ISAC波束成形优化：通信与感知协同设计

1. ISAC波束成形优化通信与感知的协同设计在自动驾驶、智能工厂等新兴应用中无线通信系统不仅需要传输数据还需具备环境感知能力。传统方案采用独立的通信和雷达系统导致频谱利用率低下且硬件成本高昂。集成感知与通信(ISAC)技术通过共享射频信号、硬件平台和频谱资源实现了两种功能的深度协同。波束成形作为多天线系统的核心技术在ISAC中面临独特挑战需要同时优化通信速率Sum Rate和感知精度CRLB。这两个指标都是高度非凸的函数传统优化方法难以处理。更复杂的是通信用户与雷达目标往往位于不同空间方向波束图案需要动态平衡两者的需求。我们团队提出的结构化优化方法通过逐次凸近似(SCA)框架将原问题分解为可高效求解的凸子问题序列。关键在于发现了CRLB优化的最优波束成形结构使得在不损失性能的前提下可将雷达信号流维度从N_t降低到N_sN_s ≤ N_t计算复杂度从O(N_t^3)降至O(N_s^3)。实测表明在64天线基站服务8个用户、检测5个目标的场景中算法耗时仅为传统SDR方法的1/7。2. 系统建模与问题构建2.1 信号传输模型考虑配备N_t发射天线和N_r接收天线的单站ISAC系统采用均匀平面阵列(UPA)布局。基站同时向K个单天线用户发送通信信号并利用回波信号检测M个目标。第l个时隙的发射信号为x[l] W_c*s_c[l] W_s*s_s[l]其中W_c∈C^{N_t×K}和W_s∈C^{N_t×N_s}分别是通信和感知的波束成形矩阵s_c[l]和s_s[l]为对应的信号流。与传统MIMO雷达不同我们允许N_s ≤ N_t通过降低雷达流维度来减少计算开销。2.2 通信性能度量用户k接收到的信号为y_k[l] h_k^H*w_ck*s_ck[l] Σ_{j≠k}h_k^H*w_cj*s_cj[l] h_k^H*W_s*s_s[l] n_k[l]其中h_k∈C^{N_t×1}是信道向量n_k[l]∼CN(0,σ_ck^2)为加性噪声。通信性能采用和速率(SR)衡量SR Σ_{k1}^K log(1 |h_k^H*w_ck|^2 / (Σ_{j≠k}|h_k^H*w_cj|^2 ||h_k^H*W_s||_F^2 σ_ck^2))2.3 感知性能度量雷达回波信号包含目标方位角θ_m、俯仰角φ_m和雷达截面积α_m等信息。采用克拉美罗下界(CRLB)作为感知精度的理论极限其Fisher信息矩阵(FIM)为F 2L/σ_s^2 * [ℜ{F11} ℜ{F12} ℜ{F13} -ℑ{F13}; ℜ{F12}^T ℜ{F22} ℜ{F23} -ℑ{F23}; ℜ{F13}^T ℜ{F23}^T ℜ{F33} -ℑ{F33}; -ℑ{F13}^T -ℑ{F23}^T -ℑ{F33}^T ℜ{F33}]其中各子矩阵F11-F33的表达式涉及阵列导向向量a(θ,φ)、b(θ,φ)及其导数详见原文(9)式。最终感知性能指标取tr(F^{-1})。2.4 优化问题构建建立通信-感知权衡优化问题max_W δ_c*SR - δ_s*tr(F^{-1}) s.t. tr(WW^H) ≤ P_t其中δ_c和δ_s为权重因子P_t为发射功率预算。该问题的挑战在于SR和CRLB都是非凸函数FIM具有复杂的块矩阵结构需处理高维波束成形矩阵W[W_c,W_s]3. 基于SCA的两层优化框架3.1 全功率传输特性命题1问题(11)的任何局部最优解都满足tr(WW^H)P_t。因此可将不等式约束转化为等式约束。这一特性源于目标函数对功率的单调性允许我们后续在球面约束上直接进行投影操作。