⚡ electrical engineering

Pinching Antennas-Aided Integrated Sensing and Multicast Communication Systems

本文提出了一种夹持天线（PAs）辅助的集成感知与组播通信框架，通过推导闭式解和交替优化算法，在单天线与多天线场景下分别优化了以通信为中心、以感知为中心及帕累托最优的天线部署方案，显著提升了组播速率与感知精度。

原作者： Shan Shan, Chongjun Ouyang, Xiaohang Yang, Yong Li, Zhiqin Wang, Yuanwei Liu

发布于 2026-02-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Shan Shan, Chongjun Ouyang, Xiaohang Yang, Yong Li, Zhiqin Wang, Yuanwei Liu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 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

这篇论文介绍了一种名为**“捏合天线系统”（PASS）**的新技术，它能让未来的无线网络既像“千里眼”一样精准感知环境，又像“大喇叭”一样高效广播信息。

为了让你轻松理解，我们可以把这项技术想象成**“在一条长长的传送带上安装可移动的摄像头和麦克风”**。

1. 核心概念：什么是“捏合天线”？

想象一下传统的基站（比如你小区里的信号塔），它的天线是固定不动的，就像把几个摄像头死死地焊在墙上。如果用户走远了，或者被墙挡住了，信号就会变差，就像你拿着手机在屋里转圈找信号一样。

而这篇论文提出的PASS 系统，就像是在一根长长的透明水管（波导）上，安装了无数个可以随意滑动的小天线（捏合天线，PAs）。

灵活性：这些“小天线”可以根据需要，像滑滑梯一样在水管上移动到任何位置。
优势：它们可以主动靠近用户，避开障碍物，或者移动到最适合“看”到目标的位置。

2. 这个系统要解决什么问题？

这个系统要同时做两件事：

** multicast（组播）**：就像老师给全班同学发同一份讲义，要确保每个同学（用户）都能听得清楚。
Sensing（感知）：就像雷达一样，要精准地知道某个物体（比如无人机或行人）在哪里。

难点在于：有时候，为了把信号发给远处的用户，天线得往那边移；但为了看清目标，天线又得往另一边移。这就好比你想同时看清镜子里的自己和远处的风景，头往左转了，右眼就看不清了。这就是**“通信”与“感知”的矛盾**。

3. 论文做了什么？（三大策略）

作者设计了一套聪明的“指挥系统”，告诉这些滑动的天线该停在哪里。他们提出了三种策略：

策略一：通信优先（C-C 设计）
- 比喻：就像**“送快递的优化路线”**。
- 做法：不管雷达看得多清楚，首要任务是让所有用户都能收到信号。作者算出了一个数学公式，直接告诉天线：“你就停在这个坐标点，这是让所有用户信号最强的位置。”
- 结果：用户收到的信号最强，而且计算速度极快。
策略二：感知优先（S-C 设计）
- 比喻：就像**“照镜子找对称”**。
- 做法：如果目标是看清一个物体，作者发现了一个有趣的规律：发射天线和接收天线应该像照镜子一样，对称地夹住目标。
- 反直觉的发现：很多人以为天线离目标越近越好，但论文发现，稍微离目标远一点点（保持一个特定的对称距离），反而看得更清楚！这就像你拿放大镜看东西，离得太近反而模糊，保持一定距离才最清晰。
策略三：完美平衡（Pareto 最优）
- 比喻：就像**“走钢丝”**。
- 做法：既不想牺牲通信，也不想牺牲感知。作者设计了一个算法，让天线在“通信”和“感知”之间找到最佳平衡点。就像走钢丝的人，稍微往左偏一点，就赶紧往右挪一点，保持平衡。

4. 多天线情况怎么办？

如果水管上有很多个天线（比如几十个），问题就变得非常复杂，就像指挥几百个机器人同时移动，不能乱撞。

解决方法：作者发明了一种**“逐个击破”**的方法（交替优化）。
比喻：就像**“排座位”**。先不动其他人，只把第一个人移到最佳位置；然后固定第一个人，把第二个人移到最佳位置……这样一轮轮下来，整个队伍就排好了。这种方法虽然不能保证是数学上的“绝对完美”，但在实际中已经非常接近完美，而且算得很快。

