上行通感算融合的性能分析与速率区域刻画.pdf

第48 卷总第52 3期上行通感算融合的性能分析与速率区域刻画杨君怡，付宇*，李长乐（西安电子科技大学空天地一体化综合业务网全国重点实验室，陕西西安7 10 0 7 1）【摘要】对车联网场景下通信、感知和计算融合的性能进行分析。对于通感一体化（ISAC）上行链路，通过分析分集阶数和高信噪比（SNR）斜率来评估通信和速率（CMR）和感知速率（SR），同时推导了通信和速率（CMR）、感知速率（SR）和计算和速率（CPR）的一般形式。此外，对可实现的上行CMR-SR-CPR区域进行表征。仿真结果表明，通信、感知和计算融合可以为CMR、SR和CPR提供比传统的频分通信感知和计算系统更高的增益。【关键词】车联网；性能分析；通感一体化；移动边缘计算；速率区域doi:10.3969/j.issn.1006-1010.20240124-0001中图分类号：TN929.5文献标志码：A文章编号：10 0 6-10 10(2 0 2 4)0 3-0 12 1-0 4引用格式：杨君怡,付宇,李长乐.上行通感算融合的性能分析与速率区域刻画.移动通信,2 0 2 4,48(3)：12 1-12 4.YANG Junyi,FU Yuchuan,LI Changle.Performance Analysis and Rate Region Characterization of Uplink Cooperative Sensing,Communication and ComputationJJ.Mobile Communications,2024,48(3):121-124.Performance Analysis and Rate Region Characterization of Uplink IntegratedAbstractThis paper analyzes the performance of integrated sensing,communication,and computing in vehicular network scenarios.Focusing on the integrated sensing and communication(ISAC)uplink,we evaluate the communication sum rate(CMR)andsensing rate(SR)by analyzing the diversity order and the slope at high signal-to-noise Ratio(SNR).Furthermore,we derivegeneral expressions for CMR,SR,and computing sum rate(CPR).Additionally,we characterize the achievable uplink regionfor CMR-SR-CPR.Simulation results indicate that integrated sensing,communication,and computing provides higher gainsfor CMR,SR,and CPR compared to traditional frequency-division systems for communication,sensing,and computing.KeywordsOSID:Sensing,Communication and ComputingYANG Junyi,FU Yuchuan,LI Changle(State Key Laboratory of Integrated Services Networks,Xidian University,Xian 710071,China)internet of vehicles;performance analysis;integrated sensing and communications(ISAC);mobile edge computing;rate region扫描二维码与作者交流移动通信0引言传统车联网（IoV,InternetofVehicles）中的通信、感知、计算等多系统采用割立分治设计与性能优化的方式已不能满足自动驾驶对精准感知、信息的极低时延、极高可靠传输及处理需求。随着近年来人工智能和6 G技术的发展，车联网通感算一体化（ISCC,Integrated Sensing，Computation and Communication）正在成为一种趋势，对智能交通系统的发展具有重要意义。得益于信号处理和计算纳米技术的最新进展，移动边缘计算（MEC，M o b i l e收稿日期：2 0 2 4-0 1-2 4*基金项目：国家自然科学基金重点项目“车联网通感算一体化理论与方法”（6 2 2 310 2 0）*通信作者EdgeComputing）协同通感一体化（ISAC，I n t e g r a t e dSensing，a n d C o m m u n i c a t i o n）技术将是实现ISCC的一种有前途的方法2-1。