⚡ electrical engineering

Beam Alignment in Multipath Environments for Integrated Sensing and Communication using Bandit Learning

本文提出了一种结合感知与通信（ISAC）的增强型多臂老虎机（MAB）算法，通过利用雷达探测信息来缩小毫米波波束搜索范围并估计重对准时间，从而在复杂多径环境下显著降低了波束对准的探索时间并提升了通信吞吐量。

原作者： Akanksha Sneh, Shobha Sundar Ram, Sumit J Darak, Aakanksha Tewari

发布于 2026-02-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Akanksha Sneh, Shobha Sundar Ram, Sumit J Darak, Aakanksha Tewari

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

这是一篇关于未来 6G 通信技术的科研论文。为了让你轻松理解，我们可以把这个复杂的通信过程想象成一场**“在漆黑森林里的手电筒搜寻游戏”**。

1. 背景：漆黑森林里的“手电筒”难题

想象一下，你站在一片漆黑的森林里，你的任务是找到一个正在移动的小伙伴（移动用户），并用你的手电筒（通信信号）照亮他，好让他能跟你说话（传输数据）。

现在的难题： 现在的 6G 通信使用的是“毫米波”，这种信号就像一束极细、极窄的手电筒光。虽然光很强，但如果你没对准目标，光就射向了空气，完全没用。
传统的做法（MAB 算法）： 你不知道小伙伴在哪，只能像“扫射”一样，把手电筒从左到右、从上到下，一个角度一个角度地去试。这叫“盲目搜索”。如果森林里有 100 个角度，你得试 100 次才能找到他。这太浪费时间了，等你找着了，小伙伴早就跑远了。

2. 核心创新：给手电筒装上“雷达眼” (ISAC)

这篇论文提出了一个天才的想法：既然我们要找人，为什么不一边照手电筒，一边用“雷达”去感知呢？

这就是论文里提到的 ISAC（通信感知一体化）。

比喻： 你的手电筒不再只是发光，它还带有一种“回声探测”功能。当你发出一束光时，如果撞到了小伙伴，光会反射回来。
神奇之处： 你的大脑（算法）可以根据回声的大小和频率，瞬间判断出：“哦！左前方 20 米处有一个移动的物体，而且他正在往右跑！”

3. 论文的“绝招”：缩减搜索范围

有了“雷达眼”，你就不需要再像以前那样傻傻地扫射 100 个角度了。

以前： 1, 2, 3, 4, 5... 100（漫长的搜索时间）。
现在： 雷达告诉你，目标大概在 40 到 45 度之间。于是你直接跳过前面的，只在 40-45 度这几个角度里进行精细搜索。
结果： 搜索时间大大缩短，你终于能把大部分时间都用来“照亮”小伙伴，而不是浪费在“找人”上。

4. 应对“变幻莫测”的环境 (Quasi-stationary)

森林里的环境是会变的，小伙伴也会跑。

问题： 如果小伙伴跑出了你的光束范围，你该怎么办？
论文的方案： 算法会利用雷达测出的速度，提前算好：“根据他的速度，他大概还有 3 秒就会跑出我的光圈了。” 于是，你会在他跑掉之前，提前调整手电筒的角度。这就像是一个**“预判型”**的智能导航。

5. 总结：这篇论文到底牛在哪里？

通过把“雷达探测”和“智能学习（MAB）”结合在一起，研究人员在实验中证明了：

找人更快了： 搜索时间减少了 35%。
传输数据更猛了： 因为找人的时间少了，用来传数据的有效时间多了，数据传输效率提升了 1.4 倍。
硬件也落地了： 他们不只是在纸上谈兵，还设计了专门的芯片架构（SoC），证明这套东西在真实的电子设备上也能跑得飞快。

一句话总结：
这篇论文通过给通信信号装上“雷达感官”，让未来的 6G 基站不再是“盲目扫射”的笨蛋，而是变成了能“预判位置、精准打击”的智能猎人。

这是一篇关于利用**集成传感与通信（ISAC）技术结合多臂老虎机（Multi-Armed Bandit, MAB）**学习算法，在多径环境下实现毫米波（mmW）通信波束对准的研究论文。