5. 实验结果说明了什么？

作者通过计算机模拟证明了这套方法很厉害：

吊打固定天线：相比传统的固定天线，这种能滑动的天线系统，在通信速度和感知精度上都大幅领先。
人越多越厉害：用户越密集，这种系统的优势越明显（因为可以灵活靠近每个人）。
天线越多越精准：部署的天线越多，定位目标就越准，就像用更多的眼睛看东西一样。

总结

这篇论文的核心思想就是：别把天线“焊死”在墙上，让它们“活”起来。

通过让天线在波导上自由滑动，并配合聪明的数学算法，我们可以在不增加太多硬件成本的情况下，让未来的无线网络既传得快（组播），又看得准（感知）。这就像是给基站装上了“灵活的手指”，能主动去抓信号、去摸目标，而不是被动地等待。

这是一份关于论文《Pinching Antennas-Aided Integrated Sensing and Multicast Communication Systems》（夹持天线辅助的集成感知与组播通信系统）的详细技术总结。

1. 研究背景与问题定义 (Problem)

背景：
集成感知与通信（ISAC）旨在共享无线资源以实现频谱效率最大化。传统的多输入多输出（MIMO）系统受限于固定的天线几何构型，难以适应动态传播环境。虽然可移动天线（Movable Antennas）和流体天线（Fluid Antennas）提供了一定的灵活性，但受限于移动范围或双路径损耗效应。最近提出的**夹持天线系统（Pinching-Antenna SyStem, PASS）**利用介质波导和可动态附着/ detach 的夹持天线（PAs），能够构建“近有线”链路，有效克服大尺度路径损耗和视距（LoS）遮挡，同时提供巨大的有效孔径用于感知。

核心问题：
现有的 PASS 辅助 ISAC 研究主要存在两个空白：

感知指标局限： 大多数研究假设感知参数是确定性的，使用克拉美 - 罗界（CRB）。然而实际中目标参数通常是随机且未知的，其先验分布已知，因此**贝叶斯克拉美 - 罗界（BCRB）**是更合适的性能度量指标。
通信场景缺失： 现有研究多关注单用户或单播传输。由于 PASS 的波导通常连接单个射频链，空间自由度（DoF）有限，天然适合**组播（Multicast）**传输，但针对 PASS 辅助的组播 ISAC 系统优化尚未被深入探索。

研究目标：
提出一个 PASS 辅助的 ISAC 框架，在满足组播通信性能（最大最小公平性速率）和感知精度（BCRB）的前提下，优化 PAs 的放置位置，以解决感知与通信之间的权衡问题。

2. 方法论 (Methodology)

2.1 系统模型

架构： 基站配备发射波导（Tx-PASS）和接收波导（Rx-PASS），分别部署 $N_t$ 和 $N_r$ 个夹持天线。
通信： 向 $K$ 个单天线用户发送公共信息信号，性能指标为最大最小公平性（MMF）速率。
感知： 利用目标反射的回波信号进行定位，性能指标为BCRB。
BCRB 计算： 由于 BCRB 涉及难以解析计算的积分，论文提出了一种基于**高斯 - 埃尔米特求积（Gauss-Hermite Quadrature, GHQ）**的方法来近似计算贝叶斯费雪信息矩阵（BFIM）。

2.2 优化问题分类

研究针对三种设计准则进行 PA 位置优化：

通信为中心（C-C）： 最大化组播速率，受限于感知精度约束。
感知为中心（S-C）： 最小化 BCRB，受限于最小组播速率约束。
帕累托最优（Pareto-optimal）： 刻画通信与感知之间的权衡边界（通过速率分布率公式化）。