ISAC允许感知和通信（S&C）共享相同的时间、频率、功率和硬件资源，与频分感知和通信(FDSAC,Frequency-division Sensing and Communication)技术相比，ISAC不需要独立的频带和硬件基础设施，因此更具频谱、能量和硬件效率4-。另一方面，MEC通过将计算能力下沉到接近分布式设备的无线基础设施，可以极大地减少计算卸载延迟6-7 。为了满足自动驾驶的极高性能要求，如极低延迟、高可靠性和更高的传输速率，未来的车联网应该逐步提高通感算一体化的程度。目前ISAC领域的大部分研究都集中在波形或波束形成设计上。与此相反，ISAC系统的基本性能分析只有少量工作。文献9 中Liu等人对ISAC基本极限的研究1212024年3月第3期第48 卷“6G通感算融合”专题总第52 3期进展进行全面综述。首先对传统的无线电感知（如雷达感知和无线定位）和ISAC提出了一种系统级的分类方法，然后分别总结了感知、通信和ISAC中使用的主要性能指标和界限，最后介绍了各类基本极限的最新研究进展。文献10 中Xiong等人考虑了向量高斯信道下点对点（P2 P,Po in t-t o-Po in t）的ISAC模型，提出使用CRB-rate区域作为描述基本S&C权衡的基本工具，特别是描述了CRB-rate区域中两个角点处的S&C性能，并为可实现的CRB-rate区域提供了一个外部边界和各种内部边界以及可达策略。研究结果揭示了ISAC系统中的双重折衷，分别由依赖于S&C使用的资源分配和数据调制方案的子空间折衷（ST，Su b s p a c e T r a d e o ff）和确定随机性折衷（D RT,D e t e r m i n i s t i c-Ra n d o m T r a d e o f f）组成。文献11中Kumari等人通过雷达感知的CRB度量和通信的最小均方误差度量，从估计理论的角度讨论了具有单个通信用户（C U，C o m m u n ic a t io n U s e r）的ISAC系统中的通信和感知的性能折衰。从信息的角度来看，ISAC系统的S&C性能由感知速率和通信速率两个指标进行评估，这两个指标可以来评估恢复多少环境信息或数据信息的信息理论限制。文献12 中Chiriyath等人从信息论的角度对单CU的ISAC系统中实现的通信感知速率（SR-CR）区域进行了表征。文献13 中Yuan等人优化了具有单个通信用户终端（U T,Co m m u n i c a t i o n U s e r T e r m i n a l）的下行链路MIMO-ISAC系统中通信速率和感知速率的加权和。该工作更多地集中在双功能S&C（D FSA C,D u a l-Fu n c t i o n a l Se n s i n gandCommunication，）预编码设计上，没有考虑信道衰落和多用户干扰的影响，也忽略了对ISAC系统基本性能的讨论，如分集阶数和高信噪比（SNR，Si g n a l-t o-No i s eRatio）斜率。进一步地，文献14 中Ouyang等人将Yuan等人的工作扩展到多用户情况，并讨论了通信速率和感知速率的高SNR斜率以及SR-CR区域的内部边界。以上这些工作讨论了ISAC的主要特征，并从信息论的角度分析了其性能。ISAC的典型信息论性能指标包括雷达感知的估计或感知速率和通信速率，可以根据这些指标在车联网中分配各种资源。然而，现有工作集成了通信和感知，缺乏对车联网系统中异构计算能力的考虑。为了促进车联网通信、感知和计算的融合，需要权衡它们之间的性能关系以及三者的内在冲突。因此，本文考虑移动边缘计算（MEC）辅助的通感一体化（ISAC）范式，针对通信、感知和计算融合的基本性能进行分析。由于下行链路的计算结果通常很小，为便于分析，计算结果的回传过程一般都会被忽略5，因此本文重点关注上行链路。首先介绍整个ISAC系统的组成以及具体的场景描述，然后从信息论的角度推导通信和速率、感知速率和计算和速率的一般形式，以及高SNR下通信和速率、感知速率近似表达，最后通过对比仿真验证所提方案的性能。1系统描述如图1所示的场景，一个ISAC基站服务于K个单天线的车辆用户设备（VUEs，V e h ic le U s e r D e v ic e s），同时感知附近环境以确定VUEs的位置和速度。BS配备了两个空间广泛分离的天线阵列，即N，（N,K）根发射天线和N,（N,K）根接收天线，其结构如图1所示。在本文中考虑MIMO雷达的结构，其中接收天线被广泛地分离。在这种情况下，可以忽略接收天线之间的空间相关性6 。通信&感知目标上行ISAC上行ISAC第二阶段第一阶段YYLY接收天线发射天线(Nr根）(N根）一通感一体化基站服务器图1系统模型上行ISAC（U-I SA C，U p li n k I SA C）可以分为两个阶段14：首先，BS广播雷达波形S来感知附近的环境；其次，BS同时接收VUEs反射的雷达波形和VUEk的计算卸载信号。