⚡ electrical engineering

Exploring the Synergy: A Review of Dual-Functional Radar Communication Systems

本综述论文对双功能雷达通信（DFRC）系统进行了全面分析，涵盖了在集成感知与通信技术不断演进的背景下，其研究动机、挑战、性能边界、设计技术以及潜在的应用场景。

原作者： Ali Hanif, Sajid Ahmed, Tareq Y. Al-Naffouri, Mohamed-Slim Alouin

发布于 2026-06-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Ali Hanif, Sajid Ahmed, Tareq Y. Al-Naffouri, Mohamed-Slim Alouin

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你拥有一把瑞士军刀。几十年来，如果你需要割绳子，你会使用刀片；如果你需要拧螺栓，你会使用螺丝刀。它们是两个独立的工具，通常放在不同的口袋里，各自独立地完成工作。

这篇论文是关于一种新型“超级工具”的，它将刀片和螺丝刀结合成一个单一的、无缝的金属整体，能够同时完成这两项工作。在技术领域，这被称为双功能雷达通信（Dual-Functional Radar Communication，简称 DFRC）。

以下是利用简单的类比对论文内容的拆解：

1. 问题所在：拥挤的高速公路

把无线电频谱（我们用于 Wi-Fi、手机和雷达的电波）想象成一条繁忙的高速公路。

雷达就像一辆重型卡车，需要宽阔的车道才能看清前方的路况（以探测飞机或汽车）。
通信就像是一股试图传递信息的车辆流（发送文本、视频、数据）。
问题在于： 高速公路正在变得拥堵。用户太多了（数十亿个物联网设备），而且使用这条路的“过路费”（频谱成本）正在飙升。
旧的解决方案： 尝试让卡车和轿车在同一条路上共存而不发生碰撞。这被称为“共存”。但这种方式很棘手；它们必须不断进行沟通以避免碰撞，这会降低所有人的速度，并且需要一个复杂的交通控制塔。

2. 解决方案：“变色龙”信号

论文提出了一种更聪明的想法：DFRC。我们不再使用两种独立的工具，而是使用单一信号，使其既能作为雷达，又能作为通信器。

类比： 想象一束灯塔的光束。传统上，光束只是闪烁以警告船只（雷达）。现在，想象这束光同时还在以一种秘密代码闪烁，向船长发送文本信息（通信）。
运作方式： 系统发出一个波。如果这个波撞到了汽车或飞机，它会反射回来（雷达功能）。如果这个波撞到了人的手机，它会传递数据（通信功能）。这是同一个波在同时承担双重职责。

3. 三种类型的“超级工具”

论文将这些联合系统分为三类，就像设计多功能工具的不同方式一样：

通信中心型（带有摄像头的手机）： 主要目标是发送数据。雷达部分只是在其之上添加的一个“附加功能”。就像一部自带摄像头的智能手机；摄像头是次要的。
雷达中心型（带有无线电的雷达）： 主要目标是探测物体。数据被隐藏在雷达脉冲之中。就像一把既能探测目标又能向警员低声传递短信的警察雷达枪。
真正的 DFRC（完美的混合体）： 这是本论文的研究重点。在这里，工具从底层设计开始就是为了兼顾两者。它不会偏向其中任何一方。它就像一只变色龙，可以完美地同时融入树木和岩石之中，同时针对两者的需求进行优化。

4. 平衡的艺术（权衡）

你无法始终在获得绝对最佳的雷达性能的同时，也获得绝对最佳的通信速度。这是一个平衡的过程。

隐喻： 想象一个跷跷板。如果你用力按下“雷达”这一端以获得完美的探测，那么“通信”那一端可能会升起（意味着数据传输变慢）。
目标： 论文讨论了如何找到那个跷跷板上的“甜点”（平衡点）。他们研究了数学极限（边界），以观察在不破坏其中一方的前提下，我们能在多大程度上实现两全其美。

5. 它是如何构建的（硬件）

为了实现这一点，论文研究了不同的“天线厨房”：

数字波束赋形（Digital Beamforming）： 就像为每一种食材都配备一名单独的厨师。它功能强大且灵活，但价格昂贵且耗电量大。
模拟波束赋形（Analog Beamforming）： 就像一名厨师指挥一个巨大的锅。它便宜且高效，但一次只能聚焦在一个方向。
混合波束赋形（Hybrid Beamforming）： 论文认为这是最好的“折中方案”。它就像拥有几位主厨来管理若干名副厨。它兼具了两者的优点：既有灵活性，又不会造成过度昂贵的开支。

