Downlink Sensing in 5G-Advanced and 6G: SIB1-assisted SSB Approach

摘要——本文研究了利用现有5G NR信号进行网络侧集成感知与通信（ISAC）的潜力。通常，由于其频繁的周期性可用性和波束扫描特性，同步信号块（SSB）是适合用于下行感知的候选信号。然而，正如本文所示，仅使用SSB存在与雷达模糊性相关的挑战，并且由于带宽和每波束时间持续性的限制，也限制了距离和速度分辨率。随后，提出了一种新方案，通过将SSB与下行控制信息（downlink control information，DCI）和系统信息块1（system information block 1，SIB1）符号相结合来解决这一问题。讨论了如何优化和配置SIB1的相关影响和变体，涵盖了5G的发展和潜在的6G解决方案。通过在3.5 GHz和28 GHz的网络部署中进行现实的数值评估，评估了所提出方法的性能，并显示与仅使用SSB相比，雷达峰值旁瓣水平（peak sidelobe level，PSL）抑制可达到25 dB。此外，感知分辨率提升了120%至190%。

关键词——5G-Advanced、6G、集成感知与通信、传感器网络、OFDM雷达、雷达模糊性、SIB1、SSB。

基于以上动机，本文研究了基于SSB的下行（DL）感知的可行性，重点探讨了在当前NR规格下的实际部署应用。此外，本文还介绍了一种增强技术，通过联合利用SSB、系统信息块1（SIB1）和下行控制信息（DCI）来增强下行感知的性能，SIB1和DCI都指向相同的方向进行波束赋形。SIB1和DCI分别由PDSCH和PDCCH符号携带，这些符号专门用于SIB1消息[15]。此外，它们以波束扫描的方式进行传输，从而实现良好的环境感知的全角覆盖。我们描述了不同SIB1优化和配置的替代方案，允许在5G-Advanced网络中进行不同的应用，或者为6G标准化铺平道路。通过具体的数值示例，我们展示了符合当前5G NR规格的建议方法，在3.5 GHz和28 GHz网络部署中相比仅使用SSB的下行感知，能够显著提高性能。

B. Proposed SIB1-Assisted Approach

系统信息（SI）承载在SIB上，是为了在小区搜索过程中确保通信设备（UEs）能够正确连接到网络。被称为最小SI的基本SI建立在两个始终开启的信号上：DCI，周期为80 ms，以及SIB1，周期为160 ms。SIB1由DCI调度，并由PDSCH承载，而DCI由PDCCH承载。在下面的描述中，DCI指代调度SIB1的DCI。

通常，通信用户监视搜索空间中的PDCCH，通过重复解码相应控制资源集（control resource sets，CORESET）中的PDCCH。每个CORESET块的最大长度为2或3个OFDM符号，持续时间取决于PDSCH前加载的DMRS是否位于时隙的第三个或第四个符号中。然而，在频域上，CORESET的大小被限制为6个PRB的倍数，并且由载波带宽限制。CORESET0是第一个CORESET，它由MIB参数配置，并包含PDCCH，用于调度剩余的最小SI，即SIB1。由于CORESET0仅配置了少量MIB位，因此它的分配数量是有限的，可能的配置见文献[24]。

gNB将DCI和SIB1广播到与SSB波束扫描相同的方向，如图2所示。因此，除了SSB符号外，定制额外的SIB1符号可以改善给定方向上小区覆盖区域内的雷达距离和速度估计，这是由于带宽和时间持续性的扩展。通过SSB和SIB1推导的雷达范围-角度和范围-速度剖面可以交替使用，作为滤波器来解决估计模糊性。通过第四节中的数值结果以及SIB1辅助方法中不同OFDM符号集的精确算法方法，进一步说明了如何使用这些符号集来构建最终的组合距离-角度和速度-角度剖面。

