無(wú)人機(jī)通信感知一體化：架構(gòu)、技術(shù)與展望

劉晨熙，馬睿，彭木根

無(wú)人機(jī)通信感知一體化：架構(gòu)、技術(shù)與展望

劉晨熙，馬睿，彭木根

（北京郵電大學(xué)信息與通信工程學(xué)院，北京 100876）

無(wú)人機(jī)應(yīng)急通信作為第六代移動(dòng)通信系統(tǒng)（6G）的一種典型應(yīng)用，具有靈活部署、按需覆蓋的優(yōu)勢(shì)。與此同時(shí)，通信感知一體化是6G的重要特征和核心使能技術(shù)之一，它可以應(yīng)用于無(wú)人機(jī)應(yīng)急通信中，以提升頻譜效率、感知精度，降低系統(tǒng)成本，但二者如何結(jié)合，仍是學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)和難點(diǎn)。為此，提出了一種無(wú)人機(jī)通信感知一體化的體系架構(gòu)，探討了支撐該架構(gòu)的基礎(chǔ)理論和關(guān)鍵技術(shù)，并展望了無(wú)人機(jī)通信感知一體化的未來(lái)發(fā)展方向及挑戰(zhàn)。

通信感知一體化；無(wú)人機(jī)通信；智能服務(wù)

0 引言

無(wú)人機(jī)應(yīng)急通信是6G的典型應(yīng)用，具有靈活部署和廣域覆蓋的優(yōu)勢(shì)，近年來(lái)得到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注[1]。相較于傳統(tǒng)地面基站，無(wú)人機(jī)具有高機(jī)動(dòng)、強(qiáng)視距、易部署等優(yōu)勢(shì)，可為熱點(diǎn)區(qū)域、應(yīng)急場(chǎng)景等增加容量、補(bǔ)充覆蓋。具體地，在無(wú)人機(jī)上搭載通信、感知設(shè)備，可為指定區(qū)域提供按需的數(shù)據(jù)傳輸和感知服務(wù)，為受災(zāi)地區(qū)提供通信保障。

與此同時(shí)，為進(jìn)一步支撐智能車聯(lián)網(wǎng)、增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)（augmented reality/virtual reality，AR/VR）等新興智能應(yīng)用，6G在適配巨容量（極致傳輸速率至1 Tbit/s）、極高可靠性（誤碼率至10?7）、極低時(shí)延（傳輸時(shí)延至0.1 ms）等極致通信性能需求的同時(shí)，還需要支持廣域感知和高精度的定位、探測(cè)、成像等。在此背景下，通信感知一體化技術(shù)因在智能感知和高效無(wú)線傳輸方面的巨大潛力，已被認(rèn)為是6G的重要特征和關(guān)鍵性賦能技術(shù)。通信感知一體化可充分發(fā)掘通信和感知技術(shù)各自的優(yōu)勢(shì)，通過(guò)新的一體化波形設(shè)計(jì)，利用同一無(wú)線信號(hào)同時(shí)完成通信和感知功能，可提高資源利用率，實(shí)現(xiàn)通信、感知性能的均衡普惠[2]。利用感知信息可以實(shí)現(xiàn)更精確的波束成形和波束跟蹤設(shè)計(jì)，減少導(dǎo)頻資源的開(kāi)銷，提升波束成形增益。同時(shí)，通過(guò)對(duì)多節(jié)點(diǎn)感知信息的交互與融合，可以進(jìn)一步提高系統(tǒng)的感知精度和范圍。

將無(wú)人機(jī)與通信感知一體化技術(shù)結(jié)合可以提高無(wú)人機(jī)的環(huán)境感知能力，無(wú)人機(jī)可根據(jù)感知的環(huán)境信息，為地面用戶提供更加精準(zhǔn)的覆蓋，實(shí)現(xiàn)更加智能的無(wú)線組網(wǎng)。同時(shí)，無(wú)人機(jī)的強(qiáng)視距特性可以減少感知盲區(qū)，擴(kuò)大感知的范圍，實(shí)現(xiàn)廣域感知。然而，二者的結(jié)合也面臨如下挑戰(zhàn)：首先，當(dāng)前無(wú)人機(jī)通信感知一體化研究大多聚焦單無(wú)人機(jī)場(chǎng)景[3-6]，通信和感知性能受限，亟待研究支持通信感知一體化的多無(wú)人機(jī)組網(wǎng)架構(gòu)和方案；其次，無(wú)人機(jī)平臺(tái)高抖動(dòng)、強(qiáng)視距的特性使得無(wú)人機(jī)通信感知一體化存在易受干擾的問(wèn)題，現(xiàn)有面向傳統(tǒng)地面移動(dòng)通信系統(tǒng)的通信感知一體化性能分析模型、波束追蹤及成形方案難以適用，亟須研究適配無(wú)人機(jī)特性的通信感知一體化傳輸性能分析模型及方法；最后，現(xiàn)有無(wú)人機(jī)系統(tǒng)的研究多關(guān)注通信單一維度，難以實(shí)現(xiàn)無(wú)人機(jī)通信感知一體化對(duì)通信和感知性能的聯(lián)合設(shè)計(jì)。為高效支撐多無(wú)人機(jī)組網(wǎng)下通信感知性能的多維極致需求，實(shí)現(xiàn)通信感知的普惠均衡，亟須研究多無(wú)人機(jī)協(xié)同感知及多維資源調(diào)配方法。