BS总的计算能力为F（单位：CPUcycle/s），可以处理卸载的计算任务大小D，（单位：bit），并从信号感知雷达目标，BS接收到的总信号如下所示：Y-2h.x+GHS+N其中，Y=yayuJleC,hu C是从VUEk到BS接收k=1天线阵列的上行信道向量，Xu,=xu,k,a,k,eC*是从VUEk发送的信号会受功率约束的影响。S=ss,eCxL(LN,LN,)是雷达波形，Si ECN(leL=l.,L)表示第1个时隙的波形。G=g.gx,eCM是目标响应矩阵（T RM，T a r g e t Re s p o n s e M a t r i x）。对于通信和感知而言，目标响应矩阵包括大规模路径损耗和小规模衰落，不同多路径分量的路径损耗会随着根据附近VUEs的速度及其位置的不同而不同。根据文献14 有gCN(0,R)(VnE(l,N,3)并且有E(g.g)=0(Vn*n),N=nnn,eC是AWGN,n,CN(0,IL)(Vn)，E(n,n)=0(Vn n)。由于省略接收天线之间的相关性，因此haaCN(0,IM)和E(hauh3=0(Vkk),此外，本文假设BS知道hu.和R的全部信息。在BS收到通感一体化信号回波信号计算卸载信号(1)122移动通信2024年3月第3期第48 卷总第52 3期杨君怡，付宇，李长乐：上行通感算融合的性能分析与速率区域刻画Yu之后，它可以利用基于连续干扰消除（SIC，Su c c e s s i v eInterferenceCancellation）来解码卸载信号xu以及感知TRMG。具体来说，BS首先将雷达波形视为干扰，对xu进行解码。然后，可以从Y.中减去xk，其余部分将用于感知2 。2性能分析2.1通信性能在上行ISAC的第1个时隙，BS接收：KYa,=-Zh.ti/+Gs,+n.k=其中，na，CN(O,Ix）)表示N的第1列，融合干扰加噪声b,=GHs,+n,eCN被视为高斯噪声。根据信息论基本原理以及文献14、17 ，第1个时隙的上行通信和速率（CM R,Co m m u n i c a t i o n Su m Ra t e）由下式给出：Ra,=log,det(l+2p.ha.h,wrl)其中，P表示通信信噪比，H,=ha.h.xeCW,=E(b,b)=I，=1+Is Rr s)l。因此，CMR可以简化为：Ra,=log,det(I+p.qhah)。由于CMR随时隙l而变化，本文利用Ru,相对于I的期望来评估上行通信链Ergodic Communication Rate）为Ru,cm=E(R)，在高信噪比条件下，遍历容量满足14：1lim Ru.om=Klog2 Pe+Pe2.2感知性能在解码VUEs发送的所有信息位后，BS可以从Y中去除含。其余部分可用于感知，表示为Y-Gs+Nk=1感知互信息（MI，M u t u a lI n f o r m a t io n）是在给定S的条件下接收信号Y与TRMG之间的互信息18 ，由下式给出：I(Y,;Gl S)=h(Y,I S)-h(Y,I G,S)=h(Y,I S)-h(N)(5)其中h(.)表示随机变量的嫡。记y=yayanleCx,，其中yl=gS+n，当n,cN(0,I)被视为高斯噪声时，有E(yny)=EsRS)+IL,所以ysnCN(o,sR.S+IL),由于Y，的列是独立的同分布的，有：I,=I(Y,;Gl S)=N(h(ysn)-h(n,)=Nlog,det(I,+SR,S)(6)假设每个波形符号持续1个单位时间，可以得到最大单位时间内的上行链路的感知速率（SR，Se n s i n g Ra t e）为：Ra,=NLmax,log,det(I,+SR,s)tr(ss)p,式(7)中p表示感知信噪比，根据文献14 证明并得到以下定理：并且有mx0.-=R。当sR最大化时ss-U/-U.Mm=1A*=diag(ai.,am)。当p,0时，可以得到：Ru.NM1og2 P,+LM2.3 计算性能假设每个VUE都有一个计算密集型任务，可以用元组表示，即Task=(Dk，Ch)，其中D,表示数据大小（以bit为单位），C表示计算强度（以CPUcycle/bit为单位），其值依赖于计算任务大小Dk。每个任务都有一个最大可容忍的延迟Tmax。本文考虑任务只能卸载到BS进行处理的情况，(2)并使用二进制卸载协议进行处理19。定义fb.为BS分配给VUEk的计算资源（单位：CPUcycle/s），则BS处理VUEk,VkEK。BS处理VUE卸载计算任务的计算速率为R=Ckk卸载计算任务的时延T，DCkpr,kBS接收VUEk计算任D务传输时延T.=引人时延阅值T需满足：(3)DRCkDmax0,VkeK.(9)maxR.则可以得到最大化下BS处理VUEk的计算和速率(CPR,Computation Sum Rate):Rue=,max.2.4速率区域表征本节旨在探讨ISAC和FDSAC系统的通信感知计算速率区域。本文不考虑功率分配的影响，只考虑ISAC和(4)FDSAC系统下通信感知计算速率区域的另一种情况，即n2a=1210g.VmMp和p,受约束p。