2.3 求解算法

单 PA 情况（Single-PA）：
- C-C 设计： 推导出了发射 PA 位置的闭式解。最优位置位于有限候选集中（用户坐标或用户间等距点）。
- S-C 设计： 证明了在目标位置不确定性为一维且先验对称的情况下，最优的发射和接收 PA 位置关于目标位置对称。利用此几何洞察，将联合优化简化为单变量搜索。
- 帕累托设计： 利用接收 PA 位置与组播速率无关的特性，先确定接收 PA 的对称位置，再对发射 PA 进行一维搜索。
多 PA 情况（Multi-PA）：
- 这是一个高度非凸的优化问题。
- S-C 设计： 提出了一种**逐元素交替优化（Element-wise Alternating Optimization, AO）**算法，依次更新每个 PA 的位置。
- C-C 设计： 将约束嵌入目标函数，采用**增广拉格朗日（Augmented Lagrangian, AL）**框架，结合逐元素 AO 算法求解。
- 帕累托设计： 采用基于速率分布的标量化方法，结合逐元素 AO 算法求解。

3. 主要贡献 (Key Contributions)

框架创新： 首次提出了 PASS 辅助的 ISAC 组播框架，引入了 BCRB 作为感知指标，并提出了基于 GHQ 的 BFIM 计算方法，解决了先验分布下的感知性能评估难题。
理论推导（单 PA）：
- 推导了 C-C 设计的发射 PA 最优位置闭式解。
- 揭示了 S-C 设计中收发 PA 关于目标位置对称的几何特性，并给出了最优位移量的闭式近似解（ $d^* \approx \Delta_s / \sqrt{2}$ ），打破了“越靠近目标越好”的直觉，指出存在最佳几何偏移。
算法设计（多 PA）： 针对非凸多变量优化问题，设计了高效的逐元素 AO 算法，并将其成功应用于增广拉格朗日框架和帕累托优化中，有效处理了通信与感知的约束耦合。
性能验证： 通过数值仿真验证了算法的有效性，并揭示了 PASS 在组播和感知方面的显著优势。

4. 实验结果 (Results)

性能对比： PASS 系统（无论是单 PA 还是多 PA）在组播速率和感知精度（BCRB）上均显著优于传统的固定天线阵列（包括模拟波束赋形和数字波束赋形）。
单 PA 洞察：
- C-C 设计虽然仅优化通信，但通过采用收发对称布局，其感知性能也优于随机放置方案，验证了对称策略的有效性。
- 感知性能对 PA 位置的微小变化不敏感（局部平坦），允许在保持感知精度的同时大幅提升通信速率。
多 PA 洞察：
- 收敛性： 提出的 AO 算法收敛迅速且稳定。
- 区域影响： 随着服务区域扩大，感知性能先升后降。区域过小时受限于波导长度无法达到最佳几何位置；区域过大时，为满足组播覆盖约束，PA 被迫分散，限制了感知优化空间。
- 多 PA 增益： 增加 PA 数量显著扩展了帕累托边界，缓解了通信与感知的冲突。多 PA 系统能利用部分 PA 满足感知分辨率，同时保持组播速率。
- 用户密度： 随着用户密度增加，PASS 的组播增益更加明显。

5. 意义与价值 (Significance)

理论突破： 将 ISAC 研究从确定性参数假设推进到随机参数（贝叶斯）假设，并填补了 PASS 在组播场景下的研究空白。
设计指导： 揭示了 PASS 系统中“几何偏移”对感知性能的关键作用。研究表明，提升感知精度不仅仅依赖增加功率，更依赖于优化 PA 的几何布局（即利用最佳偏移量），这是 PASS 架构独有的优势。
工程应用： 提出的优化算法为实际部署 PASS 系统提供了可操作的方案，证明了 PASS 能够以较低的硬件复杂度（单射频链）实现高性能的通信感知一体化，特别是在高密度用户和动态环境下的组播场景。
权衡管理： 清晰地刻画了通信与感知之间的帕累托边界，为系统在不同业务需求下的资源分配提供了理论依据。

综上所述，该论文通过理论推导和算法设计，充分挖掘了夹持天线系统在集成感知与组播通信中的潜力，为未来 6G 网络中灵活天线架构的应用奠定了坚实基础。