1 無(wú)人機(jī)通信感知一體化體系架構(gòu)

本節(jié)提出了一種無(wú)人機(jī)通信感知一體化的體系架構(gòu)，并討論了支持該架構(gòu)的基礎(chǔ)理論。

本文所提的無(wú)人機(jī)通信感知一體化體系架構(gòu)如圖1所示。具體來(lái)說(shuō)，該架構(gòu)通過(guò)對(duì)目標(biāo)用戶的感知，實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的精確覆蓋，提高系統(tǒng)容量，改善用戶的服務(wù)質(zhì)量（quality of service，QoS）；通過(guò)對(duì)感知信息的傳輸實(shí)現(xiàn)感知信息的數(shù)據(jù)融合，實(shí)現(xiàn)無(wú)人機(jī)的全局感知，提升了感知精度和感知范圍。該架構(gòu)主要由非系留式無(wú)人機(jī)和系留式無(wú)人機(jī)組成。其中，根據(jù)自身負(fù)載能力的不同，非系留式無(wú)人機(jī)可選擇搭載通信感知一體化基站或射頻拉遠(yuǎn)頭（remote radio head，RRH），機(jī)載通信感知一體化基站配備輕量化人工智能（artificial intelligence，AI）引擎，具有一定的存儲(chǔ)計(jì)算能力，能夠執(zhí)行相關(guān)AI算法對(duì)感知數(shù)據(jù)的預(yù)處理，實(shí)現(xiàn)對(duì)局部區(qū)域的感知，機(jī)載RRH則能為熱點(diǎn)地區(qū)進(jìn)行補(bǔ)充覆蓋，且具備初步的感知功能。系留式無(wú)人機(jī)與地面指揮中心通過(guò)光纖連接，可以進(jìn)行信息的回傳與分發(fā)，實(shí)現(xiàn)感知信息的融合與無(wú)人機(jī)狀態(tài)的監(jiān)測(cè)與控制。

圖1 無(wú)人機(jī)通信感知一體化體系架構(gòu)

通信感知一體化無(wú)人機(jī)能夠發(fā)射3種波束：通信感知一體化波束、感知波束、通信波束。利用通信感知一體化波束，非系留式無(wú)人機(jī)在為地面用戶提供通信服務(wù)的同時(shí)，通過(guò)反射的回波信號(hào)實(shí)現(xiàn)對(duì)地面用戶的探測(cè)、定位；感知波束則可用于實(shí)現(xiàn)相鄰無(wú)人機(jī)的位置感知，避免發(fā)生機(jī)間碰撞。此外，感知波束還可以實(shí)現(xiàn)無(wú)人機(jī)對(duì)地面障礙物分布情況的感知，提升無(wú)人機(jī)的視距傳輸性能；非系留式無(wú)人機(jī)對(duì)地面用戶和物理環(huán)境的感知信息將會(huì)通過(guò)通信波束回傳到系留式無(wú)人機(jī)，系留式無(wú)人機(jī)感知信息回傳至地面控制中心，同時(shí)將控制信息發(fā)送至各分布式通信感知無(wú)人機(jī)，實(shí)現(xiàn)對(duì)各無(wú)人機(jī)的靈活部署。

該架構(gòu)的優(yōu)點(diǎn)在于非系留式無(wú)人機(jī)節(jié)點(diǎn)搭載的通信感知一體化基站能夠在服務(wù)地面用戶的同時(shí)，實(shí)現(xiàn)對(duì)用戶和環(huán)境的探測(cè)，利用感知信息對(duì)波束成形方案進(jìn)行設(shè)計(jì)，使得通信感知波束能夠盡可能精確地對(duì)準(zhǔn)服務(wù)用戶，實(shí)現(xiàn)對(duì)目標(biāo)用戶的精準(zhǔn)覆蓋，同時(shí)降低了用戶間的相互干擾，利用感知信息提升了通信服務(wù)性能；另一方面，無(wú)人機(jī)的隨機(jī)抖動(dòng)等因素，會(huì)影響無(wú)人機(jī)對(duì)通信感知回波信號(hào)的接收，使得局部感知信息誤差增大。為了實(shí)現(xiàn)對(duì)局部感知信息的誤差修正并獲取全局感知信息，該架構(gòu)借助系留式無(wú)人機(jī)和地面控制中心的AI決策能力對(duì)各非系留式無(wú)人機(jī)上傳的局部感知信息進(jìn)行誤差分析校正，并對(duì)校正后的感知信息進(jìn)行數(shù)據(jù)融合，生成全局感知信息。全局感知信息包括地面用戶和環(huán)境信息（用戶分布情況、速度、加速度和障礙物分布情況等）以及各分布式通信感知無(wú)人機(jī)的空間部署情況和自身狀態(tài)信息（三維位置、飛行速度、剩余能量、用戶連接情況等）。系留式無(wú)人機(jī)根據(jù)全局信息，對(duì)各無(wú)人機(jī)的部署方案進(jìn)行靈活調(diào)整，在提升無(wú)人機(jī)感知性能的同時(shí)，增強(qiáng)了無(wú)人機(jī)系統(tǒng)的魯棒性。