=0,P.和p.=0,P,的影响，其中p(),和pO)。分别表示最大通信SNR和最大感知SNR。对于本文所考虑的ISAC系统可实现的上行速率区域满足：(Rem,R,Rap)Rem E0,R.em,R,e0,Ru.,Rep e0,Ru.p,P,E0,p,P.=pe(11)对于上行FDSAC（U-FD SA C）系统，假设系统总带宽的=0,1比例用于通信，为频分系数。利用MMSE-SIC解码和最优雷达波形，同理可推SR为：N(1-)Rmax log,det(I,+ECR为:Racm=E(alog,det(I+可以得到最大化下CPR：Rrto=_maxrCkmaxEJosFvkek对于FDSAC系统，上行速率区域满足：(7)(Rcm3仿真与结果分析本节由两部分组成，第一部分介绍仿真设置，第二部分分析性能。123(8)(10)1-SR,S)1-PZh.h)u.kDCDkRem=0,Ram,R,e0,Ra,Rop 0,Raepe0,1,p。=p e,P,=p s移动通信2024年3月第3期(12)(13)(14)(15)第48 卷“6G通感算融合”专题11总第52 3期3.1仿真设置仿真结果将用于评估ISAC系统S&C和计算的性能，并验证所分析结果的准确性，用于仿真的系统参数如下：N=2，N=2,L=4,K=4,D,=1000,2000 bit,C,=400,1000 CPUcycle/bit，F=10 7 CPU c y c l e/s。根据文献14、2 0 将R,的第(i,J)个元素设为0.7 l-1，而R,=R的第(i,j)个元素设为0.8 -J。本文通过MATLAB仿真对比ISAC和FDSAC系统S&C和计算性能。3.2仿真结果分析对ISAC和FDSAC可实现的CMR-SR-CPR区域进行严格的比较很具有挑战性。作为折衷方案，在图2、图3中提供了一些数值结果来进行启发式探索。三维速率区域：5432-121.5感知速率SR bps/Hz 图2 三维CMR-SR-CPR速率区域（最大通信SNR，p()=5d B;最大感知SNR，P(),=10 d B)图2 刻画出U-ISAC三维速率边界，它是不同通信SNRP=O,p和不同感知SNRP,=O,P,下ECR、SR和CPR三者之间最优的速率曲面，可以看到曲面下方为可实现的速率区域，由于ECR、SR和CPR之间的内在冲突，曲面上方为不可实现的速率区域。三维速率区域：5U-ISACJU-FDSAC30-121.5感知速率SRbps/Hz图3三维CMR-SR-CPR速率区域比较（频分系数=0.5，最大通信SNR，p()=5d B，最大感知SNR，p()=10 d B)124移动通信2024年3月第3期图3比较了U-ISAC和U-FDSAC的速率区域，它们分别是不同通信SNRP。=0,P 和不同感知SNRP,=0,P,下ECR、SR和CPR三者之间最优的速率曲面。可以看出，U-FDSAC的速率边界集中在低CPR区域，而U-ISAC的速率边界集中在高ECR和高CPR区域，U-FDSAC的速率边界大多被U-ISAC覆盖，这说明U-FDSAC的可实现的三维速率区域远小于U-ISAC，同时也说明了通信、感知和计算融合可以为CMR、SR和CPR提供比传统的频分通信、感知和计算系统更多的自由度。然而，值得注意的是在高ECR和低SR区域中，U-FDSAC产生的CPR略高于U-ISAC。4结束语4本文分析了车联网场景下上行通信、感知和计算融合的系统性能，同时推导了CMR、SR和CPR的一般形3.5式来分别描述ECR、SR、C PR和三维CMR-SR-CPR速32.521.510.52.6012.42.20.52010.5率区域。仿真结果表明，通信、感知和计算融合可以为CMR、SR和CPR提供比传统的频分通信感知和计算系统更高的增益。对于未来的工作，将进一步探讨下行链路的性能以及车辆的移动性对系统性能带来的影响。参考文献：-0.51 马忠贵，李卓，梁彦鹏自动驾驶车联网中通感算融合研究综通信速率CMRbps/Hz述与展望.工程科学学报，2 0 2 3,45(1)：137-149.2 Zhao L,Wu D,Zhou L,et al.Radio Resource Allocationfor Integrated Sensing,Communication,and ComputationNetworksJ.IEEE Transactions on Wireless Communications,2022,21(10):8675-8687.3 Ding C,Wang J-B,Zhang H,et al.Joint MIMO Precoding andComputation Resource Allocation for Dual-Function Radarand Communication Systems With Mobile Edge ComputingJ.IEEE Journal on Selected Areas in Communications,2022,40(7):2085-2102.4 Liu