基于USRP的通感一体化解决方案
进入6G时代，无线通信频段向毫米波、太赫兹等更高频段发展，逐渐与传统的雷达感知频段交叠，在相同频谱上实现感知与通信的融合，不仅可以提升频谱资源利用率，还可以缓解传统无线频谱资源紧张的问题。通感一体化技术，简单来说，就是基于我们现在的蜂窝移动通信网络（通信能力），叠加上类似雷达的功能（感知能力），对周边的无人机、汽车或轮船等物体进行探测跟踪。
狭义的通感一体化是指具有测距、 测速、测角、成像、目标检测、目标跟踪和目标识别等能力的通信系统，早期也叫做“雷达通信一体化”。而广义的通感一体化，则是指具有感知一切业务、网络、用户和终端，以及环境物体的属性与状态的通信系统，其在感知的上可具有超出传统雷达的能力。
整体架构
通感一体化系统硬件平台整体架构如图1所示，其中SDR-LW/USRP-LW系列的软件无线电硬件作为通感一体化收发设备，在发射信号服务通信用户的同时，接收回波信号以实现对多个目标的感知。
硬件平台整体架构示意图
通感一体化协议与信号处理框架
通感一体化协议
通感一体化协议如上图所示，考虑一个相干处理间隔内的信号处理过程，在此期间，用户与收发端的信道以及目标状态（例如，速度与位置）基本保持不变。一个相干处理间隔被划分为两个阶段：
1）同步与粗感知阶段，该阶段复用通信同步资源对目标进行粗感知；
2）通信与精感知阶段，该阶段复用下行传输资源对目标进行精感知。
同步与粗感知阶段由B个同步信号块（Synchronization Signal Block，SSB）构成，发射端在每个SSB改变一次波束方向进行波束扫描，从而向覆盖范围内的用户广播同步信号。同时，接收端接收回波信号，进行目标检测与目标方位粗估计。
通信与精感知阶段分为s个波束对准块（Beam Alignment Block，BAB），其中B表示在同步与粗感知阶段检测到目标或同步到用户的方向数。在该阶段中，发射端依次产生对准这些方向的波束，每个波束持续一个BAB，从而实现与用户的通信以及对目标的测距与测速。具体而言，对于仅有目标/用户的波束，发射端发射占用所有时频资源的感知/通信波形以进行目标状态估计或用户数据传输。对于同时存在目标与用户的波束，发射端发射通感一体化波形以同时估计目标状态并与用户通信。
下图所示为本方案的信号处理框架。在同步与粗感知阶段（如图3（a）所示），通过上位机控制USRP发射SSB信号服务用户同步，同时接收回波信号对目标进行检测与方位估计。在通信与精感知阶段（如图3（b）所示），通过上位机控制USRP，根据波束覆盖范围内用户与目标的存在与否发射不同波形，在与用户通信的同时对目标进行测距测速。
（a）粗感知与同步阶段
（b）精感知与通信阶段
核心技术
目标检测与方位粗估计
在粗感知过程中，接收端利用每个SSB中接收到的回波信号，对目标进行检测与方位粗估计。然而，一方面，由于单个SSB占据的时频资源有限，仅利用单个扫描波束下的回波信号进行粗感知存在信号处理增益低问题。为此，本方案设计一种空域增强的时延多普勒（Delay-Doppler，DD）谱检测器，对多个扫描波束的回波信号进行联合处理以获取空域分集增益。在该检测器中，首先对不同波束下回波信号进行相位校准以进行相干叠加，随后对各信号进行最大比合并以充分获取分集增益。另一方面，针对波束扫描分辨率有限导致的目标方位估计精度低问题，本方案设计一种基于时空联合信号处理的方向估计方法，实现对多目标的超分辨率方向估计。
对上述方法进行初步仿真验证，如图（a）所示，相比于单波束目标检测方法，基于多波束联合目标检测可实现更高的检测成功率。如图4（b）所示，所提出的基于时空联合信号处理的方向估计方法不受波束扫描分辨率限制，可实现超分辨率角度估计。
粗感知性能
目标测距与测速
在精感知过程中，接收端利用每个BAB中接收到的回波信号，对目标进行测距与测速。为此，本方案首先基于DD估计对每个波束进行多目标测距与测速。随后，针对波束重叠导致的目标重复估计问题，本方案提出了一种DD谱对比方案以排除重复估计的目标，并提升目标角度估计的精度。
通感一体化波形设计
资源分配示意图
在通信与精感知阶段，对于同时存在目标与用户的波束，设计一种基于正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）的通感一体化波形以实现同时估计目标状态并与用户通信。具体来说，如图5所示，每个BAB中的时频资源被划分为两部分，其中，主要资源被分配用于下行传输，剩余少部分资源用于优化通感一体化波形的感知性能。需要说明的是，感知功能不仅利用波形优化资源，同时复用下行传输资源以提高信号处理增益。
由于感知功能复用下行传输资源，通信符号的随机性不可避免地会降低通感一体化波形的感知性能。为此，可通过波形优化资源上的符号设计，优化通感一体化波形感知性能。对上述方法进行初步仿真验证，图6所示为对通感一体化波形模糊函数的峰值旁瓣比（Peak-to-Sidelobe Ratio，PSLR）进行优化的效果，其中，波形优化资源占总资源的30%，经过波形优化后，通感一体化波形模糊函数的PSLR显著降低，有利于多目标参数估计精度与分辨率的提升。
通感一体化波形模糊函数PSLR优化
典型应用场景
该系统可用于验证测距与测速应用场景，实现对多个目标的感知。