該架構(gòu)可以滿足不同業(yè)務(wù)的需求，對(duì)多種應(yīng)用場(chǎng)景進(jìn)行靈活適配。例如，利用通信感知無(wú)人機(jī)實(shí)現(xiàn)地面基站故障時(shí)的應(yīng)急通信、熱點(diǎn)地區(qū)的補(bǔ)充覆蓋，以及在車聯(lián)網(wǎng)場(chǎng)景中的車輛信息實(shí)時(shí)監(jiān)測(cè)和交互。利用無(wú)人機(jī)上部署的自適應(yīng)AI算法可以完成對(duì)物理世界的實(shí)時(shí)感知和建模，為實(shí)現(xiàn)智能車聯(lián)網(wǎng)、AR/VR等對(duì)感知精度要求較高的智能化業(yè)務(wù)提供支撐。需要注意的是，通信系統(tǒng)和感知系統(tǒng)的設(shè)計(jì)準(zhǔn)則不同。通信系統(tǒng)的設(shè)計(jì)目標(biāo)為，從包含干擾的信道中無(wú)失真地恢復(fù)信源信息，其主要聚焦的性能指標(biāo)包括吞吐量、能耗、時(shí)延、能量效率、頻譜效率等。香農(nóng)公式闡釋了在給定信噪比的條件下信道容量的理論上界。感知系統(tǒng)的設(shè)計(jì)目標(biāo)則是利用測(cè)量信息或經(jīng)驗(yàn)數(shù)據(jù)，盡可能精確地對(duì)未知環(huán)境參數(shù)進(jìn)行估計(jì)，最小化參數(shù)估計(jì)的誤差，提升感知精度和準(zhǔn)確度?？坍?huà)感知性能的指標(biāo)主要包括識(shí)別精度（識(shí)別準(zhǔn)確率、分辨率等）、估計(jì)精度（均方誤差、克拉美羅界等）以及檢測(cè)精度（虛警概率、檢測(cè)概率）。此外，傳統(tǒng)的無(wú)線探測(cè)理論表明，無(wú)線感知精度及參數(shù)估計(jì)誤差與信干噪比關(guān)系密切，回波信號(hào)的信干噪比會(huì)直接影響感知的距離、分辨率以及準(zhǔn)確度等，這為通信感知一體化的設(shè)計(jì)提供了理論依據(jù)[7]。

基于以上理論，下面討論無(wú)人機(jī)通信感知一體化體系架構(gòu)中感知如何增強(qiáng)通信、通信如何增強(qiáng)感知以及如何實(shí)現(xiàn)通信感知性能的普惠均衡。

（1）感知增強(qiáng)通信

搭載通信感知一體化基站的非系留式無(wú)人機(jī)可以通過(guò)回波信號(hào)對(duì)地面用戶的位置進(jìn)行感知，獲取相關(guān)的用戶角度信息，利用該信息能夠提升無(wú)人機(jī)的波束成形增益，實(shí)現(xiàn)更智能的無(wú)線資源分配，提升無(wú)人機(jī)系統(tǒng)的整體通信性能。具體而言，在波束成形方面，對(duì)于靜止或移動(dòng)速度較小的用戶，無(wú)人機(jī)可根據(jù)感知的角度信息，設(shè)計(jì)較窄的波束對(duì)其進(jìn)行精準(zhǔn)覆蓋，精確地指向用戶的接收天線，提高波束成形增益并降低用戶間的干擾，從而提升傳輸速率。對(duì)于移動(dòng)速度較快的用戶，如地面車輛等，無(wú)人機(jī)可先用較寬的波束對(duì)其相鄰幾個(gè)時(shí)隙內(nèi)的角度信息進(jìn)行探測(cè)，并利用分布自適應(yīng)的AI算法對(duì)該用戶的運(yùn)動(dòng)狀態(tài)信息進(jìn)行分析預(yù)測(cè)，再設(shè)計(jì)較窄的波束對(duì)該用戶進(jìn)行跟蹤覆蓋，從而提升通信性能。與傳統(tǒng)地面移動(dòng)通信系統(tǒng)基于導(dǎo)頻的波束跟蹤方法相比，該方案不僅提升了波束跟蹤的準(zhǔn)確性，還減少了信令的開(kāi)銷，提升了資源利用率。在無(wú)線資源分配方面，由于地面用戶的分布不均且移動(dòng)性差異較大，無(wú)人機(jī)的資源分配和用戶調(diào)度出現(xiàn)了挑戰(zhàn)?；诟兄畔?，非系留式無(wú)人機(jī)可以獲取地面用戶的分布情況和相關(guān)的物理環(huán)境信息，如障礙物位置信息等；并由系留式無(wú)人機(jī)對(duì)各節(jié)點(diǎn)的狀態(tài)信息進(jìn)行融合分析，從而動(dòng)態(tài)調(diào)整無(wú)人機(jī)的無(wú)線資源分配方案，進(jìn)一步提升無(wú)線資源的利用率。