F,Masouros C,Petropulu A P,et al.Joint radar andcommunication design:Applications,state-of-the-art,and theroad aheadJJ.IEEE Trans.Commun.,2020,68(6):3834-3862.5 Cui Y,Liu F,Jing X,et al.Integrating sensing andcommunications for ubiquitous iot:Applications,trends,andchallengesJ.IEEE Network,2021,35(5):158-167.6 Qiu T,Chi J,Zhou X,et al.Edge computing in industrial Internet of Things:Architecture,advances and challengesJ.IEEECommun.Surveys Tuts.,2020,22(4):2462-2488.7Wang J,Liu K,Li B,et al.Delay-sensitive multi-periodcomputation offloading with reliability guarantees in fognetworksJ.IEEE Trans.Mobile Comput.,2020,19(9):2062-2075.8 董梦圆，付宇，牛晓健：6 G车联网中的通感算融合：现状与挑战J.无线电通信技术，2 0 2 3,49(1):37-45.9Liu F,Cui Y,Masouros C,et al.Integrated sensing andcommunications:Toward dual-functional wireless networksfor 6G and beyondJ.IEEE journal on selected areas in3communications,2022,40(6):1728-1767.210通信速率CMRbps/Hz10 Xiong Y,Liu F,Cui Y,et al.On the Fundamental Tradeoffof Integrated Sensing and Communications Under GaussianChannelsJ.IEEE Transactions on Information Theory,2023,69(9):5723-5751.（下转第130 页）第48 卷1研究与探讨1总第52 3期12 X.Wang,Z.Wang,B.O dea.A TOA-Based Location作者简介Algorithm Reducing The Errors Due to Non-Line-of-Sight(NLOS)PropagationJJ.Journal of China Institute ofCommunications,2003,52(1):112-116.13朱振海，超宽带精准实时定位系统的TDOA定位算法研究D.海口：海南大学.2 0 19:32-50.14 D.Rodriguez-Navarro,Lazaro-Galilea,Jos,et al.IndoorPositioning System Based on A PSD Detector,PrecisePositioning of Agents in Motion Using AOA TechniquesJ.Sensors,2017,17(9):2124.15 Mizuho Wakabayashi,Hiroshi G.Okuno,Makoto Kumon.Multiple Sound Source Position Estimation by Drone AuditionBased on Data Association Between Sound Source Localizationand IdentificationJJ.IEEE Robotics and Automation Letters,2020,5(2):782-789.16吴雨，杨力，王梦茹，等.基于Android平台的WiFi定位系统研究与实现.全球定位系统，2 0 16,41(4)：90-93.17 J.Cao,B,Zeng,J Liu,et al,A Novel Relocation Method forSimultaneous Localization and Mapping Based on DeepLearning AlgorithmJ.Computers&Electrical Engineering,2017,63(1):79-90.18薛伟，陈璟，张熠.基于深度学习的Wi-Fi与iBeacon 融合的室内定位方法J.计算机工程与应用，2 0 19,55(0 1):2 9-34+46.19】李泽，田增山，王中春，等，基于粒子群优化的多径辅助室内定位算法.