C. 5G-Advanced vs. Potential 6G Variants

接下来，我们描述了不同的可行实现变体，使得 bi-static/multi-static 感知也是可行的，或者UEs可以通过下行SLAM（同步定位和映射）参与感知，使用已知的传输波形。为此，SSB中的数据（包括PSS、SSS和PBCH）被视为时间函数上的静态数据，而SIB1携带的数据，如随机接入的 mandatory information，则可能随时间变化。因此，我们预见到以下三种变体，如下所述：

1. 变体 1：假设SIB1除非另行信令，否则保持不变。此方法适用于5G-Advanced和6G。UE可以通过如分页消息等方式获知，而其他gNB可以通过可用的Xn信令获知。在这种情况下，UE可以在SIB1解码后使用该SIB1进行感知，直到接收到即将变化的指示符。一般来说，gNB根据当前感知需求配置SIB1的周期性。

2. 变体 2：重新定义SIB1，使信息被分为两个部分——这意味着可能是6G的一个方法。第一部分包含不变的适用于感知的信息，这些信息在PBCH中几乎是稳定的。当需要更新时，可以进行系统信息更新或小区重置。第二部分则包含未用于感知的可变信息。第一部分和第二部分的多路复用可以被设计，以最大化感知的适应性，即第一部分可以以类似PDSCH的带宽组合模式分布。

3. 变体 3：假设SIB1在固定的预定义周期内保持不变。参与感知的UE需要在每个周期开始时检测和解码SIB1。其他gNB可以通过Xn信令获知，当追求双静态网络感知时，SIB1可以包含有关gNB在该周期内遵循的SIB1传输周期性的参数，以及定义静态SIB1时间周期的参数（即周期和时间偏移）。

IV. NUMERICAL RESULTS

在本节中，提供了一组数值结果，旨在简化展示单基站（gNB）基于单静态感知场景的情况。仅使用SSB的感知方法作为基准参考，随后与提出的基于SIB1辅助的方案进行比较。同时，提供了基本的感知链路预算（sensing link budget results）结果。

A. 场景和假设

考虑的感知场景包含8个非静态雷达目标，这些目标在gNB基于ISAC系统的感知覆盖区域内移动。考虑了3.5 GHz和28 GHz网络，基本参数包括gNB的有效各向同性辐射功率（effective isotropic radiated power，EIRP）和噪声系数，详见表I。信号通过双向LOS（视距）信道传播，每个点目标假设仅从每个目标接收到一个反射信号，并且没有地面杂波（ground clutter）。假设使用非波动模型来描述目标的RCS（雷达散射截面），8个目标的RCS数值为$[1,1,2,2,2,5,30,30]$ m²。较小的RCS值对应行人和骑行者类型的目标，而较大的RCS值则对应于车辆或卡车。感知场景如图3所示，考虑到蓝色圆圈代表雷达目标在感知覆盖区域内的移动，而这些圆圈的大小与目标RCS值相关。

为了从不同的方位角方向构建雷达图，需要足够数量的照射波束指向雷达目标。假设gNB的发射（TX）和接收（RX）天线阵列分别由在FR1处的$8\times 8$均匀矩形阵列（URAs）和在FR2处的$16\times 16$ URAs组成。小区的角度覆盖或分区操作限制在方位角方向上在$[-60^{\circ },60^{\circ }]$范围内，并且波束扫描的角间隔在FR1处为$15^{\circ }$，在FR2处为$1.8^{\circ }$。周期图通过$M_{per}$-point 点IFFT和$N_{per}$-point 点FFT运行，选择的参数是传输的OFDM符号总数和传输网格中子载波总数的两倍。在本研究中，单个波束扫描的下行（DL）网格包括4个OFDM符号和20个PRB，DCI被假设安排在2个OFDM符号和48个PRB中，SIB1则分配在12个OFDM符号和8个PRB中。这三个信号在时间上是时分复用的。