（2）通信增強(qiáng)感知

感知信息的共享和融合可以提升通信感知一體化無(wú)人機(jī)的感知精度和感知范圍。具體地，由于無(wú)人機(jī)的隨機(jī)抖動(dòng)等因素，單臺(tái)非系留式無(wú)人機(jī)的感知信息存在一定的誤差。為了提升感知精度，各無(wú)人機(jī)可將感知信息傳輸?shù)较盗羰綗o(wú)人機(jī)上進(jìn)行信息融合處理，該融合過(guò)程并不是簡(jiǎn)單的信息拼接，而是利用全局AI決策算法對(duì)局部信息進(jìn)行誤差修正。具體地，由于感知誤差的存在，相鄰非系留式無(wú)人機(jī)對(duì)同一用戶的感知信息存在偏差，而系留式無(wú)人機(jī)將會(huì)利用基于AI的智能決策算法，如強(qiáng)化學(xué)習(xí)算法，對(duì)同一用戶的多組感知信息進(jìn)行分析處理，得到該用戶的最終位置信息，盡可能地對(duì)感知誤差進(jìn)行修正，提升感知精度；另一方面，障礙物的遮擋等因素，使得單臺(tái)非系留式無(wú)人機(jī)在其服務(wù)范圍內(nèi)存在一定的感知盲區(qū)，而上述感知信息融合的方式，可為每臺(tái)無(wú)人機(jī)提供全局感知信息，擴(kuò)大了感知的范圍。

（3）無(wú)人機(jī)通信感知性能的普惠均衡

通信感知的均衡關(guān)系是無(wú)人機(jī)通信感知一體化設(shè)計(jì)中需要考慮的一個(gè)重要因素。一方面，為了增強(qiáng)信道容量、擴(kuò)展覆蓋范圍、改善用戶的QoS，無(wú)人機(jī)需要為通信波束分配更多的無(wú)線資源，如功率、頻譜等；另一方面，為保障無(wú)人機(jī)的感知性能，需要為感知波束分配無(wú)線資源，犧牲一部分通信性能，換取更高的感知精度和感知范圍。為了獲取最大的通信感知性能增益，需要根據(jù)不同的場(chǎng)景，設(shè)計(jì)合理的資源分配方案，做到通信感知性能的均衡與折中，達(dá)到系統(tǒng)效益的最大化。無(wú)人機(jī)自身的移動(dòng)特性對(duì)通信感知性能的影響也不容忽視。無(wú)人機(jī)的軌跡和位置的靈活規(guī)劃，可以減少障礙物的遮擋，改善無(wú)人機(jī)與用戶之間的視距信道條件，這為無(wú)人機(jī)的感知和通信覆蓋創(chuàng)造了有利條件，能夠同時(shí)提升感知精度、增加信道容量。然而，無(wú)人機(jī)的隨機(jī)抖動(dòng)也會(huì)加大無(wú)人機(jī)－無(wú)人機(jī)、無(wú)人機(jī)－用戶之間的感知通信難度。由于無(wú)人機(jī)需要通過(guò)通信感知一體化信號(hào)反射的回波實(shí)現(xiàn)對(duì)地面用戶的探測(cè)感知，無(wú)人機(jī)的移動(dòng)和抖動(dòng)會(huì)嚴(yán)重影響無(wú)人機(jī)回波的接收，降低無(wú)人機(jī)的感知性能。另一方面，無(wú)人機(jī)的移動(dòng)和抖動(dòng)還會(huì)影響相鄰分布式通信感知無(wú)人機(jī)之間的空間位置感知，使得局部感知信息的誤差增大。為了解決上述由無(wú)人機(jī)的移動(dòng)和抖動(dòng)帶來(lái)的通信感知性能下降的問(wèn)題，需要對(duì)無(wú)人機(jī)上傳的局部感知信息進(jìn)行修正，提高全局感知信息的精度，實(shí)現(xiàn)對(duì)分布式通信感知無(wú)人機(jī)的靈活控制和管理，提升系統(tǒng)的整體通信感知性能。

2 關(guān)鍵技術(shù)

為實(shí)現(xiàn)無(wú)人機(jī)通信感知一體化，需要突破通信感知一體化波形設(shè)計(jì)、波束成形和波束追蹤，以及資源分配和軌跡規(guī)劃等關(guān)鍵技術(shù)。

2.1 適配無(wú)人機(jī)的通信感知一體化波形設(shè)計(jì)

