抛开通信，感知面临的问题非常简单：我们有一个回波信号块，需要从中提取目标参数。所以一个有趣的问题是：为什么一定要遵从通信信号的格式呢？当然，不遵从，我们就不能套用COS感知框架。也有一些基于最大似然的方法，例如[8]，不遵从信号格式定义。但该类方法复杂度高。我们这里的讨论仅限于COS的感知框架。所以最终我们要问的是，不遵从通信信号定义或者采用RCP多载波波形，我们还能像COS一样实现感知吗？ 庆幸的是，我们能做到。接下来，我们简要介绍一种新的灵活感知框架。 三、基于多载波通信波形的灵活感知我们在文献[9]中设计了一种灵活、低复杂度感知框架，解决了以上提出的问题。图2给出了该框架示意图。拿到回波数据块，我们不再按照通信定义分成连续若干数据信号，而是按照我们感知的需求来决定如何分割信号。因为我们的处理都是在感知接收机端展开，所以任何操作都不影响原通信功能，亦不需要通信信号格式做任何变化来配合。由于COS的低复杂度，我们依然选择等间隔划分回波数据块，得到连续的数据段。我们允许相邻数据段有重叠。重叠多少则成为一个新的设计自由度。很显然，原通信系统的CP不再发挥作用。但我们依然希望能使用CP的功能，即是说将每一个信号段构造成一个已知信号的循环移位，这样能方便地从频域去除通信信号。因为接收机有发射信号的副本，我们在接收机端将副本按照上述方式相同分段。在图2下半部分中，正中间展示了发射信号副本的划分，上下y半轴是相同回波信号的镜像（以方便描述信号划分），p是目标索引。我们把副本划分出的每一段都类比成原OFDM信号的有效段（即不包含CP的部分），并称为核心信号段。
图2 一个灵活低复杂度感知框架 从图2中可以看到，回波中每一个核心信号段因为传播延迟，其尾部会进去到下一个信号段。我们如果将下一信号段初始部分加到当前信号段的最前端，便会得到当前核心信号段的循环移位。这个初始部分充当了CP的功能，因此被称为VCP（Virtual CP）。又因为我们可以自定义VCP的长度，我们的最大测距就可以按照需求灵活设计了！ 核心段是我们手里的已知信号，我们可以把它转变到频域，作为子载波的调制信号。同样，我们把添加了VCP的回波信号也转变到频域。就可以借助逐点相乘（图2中PWP，类比先前回顾的C-COS）或逐点相除（PWD，类比COS）来去除通信信号。 从以上描述，可以看出，感知不再受限于通信信号的格式定义。为了追求灵活性，我们其实也做出了牺牲。借助图2可以看出，每一个信号段中由于VCP的添加引入了额外的干扰。但实际上，由于该干扰来自于不同的核心信号段，和当前核心信号段不相关，VCP引入干扰在最终得到的RDM中类似于背景噪声。我们在论文中（Propositions 1和2）证明了该结论，也推到了新感知框架下得到的RDM的背景噪声分布和功率。另外，基于Propositions 1和2，我们在Section IV-C中分析了两种RDM中感知的信噪比，也对比了两种RDM的优劣。 四、结果与分析
图3 对比COS（上排）和新感知框架（下排），该图是文献[3]的图6。 图3对比了COS和新框架的感知结果。这里仅设置了一个目标，距离延迟远大于原CP长度。具体参数设置请参见文献[3]中表2。COS的RDM中没有明显目标。而新框架的RDM中可看到明显峰值，对应于目标。从距离和多普勒二维结果也能够看出明显差异。 这里借用文献[3]而非[9]的结果，是为了直观展示虚假目标的问题。从图3(e)和(g)中能看到距离维存在虚假目标，其产生原因是原通信信号的CP在划分的信号段中存在循环相关性。虽然文献[10]对该问题进行了详细分析，提出简单解决方法 --- 把CP置零 --- 但是该方法会降低RDM中的信噪比，进而影响感知性能。因此，仍未解决虚假目标的有效去除问题。 参考文献 [1] F. Liu, C. Masouros, A. P. Petropulu, H. Griffiths, and L. Hanzo, “Joint radar and communication design:Applications, state-of-the-art, and the road ahead,” IEEE Trans. Commun., vol.68, no. 6, pp. 3834–3862, 2020. [2] J. A. Zhang et al., 'Enabling Joint Communication and Radar Sensing in Mobile Networks—A Survey,' in IEEE Communications Surveys & Tutorials, vol. 24, no. 1, pp. 306-345, First quarter 2022, doi: 10.1109/COMST.2021.3122519. [3] K. Wu, J. A. Zhang, X. Huang, and Y. J. Guo, “Joint Communications and Sensing Employing Multi- or Single-Carrier OFDM Communication Signals: A Tutorial on Sensing Methods, Recent Progress and a Novel Design,” Sensors, vol. 22, no. 4,p. 1613, Feb. 2022, doi: 10.3390/s22041613. [4] C. Sturm and W. Wiesbeck, “Waveform Design and Signal Processing Aspects for Fusion of Wireless Communications and Radar Sensing,” in Proceedings of the IEEE, vol. 99, no. 7, pp. 1236-1259, July 2011. [5] G. Hakobyan and B. Yang, “High-Performance Automotive Radar: A Review of Signal Processing Algorithmsand Modulation Schemes,” in IEEE Signal Processing Magazine, vol.36, no. 5, pp. 32-44, Sept. 2019. [6] Y. Zeng, Y. Ma, and S. Sun, “Joint radar-communication with cyclic prefixed single carrier waveforms,” IEEE Trans. Veh. Techn., vol. 69, no. 4, pp. 4069–4079, 2020. [7] Z. Wei, W. Yuan, S. Li, J. Yuan, G. Bharatula, R. Hadani, and L. Hanzo, “Orthogonal time-frequency space modulation: A full-diversity next-generation waveform,” arXiv preprint arXiv:2010.03344,2020. [8] L. Gaudio, M. Kobayashi, G. Caire, and G. Colavolpe, “On the effectiveness of OTFS for joint radar parameter estimation and communication,” IEEE Trans. Wireless Commun., vol. 19, no. 9, pp. 5951–5965, 2020. [9] K. Wu, J. Andrew Zhang, X. Huang and Y. Jay Guo, 'Integrating Low-Complexity and Flexible Sensing into Communication Systems,' in IEEE Journal on Selected Areas in Communications, doi: 10.1109/JSAC.2022.3156649. [10]K. Wu, J. A. Zhang, X. Huang, and Y. J. Guo, “Removing False Targets For Cyclic Prefixed OFDM Sensing With Extended Ranging,” submitted to workshop on Integrated Vehicular Sensing and Communications, VTC 2022-Spring.
 |
|
|