B. Link Budgets at FR1 and FR2

在实际的感知结果之前，我们首先通过基本的链路预算简要评估可行的感知距离。链路预算结果集中在基于SIB1的方案，其中总资源网格包含SSB、DCI和SIB1。链路预算结果在表I中给出，显示了最大目标距离作为SCS、gNB EIRP、热噪声功率、双向自由空间路径损耗（free-space path loss，FSPL）、目标RCS、接收天线增益（$G_{RX}$）以及所需的最小接收信噪比（SNR${}_{min}$，假设为-10 dB）的函数。

在实际的雷达信号处理之前，最大传输功率根据DCI分配设置，FR1和FR2的带宽分别为17.28 MHz和69.12 MHz。

基于表I中的数值结果，SIB1辅助方法的带宽增加（因此噪声功率增加）并不会本质上限制感知距离——即使在低EIRP值（大约+45 … +55 dBm）下也是如此。在接下来的感知实验中，我们假设FR1的EIRP为+45 dBm，FR2的EIRP为+65 dBm，从而确保图3中显示的所有目标都在可行的感知距离范围内。

还需要指出的是，如果DCI和SIB1之间存在空的OFDM符号，由于CORESET0分配和SIB1在PDSCH中的DMRS位置，速度估计无法充分利用每个时隙中的14个OFDM符号。因此，接收信号的相位不连续性会在速度剖面中产生额外的旁瓣，这些旁瓣来自非分配的OFDM符号。此外，SSB的累积速度剖面（accumulated velocity profile）也会受到额外旁瓣的影响，这些旁瓣源自贡献SSB信号之间的符号间隙。

C. Sensing Results at FR1 and FR2

在SIB1辅助的感知处理中，距离-角度剖面是通过将来自两个OFDM符号集的初步估计结合起来计算的：4个OFDM符号的SSB信号，以及2个OFDM符号的DCI信号。通过IFFT对每个波束扫描计算一个单一的距离剖面，方法是将6个距离剖面在OFDM符号上进行相干叠加。通过对获得的SSB和DCI剖面进行逐元素乘法，最终得到结果。具体的插图显示在图4(a)和图5(a)中，表明在两个频率范围内，通过SIB1辅助方法，相比普通的SSB基准结果，距离分辨率得到了显著改善。类似地，通过将4个OFDM符号的SSB信号和携带SIB1的时隙（14个OFDM符号）结合，获得了距离-速度的改进。由于SIB1配置的时长，逐元素乘法后的最终剖面明显改善。图4(b)和图5(b)进一步展示了在FR2频段内，特别是在波束扫描更密集的情况下，速度剖面的模糊度水平可达到的降低。

接下来，图6展示了雷达能力，分别以目标距离模糊性（$\Delta R$）和速度模糊性（$\Delta v$）为标准，针对一个单点目标，使用三个NR信号：SSB、SIB1和PDSCH作为参考。该目标距离gNB为140米，速度为27 m/s。作为参考的PDSCH配置为20个连续的下行重负载时隙（DL-heavy slots），在时间域中占据60 kHz SCS下的130个PRB以及120 kHz SCS下的250个PRB，分别用于FR1和FR2。每个剖面是一个正弦形函数，峰值位于目标的真实距离或真实速度位置。影响探测模糊性（detection ambiguity）的因素包括雷达的距离-速度分辨率、雷达PSL（峰值旁瓣水平）、以及从主波束中心到旁瓣的距离。

从图6的距离剖面中可以观察到，SSB+DCI组合优于仅SSB，额外提供了23 dB的PSL抑制，且具有超过142%的距离分辨率提升——这可以理解为3 dB主波束宽度——而旁瓣出现在FR1和FR2处距离主波束30 m和7 m的地方。此外，使用2个波束的SSB+SIB1的速度剖面显示了16 dB的PSL改善和超过190%的速度分辨率提升。由于FR2处波束数量较多，7个相邻波束的反射对速度估计有建设性贡献。速度剖面在FR2处有超过25 dB的PSL改善。其峰值旁瓣位于120 m/s和45 m/s的真实速度下，分别距离FR1和FR2的目标60 m和45 m。所获得的PSL和分辨率改进的性能总结在表II中。