波形設(shè)計(jì)是通信感知一體化技術(shù)的重要組成部分。通信感知的設(shè)計(jì)原則和目標(biāo)不同，使得現(xiàn)有波形難以適配無(wú)人機(jī)對(duì)通信感知一體化的需求。根據(jù)復(fù)用方式的不同，目前的通信感知一體化波形可分為通信感知復(fù)用波形和通信感知一體化波形。通信感知復(fù)用波形設(shè)計(jì)方案示意圖如圖2所示，前者主要采用時(shí)分復(fù)用或頻分復(fù)用的方式，為通信和感知功能分配相互正交的資源，資源利用率較低。而后者的研究還處于起步階段，主要包括基于正交頻分復(fù)用（orthogonal frequency division multiplexing，OFDM）的一體化共用波形和基于正交時(shí)頻空間（orthogonal time frequency space，OTFS）的一體化共用波形[8-10]。然而目前的通信感知一體化波形設(shè)計(jì)方案往往僅針對(duì)特定的場(chǎng)景，與無(wú)人機(jī)的適配性較差。此外，無(wú)人機(jī)的一些固有特性，如無(wú)人機(jī)的移動(dòng)性等，與通信感知一體化波形的設(shè)計(jì)相互耦合，進(jìn)而加大了一體化波形的設(shè)計(jì)難度。

圖2 通信感知復(fù)用波形設(shè)計(jì)方案示意圖

因此，亟須研究一種適配于無(wú)人機(jī)的通信感知一體化波形，綜合考慮無(wú)人機(jī)的移動(dòng)性對(duì)通信和感知性能的影響，明確設(shè)計(jì)指標(biāo)，包括最大用戶服務(wù)數(shù)量、最大感知范圍、感知精度以及資源開(kāi)銷等，進(jìn)一步明晰適配于無(wú)人機(jī)通信感知一體化的波形設(shè)計(jì)方案。明確該方案的關(guān)鍵參數(shù)，進(jìn)而優(yōu)化無(wú)人機(jī)通信感知一體化的通信和感知性能。

2.2 波束成形和波束追蹤

無(wú)人機(jī)感知的一個(gè)重要任務(wù)是實(shí)現(xiàn)對(duì)地面用戶或非通信實(shí)體的方位角探測(cè)和位置估計(jì)，這對(duì)波束成形和波束跟蹤技術(shù)提出了更高的要求。一方面，現(xiàn)有的波束成形技術(shù)依賴于完美的信道狀態(tài)信息（channel state information，CSI），然而在實(shí)際系統(tǒng)中由于干擾、噪聲等因素，信道估計(jì)的誤差難以避免，提高信道估計(jì)的準(zhǔn)確度往往需要消耗更多的導(dǎo)頻資源。因此，如何設(shè)計(jì)一種基于不完美CSI的信道估計(jì)與波束成形方案仍需要進(jìn)一步研究；另一方面，無(wú)人機(jī)和用戶的移動(dòng)性也會(huì)增加波束成形的難度。具體地，對(duì)于移動(dòng)速度較快的地面用戶，如地面車輛，為了實(shí)現(xiàn)實(shí)時(shí)的波束追蹤，需要頻繁地進(jìn)行信道估計(jì)，更新信道狀態(tài)信息，進(jìn)一步增大了導(dǎo)頻的開(kāi)銷，無(wú)人機(jī)的抖動(dòng)等因素也會(huì)影響信道估計(jì)的準(zhǔn)確性，進(jìn)一步加大了波束成形的難度。此外，波束成形往往依賴于多天線技術(shù)，需要對(duì)高維參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，增大了優(yōu)化算法的復(fù)雜度。為此，亟須研究一種導(dǎo)頻開(kāi)銷小、復(fù)雜度低的波束成形方案，以滿足無(wú)人機(jī)對(duì)移動(dòng)性的需求。

2.3 資源分配和軌跡規(guī)劃

傳統(tǒng)的無(wú)人機(jī)資源分配和軌跡規(guī)劃方案僅關(guān)注提升通信性能，無(wú)人機(jī)通信感知一體化則需要考慮無(wú)人機(jī)的環(huán)境感知能力，這為資源分配方案的設(shè)計(jì)和無(wú)人機(jī)的靈活部署帶來(lái)了新的挑戰(zhàn)[11]。首先，目前的通信感知聯(lián)合性能指標(biāo)不明確，缺乏對(duì)通信和感知性能的聯(lián)合評(píng)估體系，使得資源分配的優(yōu)化目標(biāo)多聚焦于通信或感知，維度單一，難以適配無(wú)人機(jī)通信感知一體化對(duì)通信感知的聯(lián)合性能優(yōu)化需求；另一方面，引入感知功能往往需要額外的系統(tǒng)開(kāi)銷，且需要考慮更多與感知相關(guān)的系統(tǒng)參數(shù)，如參數(shù)估計(jì)誤差、感知分辨率等，進(jìn)而增加了資源分配方案的設(shè)計(jì)難度。在軌跡規(guī)劃方面，無(wú)人機(jī)的位置和移動(dòng)速度等因素會(huì)在一定程度上影響無(wú)人機(jī)的感知性能，如移動(dòng)速度較快時(shí)帶來(lái)的多普勒頻偏會(huì)降低無(wú)人機(jī)的感知精度。因此，資源分配和軌跡規(guī)劃設(shè)計(jì)流程如圖3所示，亟須明確通信性能和感知性能的耦合關(guān)系和系統(tǒng)約束條件，并設(shè)計(jì)一種兼顧無(wú)人機(jī)復(fù)雜度和感知性能的資源分配和軌跡規(guī)劃方案。