电子学报，2 0 2 0,48(10)：1952-196 0.20】刘桂岐，钱志鸿，李华亮：基于有效AP选择和多分类LDA的室内定位算法J.通信学报，2 0 2 1,42(11):10 9-12 0.21】袁杨鹏，郭贤生，何袁虎.双频-时频信道联合指纹优化室内定位方法J.信号处理，2 0 2 2,38(4)：7 0 8-7 19.22朱清山，王伟基于RSSI的指纹地图室内定位算法.国外电子测量技术，2 0 2 0,39(10):6-9.23席志红，占梦奇，基于位置范围限定的WiFi-KNN室内定位算法.应用科技，2 0 2 0,47(4):6 6-7 0.24胡钊政，刘佳蕙，黄刚等.融合WiFi、激光雷达与地图的机器人室内定位J.电子与信息学报，2 0 2 1，43(8)：2 30 8-2316.周安顺（orcid.org/0000-0002-4191-7080）：高级工程师，硕士毕业于中山大学，现任职于中国联通海南省分公司，研究方向为网络安全。王绥民：高级工程师，学士毕业于上海交通大学，现任职于中国联通海南省分公司，研究方向为项目管理。纪龙：工程师，学士毕业于西安邮电大学，现任职于中国联通海南省分公司，研究方向为网络安全。霍明德：高级工程师，硕士毕业于重庆大学，现任职于中国联通重庆市分公司，研究方向为网络安全。（上接第12 4页）1l Kumari P.Adaptive virtual waveform design formillimeterwave joint communication-radarJ.IEEE Trans.Signal Process.,2020,68(2):715-730.12 Chiriyath A R.Inner bounds on performance of radarand communications co-existenceJ.IEEE Trans.SignalProcess.,2016,64(2):464-474.13Yuan X.Spatio-Temporal Power Optimization for MIMOJoint Communication and Radio Sensing Systems WithTraining OverheadJ.IEEE Transactions on VehicularTechnology,2021,70(1):514-528.14 Ouyang C,Liu Y,Yang H.Performance of Downlink andUplink Integrated Sensing and Communications(ISAC)SystemsJ.IEEE Wireless Communications Letters,2022,11(9):1850-1854.15 Du J,Zhao L,Feng J,et al.Computation offloadingand resource allocation in mixed fog/cloud computingsystems with min-max fairness guaranteeJ.IEEE Trans.Commun.,2018,66(4):1594-1608.16 Tang B,Li J.Spectrally constrained MIMO radar waveformdesign based on mutual informationJ.IEEE Trans.SignalProcess,2019,67(3):821-834.17 Heath Jr R W,Lozano A.Foundation MIMOCommunication.Cambridge,U.K.:Cambridge Univ.Press,2018.18 Yang Y,Blum R S.MIMO radar waveform design basedon mutual information and minimum mean-square errorestimationJ.IEEE Trans.Aerosp.Electron,Syst.,2007,43(1):330-343.19 Mao Y,You C,Zhang J,et al.A survey on mobile edgecomputing:The communication perspectiveJ.IEEECommun.Surveys Tuts.,2017,19(4):2322-2358.20 Ouyang C,Liu Y,Yang H.On the Performance of UplinkISAC SystemsJ.IEEE Communications Letters,2022,26(8):1769-1773.作者简介杨君怡：西安电子科技大学在读硕士研究生，研究方向为车联网通信-感知-计算融合。付宇：现任西安电子科技大学副教授、硕士生导师，研究方向为车联网、智能驾驶等。李长乐：现任西安电子科技大学教授、博士生导师，研究方向为6 G与未来智能无线网络、车联网与自动驾驶技术等。130移动通信2024年3月第3期