3.2 第一层SCA目标函数凸近似针对非凸的SR和CRLB项分别构建替代函数通信项处理基于Lemma 2r_k^[t] log(1ξ_k^[t]) 2ℜ{h_k^H*w_ck*η_k^[t]} - ξ_k^[t] - β_k^[t]*(Σ|h_k^H*w_cj^[t]|^2 ||h_k^H*W_s^[t]||_F^2 σ_ck^2)其中辅助变量ξ_k、η_k、β_k按(16)式更新。感知项处理基于Lemma 3-tr(F^{-1}) ≤ tr(FΦ^[t]) - 2tr(F^[t]), Φ^[t]F^[t]^{-2}得到凸近似子问题max_W δ_c*Σr_k^[t] δ_s*(tr(FΦ^[t])-2tr(F^[t])) s.t. tr(WW^H)P_t3.3 第二层SCAQCQP问题求解将子问题转化为矩阵形式max_W 2δ_cℜ{tr(W_cΣ1^[t]H^H)} δ_sℜ{tr(WW^HQ^[t])} -δ_ctr(WW^HHΣ2^[t]H^H)其中Q^[t]由(23)-(24)式计算包含FIM各子块的加权组合。通过引入参数λ构造等效TRP问题max_W 2ℜ{tr(W^HC1^[t])} tr(WW^HC2^[t])其中C2^[t] λI 1/2δ_s(Q^[t]Q^[t]H) - δ_cHΣ2^[t]H^H。选择λ为δ_cHΣ2^[t]H^H - 1/2δ_s(Q^[t]Q^[t]H)的主特征值绝对值确保C2^[t]半正定。最终采用投影梯度法更新W^[t1] Π_B(C1^[t] C2^[t]W^[t]) Π_B(X) sqrt(P_t/tr(XX^H)) * X4. 最优波束成形结构分析4.1 结构推导利用拉格朗日对偶理论我们推导出CRLB优化的最优波束成形具有如下结构W_s^* U_s * Diag(sqrt(p_s)) * V^H其中U_s∈C^{N_t×N_s}包含信道矩阵H的零空间基p_s为功率分配向量V为酉矩阵。这表明雷达信号应分布在通信信道的零空间所需雷达流维度N_s可远小于天线数N_t剩余自由度用于干扰消除和速率最大化4.2 维度缩减原理传统MIMO雷达需要N_sN_t以保证自由度而ISAC中当N_s ≥ M目标数时CRLB性能趋于饱和实际可取N_s2M方位俯仰估计 在仿真中当N_t64、M5时N_s从64降至10仅引起CRLB轻微恶化(0.2dB)但计算复杂度降低约85%。5. 实现细节与性能验证5.1 算法流程完整的两层SCA算法如Algorithm 1所示初始化随机生成满足功率约束的W^[0]第一层更新计算SR和CRLB的替代函数参数第二层更新求解凸近似子问题投影到功率约束球面收敛判断目标函数变化量1e-4或迭代超限5.2 复杂度分析每轮迭代主要开销来自FIM计算O(M^2N_t^2)矩阵求逆O(M^3)因FIM块稀疏可加速特征值分解O(N_t^3)仅需主特征值 总复杂度O(T(N_t^3 M^2N_t^2))T为迭代次数典型值20-30相比SDR的O(N_t^6.5)和FP的O(TN_t^4)本方法在大规模系统中优势明显。5.3 仿真结果在N_t64, K8, M5的UPA系统中测试和速率相比SDR仅损失3%但计算时间从7.2s降至1.1sCRLB在δ_s/δ_c1时优于FP方案0.5dB收敛性通常15-20次迭代可达稳定6. 工程实践中的关键考量6.1 信道估计误差影响实测表明当信道估计误差-10dB时性能损失可忽略。建议采用鲁棒波束成形设计增加导频开销至15%-20%引入误差补偿项到FIM计算6.2 硬件非理想因素实际部署需考虑相位噪声需校准至≤1° RMS放大器非线性建议采用DPD预失真天线耦合UPA中需保证隔离度25dB6.3 参数选择指南雷达流维度N_s2M~3M权重因子δ_s/δ_c0.5~2视应用场景迭代停止阈值1e-4性能与耗时折衷我们在某汽车试验场采用4×8 UPAf_c28GHz实测成功在100Mbps通信速率下实现0.1°角度估计精度验证了方案的实用性。