圖3 資源分配和軌跡規(guī)劃設(shè)計(jì)流程

3 未來(lái)展望

本節(jié)展望了無(wú)人機(jī)通信感知一體化的未來(lái)發(fā)展方向和挑戰(zhàn)，包括AI驅(qū)動(dòng)的無(wú)人機(jī)通信感知一體化、智能超表面輔助的無(wú)人機(jī)通信感知一體化及通信感知一體化輔助的無(wú)人機(jī)算力網(wǎng)絡(luò)。

3.1 AI驅(qū)動(dòng)的無(wú)人機(jī)通信感知一體化

隨著智能車聯(lián)網(wǎng)、AR/VR等智能業(yè)務(wù)的不斷涌現(xiàn)，人工智能技術(shù)將成為未來(lái)6G的關(guān)鍵性賦能技術(shù)，并在無(wú)人機(jī)通信感知一體化中發(fā)揮重要的作用。一方面，感知能為人工智能技術(shù)采集更加豐富的訓(xùn)練數(shù)據(jù)，基于感知信息，人工智能技術(shù)能夠訓(xùn)練出更加精確、更加適配當(dāng)前環(huán)境的模型；另一方面，利用人工智能技術(shù)能實(shí)現(xiàn)感知數(shù)據(jù)的預(yù)處理和感知信息的智能融合，可為無(wú)人機(jī)帶來(lái)更高的感知精度并擴(kuò)展感知的范圍。此外，無(wú)人機(jī)上部署的一些基于AI的環(huán)境預(yù)測(cè)算法，可以提高無(wú)人機(jī)的環(huán)境適應(yīng)能力。然而，面向無(wú)人機(jī)通信感知一體化的人工智能技術(shù)還存在著諸多的挑戰(zhàn)。首先，傳統(tǒng)的人工智能技術(shù)計(jì)算復(fù)雜度高，對(duì)計(jì)算能力和存儲(chǔ)能力都提出了更高的要求，難以適配機(jī)載資源有限的無(wú)人機(jī)場(chǎng)景，亟須設(shè)計(jì)低復(fù)雜度的人工智能算法。此外，無(wú)人機(jī)的高移動(dòng)性也對(duì)其搭載的人工智能算法提出了更高的要求。具體地，無(wú)人機(jī)的靈活移動(dòng)，使得環(huán)境信息時(shí)刻變化，為了避免機(jī)間碰撞，并為地面用戶提供更加精準(zhǔn)的通信感知服務(wù)，需要設(shè)計(jì)精確度較高的AI模型。

3.2 智能超表面輔助的無(wú)人機(jī)通信感知一體化

智能反射表面（intelligent reflecting surface，IRS）作為6G的潛在關(guān)鍵技術(shù)之一，在提升系統(tǒng)傳輸容量和感知性能方面表現(xiàn)出巨大的潛力。該技術(shù)能夠通過(guò)對(duì)無(wú)線傳輸信道的靈活重構(gòu)，擴(kuò)展信號(hào)的覆蓋范圍，實(shí)現(xiàn)對(duì)盲區(qū)的覆蓋和感知[12]。在通信感知一體化的無(wú)人機(jī)上部署IRS可以進(jìn)一步提升無(wú)人機(jī)的通信和感知能力。具體地，雖然無(wú)人機(jī)具有強(qiáng)視距的特點(diǎn)，但由于局部地區(qū)物理環(huán)境的復(fù)雜性，其仍存在障礙物的遮擋問(wèn)題，易形成通信和感知盲區(qū)，會(huì)嚴(yán)重影響無(wú)人機(jī)在該區(qū)域的通信和感知性能。智能超表面輔助的無(wú)人機(jī)通信感知一體化示意圖如圖4所示，搭載IRS可以提高無(wú)人機(jī)對(duì)無(wú)線環(huán)境的適應(yīng)能力，IRS通過(guò)對(duì)入射通信感知一體化信號(hào)的靈活調(diào)整，實(shí)現(xiàn)無(wú)人機(jī)對(duì)盲區(qū)的感知和覆蓋。此外，作為一種無(wú)源或半無(wú)源的器件，IRS為無(wú)人機(jī)帶來(lái)性能增益的同時(shí)，對(duì)能耗的要求較低，進(jìn)一步提升了系統(tǒng)的能量效率。然而，在通信感知一體化的無(wú)人機(jī)上部署IRS仍面臨許多挑戰(zhàn)，如無(wú)人機(jī)的抖動(dòng)會(huì)對(duì)IRS相移矩陣的設(shè)計(jì)帶來(lái)困難，降低了IRS所帶來(lái)的性能增益。此外，IRS需要對(duì)發(fā)射端波束和IRS半無(wú)源波束等多種不同波束進(jìn)行聯(lián)合設(shè)計(jì)，增大了信道估計(jì)和波束成形的設(shè)計(jì)難度。

圖4 智能超表面輔助的無(wú)人機(jī)通信感知一體化示意圖

3.3 通信感知一體化輔助的無(wú)人機(jī)算力網(wǎng)絡(luò)