6. 我们将在哪里看到它？

论文列举了几个这种“超级工具”可能发挥变革作用的场景：

自动驾驶汽车： 汽车不再使用独立的雷达来观察障碍物，再使用独立的无线电与其它车辆交谈，而是使用一套系统。这节省了空间、重量和成本。
无人机： 无人机体积小且电池容量有限。携带两个独立的系统太重了。DFRC 系统让它们可以用一个轻量化设备同时感知周围环境并与地面控制人员通信。
智能家居： 想象你的 Wi-Fi 路由器不仅能提供互联网，还能通过“感知”来发现是否有人走过房间，或者婴儿是否跌落，而无需额外的摄像头或传感器。
军事： 士兵和舰船通常携带许多不同的无线电和雷达。合并这些设备可以减轻装备重量，并降低平台的特征（签名），使其更难被发现。

7. 障碍（挑战）

论文承认这目前还不容易实现。

“噪声”问题： 雷达喜欢可预测、重复的信号（就像稳定的鼓点）。通信则喜欢随机、混乱的信号（就像爵士乐），以便携带更多信息。将两者混合，就像试图在不产生冲突的情况下同时演奏稳健的鼓点和爵士乐。
安全性： 如果雷达波束也是通信波束，那么坏人可能会通过监听雷达对世界的观察来进行窃听。论文讨论了隐藏数据或干扰窃听者的各种方法。
处理能力： 解码一个同时执行两项任务的信号需要非常聪明的计算机和新的算法。

总结

简而言之，这篇论文是对一项技术的综述，该技术不再将“观察”（雷达）和“交谈”（通信）视为独立的工作。相反，它提议构建一个能同时完成这两项任务的单一系统。这旨在让我们的无线世界变得不再拥挤、更便宜、更高效，就像是用一个极其全能的、一体化的设备，取代了一整盒用途单一的工具。

技术摘要：探索协同效应：双功能雷达通信系统综述

1. 问题陈述

物联网（IoT）及非物联网连接的快速激增（预计到2025年将分别超过300亿和100亿个）加剧了频谱拥塞。同时，频谱成本的上升（例如，价值811亿美元的C波段5G拍卖）使得优化频率利用率变得至关重要。传统上，雷达和无线通信系统独立演进，占用不同的频段并使用独立的硬件。早期的研究侧重于雷达-通信共存（RCC）——即系统在不产生干扰的情况下同时运行——但这种方法存在局限性。RCC需要严格的节点移动性约束、大量的侧向信息交换（如信道状态信息）以及复杂的控制中心，这些都阻碍了频谱效率的提升。

核心问题在于需要从“共存”转向**双功能雷达通信（DFRC）**系统。与RCC不同，DFRC利用单一发射波形和共享硬件来同时执行感知和通信任务。挑战在于内在的权衡：雷达系统偏好确定性信号以实现稳定的检测，而通信系统则需要随机信号以实现最大信息容量。此外，雷达和通信系统在信号波形、传输功率、带宽需求以及性能指标（例如检测概率与误码率）方面存在本质差异。

2. 方法论与系统模型

本文围绕通用系统模型，并围绕设计、性能和应用的分析，对DFRC的最前沿技术进行了全面综述。

系统模型

作者定义了一个配备有 $N_T$ 个发射天线和 $N_R$ 个接收天线的均匀线性阵列（ULA）的通用DFRC平台。该系统同时为 $K$ 个通信用户提供服务并感知 $Q$ 个目标。

感知模型： 目标处的接收信号及随后在接收机处的回波通过导向矢量和反射系数进行建模。接收信号矩阵 $Y_s$ 用于估计距离、角度和速度。
通信模型： $K$ 个用户的接收信号被建模为信道矩阵 $H_c$ 与发射波形矩阵 $X$ 的函数，并受噪声干扰。
分类： 本文区分了三类：
1. 通信中心型（JCR）： 雷达作为添加到通信波形中的次要特征。
2. 雷达中心型（JRC）： 通信被嵌入到已知的雷达波形中。
3. 双功能型（DFRC）： 两者从一开始就进行联合设计和优化，且不存在偏向，提供可调的权衡。

性能边界

本文使用用于感知的克拉美-罗界（CRB）和用于数据速率的通信容量来分析DFRC的基本极限。在CRB-速率区域内识别出三个边界：

外界限（理想）： 最大通信速率配合最小感知CRB（无权衡）。
内界限： 通过时分复用策略实现，即感知和通信在不同的时间片内独立运行。
实际边界： 联合系统的可实现性能，位于内界限和外界限之间。

两个主要的权衡特征化了该系统：

子空间权衡（ST）： 取决于感知信道与通信信道之间的耦合强度（例如，目标是否也是用户）。
确定性-随机权衡（DRT）： 平衡确定性雷达信号的需求与随机通信信号的需求。本文指出，当信号协方差矩阵是确定性时，感知性能达到最大，这可能会降低通信容量。