以下是该论文的详细技术总结：

1. 问题背景与挑战 (Problem Statement)

在毫米波（mmW）通信中，由于路径损耗大，必须使用窄波束进行定向传输。然而，在移动场景（如车载通信）下，波束对准（Beam Alignment）面临以下挑战：

搜索空间巨大：当波束数量（Codebook size）很大时，传统的基于通信反馈的在线学习算法（如 UCB）需要漫长的“探索（Exploration）”时间来寻找最优波束，这会导致通信吞吐量大幅下降。
环境动态性：移动用户（MU）的运动会导致最优波束不断变化，需要频繁重新对准。
多径与杂波干扰：复杂的传播环境（多径效应）和静态杂波（Clutter）会干扰波束搜索过程，增加误判风险。

2. 核心方法论 (Methodology)

论文提出了一种名为 UCB-ISAC 的增强型算法，其核心思想是利用雷达传感信息来辅助通信波束的选择。

A. ISAC 信号模型

波形共享：利用 IEEE 802.11ad 标准中的 Golay 序列作为雷达波形。雷达和通信通过**时分复用（TDM）**共享频谱和硬件。
雷达信号处理 (RSP)：通过匹配滤波（Matched Filtering）估计目标的距离（Range），并利用 MUSIC 算法估计目标的多普勒频率（Doppler frequency），从而获取目标的运动速度。

B. 增强型 MAB 算法 (UCB-ISAC)

缩小搜索范围（针对平稳场景）：传统的 UCB 需要遍历所有 $K$ 个波束。UCB-ISAC 首先通过雷达探测，识别出包含移动目标的候选波束集合 $\tilde{K}$ （其中 $\tilde{K} \ll K$ ）。随后，UCB 算法仅在 $\tilde{K}$ 范围内进行探索和利用，从而显著减少了探索时间。
变化检测与重新对准（针对准平稳场景）：利用雷达获取的距离和速度信息，算法可以预测目标何时会离开当前波束。通过几何模型计算目标在波束内的预计停留时间 $T_\infty$ ，从而在目标离开前主动触发重新对准，避免了盲目等待通信质量下降。

C. 硬件-软件协同设计 (HSCD)

为了验证实时性，研究团队在 Zynq UltraScale+ SoC 平台上实现了算法。通过将计算密集型的雷达信号处理（MF 和 MUSIC）卸载到 FPGA 上，并进行定点化（Fixed-point）分析，实现了极高的处理速度。

3. 主要贡献 (Key Contributions)

算法创新：首次提出将 ISAC 的雷达感知能力引入 MAB 框架，通过感知信息预先过滤无效波束，解决了大规模波束搜索效率低的问题。
预测性对准：提出了一种基于雷达运动参数的预测机制，能够智能预测波束失效时间，实现了准平稳环境下的高效跟踪。
全栈实现验证：不仅在仿真层面进行了验证，还通过硬件-软件协同设计在 SoC 平台上实现了算法，证明了其在边缘计算设备上的可行性。

4. 实验结果 (Results)

通过对点目标、行人（扩展目标）和中型车辆（复杂扩展目标）的仿真及硬件测试，结果表明：

探索时间缩减：相比于仅基于通信的传统 MAB 算法，所提方法使整体探索时间减少了 35%。
吞吐量提升：在相同的时间窗口内，由于减少了无效搜索并增加了有效通信时间，吞吐量提升了 1.4 倍。
鲁棒性：在存在大量多径和静态杂波的环境下，由于雷达能有效识别移动目标并剔除静态杂波，UCB-ISAC 的表现显著优于传统算法。
硬件效率：FPGA 加速使得雷达信号处理能够满足毫米波通信的实时性要求（处理时间降至毫秒级）。

5. 研究意义 (Significance)

这项研究为 6G 通信 中的集成传感与通信（ISAC）技术提供了重要的理论和工程参考。它证明了“感知辅助通信”不仅能提高通信的可靠性和速率，还能通过降低算法的复杂度（减少搜索空间）来提升系统的整体能效和实时响应能力，对于自动驾驶、工业机器人和大规模物联网等高移动性场景具有重要的应用价值。