隨著未來(lái)通信系統(tǒng)對(duì)算力需求的不斷增加，用戶設(shè)備的本地計(jì)算資源將不足以支撐各類智能化業(yè)務(wù)，如AR/VR業(yè)務(wù)。一種潛在的設(shè)計(jì)方案是將計(jì)算資源部署到網(wǎng)絡(luò)邊緣，為用戶提供邊緣緩存與計(jì)算服務(wù)[13]?；谖磥?lái)通信系統(tǒng)的這一發(fā)展趨勢(shì)，無(wú)人機(jī)在通信和感知的基礎(chǔ)上，還需要引入計(jì)算能力。通信感知一體化輔助的無(wú)人機(jī)算力網(wǎng)絡(luò)示意圖如圖5所示，可在無(wú)人機(jī)上同時(shí)搭載邊緣計(jì)算服務(wù)器和通信感知一體化基站，構(gòu)建通－感－算互利共惠的無(wú)人機(jī)體系架構(gòu)。該架構(gòu)不僅能夠?yàn)橛脩籼峁┩ㄐ?、感知服?wù)，還能進(jìn)一步緩解用戶的本地計(jì)算壓力。值得一提的是，這里的感知不僅包括無(wú)線感知，還將擴(kuò)展到用戶的算力感知和算力需求感知。無(wú)人機(jī)將對(duì)用戶在空間上的業(yè)務(wù)分布進(jìn)行感知和分析，明確熱點(diǎn)地區(qū)的分布情況，并對(duì)不同區(qū)域用戶所需的算力進(jìn)行預(yù)測(cè)和判斷?；诖?，對(duì)不同算力的無(wú)人機(jī)進(jìn)行智能化部署，實(shí)現(xiàn)無(wú)人機(jī)通信感知一體化的靈活算力調(diào)配，以滿足未來(lái)各類智能化業(yè)務(wù)對(duì)算力的需求。然而，通信感知一體化輔助的無(wú)人機(jī)算力網(wǎng)絡(luò)仍面臨一些挑戰(zhàn)。首先，目前算力和通信感知性能的耦合關(guān)系不明確，缺乏算力和通信感知性能的聯(lián)合設(shè)計(jì)指標(biāo)，需要進(jìn)一步明確二者的聯(lián)合性能指標(biāo)和關(guān)鍵參數(shù)，并制定聯(lián)合通信感知性能的算力調(diào)度方案；其次，現(xiàn)有的感知方案多聚焦于對(duì)用戶位置的感知，缺少對(duì)用戶算力需求的感知方式，如何對(duì)地面的算力需求進(jìn)行感知仍需要進(jìn)一步探討；最后，目前的計(jì)算卸載方案局限于地面邊緣計(jì)算網(wǎng)絡(luò)，邊緣計(jì)算節(jié)點(diǎn)位置固定，難以滿足無(wú)人機(jī)的移動(dòng)性和靈活部署的需求，亟須設(shè)計(jì)一種通信感知一體化輔助的無(wú)人機(jī)網(wǎng)絡(luò)算力調(diào)配方案，權(quán)衡無(wú)人機(jī)的感知、通信和計(jì)算能力，提升無(wú)人機(jī)的資源利用率和整體性能。

圖5 通信感知一體化輔助的無(wú)人機(jī)算力網(wǎng)絡(luò)示意圖

4 結(jié)束語(yǔ)

本文提出了一種無(wú)人機(jī)通信感知一體化體系架構(gòu)，探討了實(shí)現(xiàn)該體系架構(gòu)的基本原理和其中通信感知性能的折中關(guān)系。在此基礎(chǔ)上，明確了利用無(wú)人機(jī)實(shí)現(xiàn)通信感知一體化需要突破的關(guān)鍵技術(shù)。最后，對(duì)無(wú)人機(jī)通信感知一體化的未來(lái)發(fā)展方向及挑戰(zhàn)進(jìn)行了展望。

[1] MOZAFFARI M, SAAD W, BENNIS M, et al. A tutorial on UAVs for wireless networks: applications, challenges, and open problems[J]. IEEE Communications Surveys & Tutorials, 2019, 21(3): 2334-2360.

[2] WU Q Q, XU J, ZENG Y, et al. A comprehensive overview on 5G-and-beyond networks with UAVs: from communications to sensing and intelligence[J]. IEEE Journal on Selected Areas in Communications, 2021, 39(10): 2912-2945.

[3] HU S Y, YUAN X, NI W, et al. Trajectory planning of cellular-connected UAV for communication-assisted radar sensing[J]. IEEE Transactions on Communications, 2022, 70(9): 6385-6396.

[4] MENG K T, WU Q Q, MA S D, et al. UAV trajectory and beamforming optimization for integrated periodic sensing and communication[J]. IEEE Wireless Communications Letters, 2022, 11(6): 1211-1215.

[5] JIANG W W, SHEN C, AI B. UAV-assisted sensing and communication design for average peak age-of-information minimization[C]//Proceedings of 2022 IEEE International Conference on Communications Workshops (ICC Workshops). Piscataway: IEEE Press, 2022: 1005-1010.

[6] LYU Z H, ZHU G X, XU J. Joint maneuver and beamforming design for UAV-enabled integrated sensing and communication[J]. IEEE Transactions on Wireless Communications, 2022(99): 1.