设计方法

本文根据硬件架构和优化准则对设计方法进行了分类：

硬件架构：
- 数字波束成形： 提供高自由度和多波束，但成本高且功耗大。
- 模拟波束成形： 成本效益高且功耗低，但仅限于单波束且存在波束偏移问题。
- 混合模拟-数字（HAD）： 一种使用子阵列来平衡性能与复杂度的折中方案。
波形优化：
- 基于互信息（MI）： 最大化雷达和通信信道的加权互信息之和。
- 波束图相似性： 设计波形以匹配期望的雷达波束图，同时最小化通信的多用户干扰（MUI）。
- 基于克拉美-罗界（CRB）： 在保持通信信噪比（SINR）阈值的同时，最小化感知参数的估计误差。
- 多波束优化： 特别针对模拟阵列，利用固定子波束进行通信，利用扫描子波束进行感知。
- 相干接收机设计： 解决DFRC接收机因随机通信符号导致的相干性丢失问题，提出匹配滤波器以维持用于多普勒估计的相干输出。
安全性： 本文讨论了利用人工噪声（AN）进行物理层安全（PLS）的研究，旨在降低窃听者的SINR，同时保持合法用户的性能，并指出雷达目标可能充当潜在的窃听者。

资源分配

本文回顾了管理系统资源的策略：

存储器： 优化快时间（fast-time）和慢时间（slow-time）样本的存储，以在不损害跟踪性能的前提下减轻存储负担。
处理器： 在高延迟的雷达任务和实时通信任务之间动态分配处理能力。
带宽： 利用OFDM和跳频技术来平衡距离分辨率和数据吞吐量。
波束图控制： 向目标方向定向高功率进行感知，向用户方向定向低功率进行能效通信。

3. 主要贡献

全面的分类法： 本文提供了JCAS系统的结构化分类，明确区分了通信中心型、雷达中心型和真正的双功能设计。
理论边界： 它阐明了DFRC系统的基本性能极限，定义了CRB-速率区域以及支配系统性能的具体权衡（ST和DRT）。
设计综述： 它汇总并分类了跨越不同硬件架构（数字、模拟、HAD）和领域（空间、时间、频率）的各种波形优化技术。
应用映射： 本文将DFRC的能力映射到特定的高影响力场景，包括感知移动网络（PMNs）、自动驾驶汽车、无人机、安全/监控、智能家居/工业以及军事系统（AWACS和多用途射频）。
未来方向： 它指出了关键的研究空白，包括对毫米波/亚太赫兹频段最优信号方案的需求、稀疏信道中的高级信道估计、基于机器学习的联合接收机设计，以及网络化感知切换协议。

4. 结果与发现

权衡的现实性： 综述证实，虽然DFRC在频谱效率、尺寸和成本方面具有显著优势，但它本质上涉及权衡。在没有特定条件（如完美的信道对齐）的情况下，通常无法同时实现两个领域的完美性能（即“理想”边界）。
优化有效性： 联合设计的波形通常优于统计独立的通信和雷达信号。然而，优化指标的选择（MI vs. CRB vs. 波束图）会显著影响最终的权衡曲线。
硬件适用性： 混合模拟-数字（HAD）波束成形被认为是毫米波DFRC中极具前景的架构，它在数字系统的灵活性和模拟系统的成本效益之间取得了平衡。
应用可行性： 在自动驾驶汽车中，DFRC被视为一种可行的解决方案，可以通过使用感知数据作为侧向信息来减少波束训练的开销。在军事背景下，DFRC可以取代专用的回传链路，从而减轻载荷重量并减小雷达截面积。

5. 重要性与主张

本文将DFRC定位为应对频谱短缺和硬件激增双重挑战的关键无线技术演进。其重要性在于：

频谱效率： 通过统一雷达和通信，DFRC在无需新频率分配的情况下缓解了频谱拥塞。
系统集成： 它提供了一条降低系统尺寸、重量和功耗（SWaP）的路径，这对于无人机和自动驾驶汽车等移动平台至关重要。
性能协同： 本文声称，联合设计可以带来“感知辅助通信”（例如，减少波束训练开销）和“通信辅助感知”（例如，通过网络化节点提高定位精度）。

作者对于该领域的成熟度保持了谦逊的态度，承认虽然理论基础正在建立，但实际应用在接收机设计、信道估计和安全性方面仍面临挑战。本文作为一项基础性综述，旨在引导未来的研究以解决这些权衡问题，并实现集成感知与通信的全部潜力。