[7] 彭木根, 劉喜慶, 劉子樂(lè), 等. 6G通信感知一體化理論與技術(shù)[J]. 控制與決策, 2023, 38(1): 22-38.

PENG M G, LIU X Q, LIU Z L, et al. Principles and techniques in communication and sensing integrated 6G systems[J]. Control and Decision, 2023, 38(1): 22-38.

[8] 姜大潔, 姚健, 李健之, 等. 通信感知一體化關(guān)鍵技術(shù)與挑戰(zhàn)[J]. 移動(dòng)通信, 2022, 46(5): 69-77.

JIANG D J, YAO J, LI J Z, et al. Key technologies and challenges for integrated sensing and communication[J]. Mobile Communications, 2022, 46(5): 69-77.

[9] 江甲沫, 韓凱峰, 徐曉燕. 6G通信感知一體化系統(tǒng)的性能指標(biāo)[J]. 中興通訊技術(shù), 2022, 28(5): 39-45.

JIANG J M, HAN K F, XU X Y. Performance metric for 6G integrated sensing and communication system[J]. ZTE Technology Journal, 2022, 28(5): 39-45.

[10] 李國(guó)琳, 郭文彬. 雷達(dá)通信一體化波形設(shè)計(jì)綜述[J]. 移動(dòng)通信, 2022, 46(5): 38-44.

LI G L, GUO W B. Waveform design for integrated radar and communication: a survey[J]. Mobile Communications, 2022, 46(5): 38-44.

[11] MU J S, ZHANG R H, CUI Y H, et al. UAV meets integrated sensing and communication: challenges and future directions[J]. IEEE Communications Magazine, 2023(99): 1-7.

[12] LIU C X, HU X L, PENG M G, et al. Sensing for beamforming: an IRS-enabled integrated sensing and communication framework[C]//Proceedings of ICC 2022 - IEEE International Conference on Communications. Piscataway: IEEE Press, 2022: 5567-5572.

[13] 劉晨熙, 劉炳宏, 張賢, 等. 面向智能服務(wù)的霧無(wú)線電接入網(wǎng)絡(luò)：原理、技術(shù)與挑戰(zhàn)[J]. 智能科學(xué)與技術(shù)學(xué)報(bào), 2021, 3(1): 10-17.

LIU C X, LIU B H, ZHANG X, et al. Intelligent service oriented fog radio access network: principles, technologies and challenges[J]. Chinese Journal of Intelligent Science and Technology, 2021, 3(1): 10-17.

The National Key Research and Development Program of China (No.2021YFB2900200), The National Natural Science Foundation of China (No.62001047), The Young Elite Scientists Sponsorship Program by China Institute of Communications (No.YESS20200064)

UAV-enabled integrated sensing and communication:architecture, techniques, and future vision

LIU Chenxi, MA Rui, PENG Mugen

Beijing University of Posts and Telecommunications, School of Information and Communication Engineering, Beijing 100876, China

UAV emergency communication has been regarded as a typical application of the sixth generation mobile communication system (6G), and it can be flexible deployed and provide on-demand services. Meanwhile, integrated sensing and communication (ISAC) is a key feature and enabling technology for 6G. With the aid of the ISAC techniques, the spectral efficiency and the sensing accuracy of UAV emergency communication can be improved, while the system costs can be simultaneously reduced. However, how to efficiently integrate the ISAC techniques into the UAV emergency communication remains a hot and challenging research issue for both the academia and industry. Against these backdrops, a UAV-enabled ISAC architecture was proposed. Then, the fundamental principles that supported the proposed architecture were discussed. Finally, the future directions and challenges in UAV-enabled ISAC were provided.

integrated sensing and communication, unmanned aerial vehicle communication, intelligent service

TP393

A

10.11959/j.issn.1000–0801.2023029

劉晨熙（1989-），男，博士，北京郵電大學(xué)信息與通信工程學(xué)院副研究員、博士生導(dǎo)師，主要研究方向?yàn)闊o(wú)人機(jī)通信感知一體化網(wǎng)絡(luò)。

馬睿（1996-），男，北京郵電大學(xué)信息與通信工程學(xué)院博士生，主要研究方向?yàn)闊o(wú)人機(jī)通信感知一體化網(wǎng)絡(luò)。

彭木根（1978? ），男，博士，北京郵電大學(xué)信息與通信工程學(xué)院院長(zhǎng)、教授、博士生導(dǎo)師，網(wǎng)絡(luò)與交換技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室副主任，IEEE Fellow，中國(guó)電子學(xué)會(huì)會(huì)士，中國(guó)通信學(xué)會(huì)會(huì)士。主要研究方向?yàn)橹呛?jiǎn)無(wú)線網(wǎng)絡(luò)、空天地海一體化網(wǎng)絡(luò)、通信感知計(jì)算融合等。擔(dān)任《電信科學(xué)》副主編，期刊指導(dǎo)委員會(huì)委員，、、等期刊的編委等。

專題策劃人：彭木根

2023-01-15；

2023-02-07

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（No.2021YFB2900200）；國(guó)家自然科學(xué)基金資助項(xiàng)目（No.62001047）；中國(guó)通信學(xué)會(huì)青年人才托舉項(xiàng)目（No.YESS20200064）