⚡ electrical engineering

Optimized Non-Uniform Pilot Pattern for OFDM Sensing

本文提出了一种结合贪婪 - 随机循环坐标下降算法的两阶段框架，通过设计非均匀导频图案来抑制正交频分复用（OFDM）雷达感知中的延迟域栅瓣，从而在不降低通信误码率的前提下显著改善感知精度。

原作者： Amir Bouziane, Huseyin Arslan

发布于 2026-03-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Amir Bouziane, Huseyin Arslan

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

这篇文章主要解决了一个现代无线通信中的“鱼与熊掌”难题：如何既让手机上网快（通信），又让基站能像雷达一样精准地探测周围物体（感知），而且不互相干扰。

为了让你轻松理解，我们可以把整个系统想象成在一个巨大的音乐厅里举办一场特殊的音乐会。

1. 背景：音乐厅里的“标准座位”

OFDM 系统（音乐厅）：现在的 5G 和未来的 6G 网络，就像这个音乐厅。它把信号分成很多个“音符”（子载波）同时播放。
导频（Pilot，标准座位）：为了知道声音在厅里传播得怎么样（信道估计），我们需要在特定的座位上安排“领唱”（导频）。
传统做法（周期性排列）：以前的做法是，让领唱们每隔几个座位就坐一个，排得整整齐齐（比如 1, 5, 9, 13...）。
- 通信的好处：这种整齐的排列，接收端很容易猜出其他座位上的声音，上网很稳。
- 雷达的坏处：但是，这种整齐的排列在雷达眼里，就像是一排排整齐的栅栏。当雷达发射信号时，这些“栅栏”会产生很多虚假的回声（鬼影）。就像你在山谷里喊话，如果回声太乱，你就分不清哪是真山，哪是假回声了。这会导致雷达测距不准，甚至把远处的鸟看成近处的飞机。

2. 核心问题：怎么打破“整齐”？

作者发现，要消除这些“鬼影”，必须打破领唱们整齐排列的规律，让他们不规则地坐（非均匀导频）。

难点：如果让领唱随便坐，虽然雷达看清了，但接收端就猜不出其他座位的声音了，导致手机没网、断连。
目标：我们需要一种新的座位安排，既能打破规律（消除雷达鬼影），又能保证关键位置有人（维持通信质量）。

3. 作者的解决方案：两步走策略

作者设计了一个聪明的“两步走”算法，就像是一个精明的舞台导演：

第一步：先定“锚点”（Constructive Sidelobe Minimization）

比喻：导演先强行在音乐厅的最左边、最中间、最右边等关键位置，安排几个“领唱”（锚点）。
目的：这就好比在地图上插了几个固定的路标。无论其他座位怎么变，这几个路标保证了接收端永远能算出整个音乐厅的声学环境，确保通信不断连。
操作：剩下的座位，导演先试着把领唱往能减少“鬼影”的位置放。

第二步：随机微调（Hybrid Greedy-SCCD）

比喻：导演发现，光靠第一步，领唱们可能还是挤在某些角落，或者形成了新的“隐形规律”。于是，导演开始玩一个**“随机换座”的游戏**。
操作：
1. 随机挑一个领唱，让他换个座位试试。
2. 如果换了之后，雷达的“鬼影”变少了，而且通信没受影响，那就保留这个新座位。
3. 如果变差了，就换回来。
4. 反复进行成百上千次这样的“微调”。
效果：这个过程就像把原本整齐排列的士兵，打散成一种看似杂乱无章、实则经过精密计算的“游击队”阵型。这种阵型能完美避开雷达的“鬼影”陷阱。

4. 最终成果：鱼与熊掌兼得

通过这种“先定锚点，再随机微调”的方法，论文取得了惊人的效果：

雷达更准了：那些恼人的“鬼影”（虚假目标）被压得比背景噪音还低。雷达现在能清晰地分辨出真正的目标，测距误差（RMSE）随着信号变强而持续降低，不再卡在某个死胡同里。
通信没变差：因为保留了关键的“锚点”座位，手机上网的速度和稳定性（误码率 BER）和以前一样好，完全没有因为为了雷达而牺牲通信。
噪音地板理论：作者还指出，通信数据本身就会产生一种“背景噪音”。我们的目标不是消灭所有噪音（那不可能），而是把“鬼影”压得比这个背景噪音还低。一旦低于这个线，雷达就看不见了，系统就完美了。

总结

这就好比你在一个嘈杂的房间里找人：

旧方法：你让所有人站成整齐的方阵喊话。结果回声太乱，你分不清谁在哪。
新方法：你让几个关键的人站在门口、窗边（锚点），保证你能听清全场的声音；然后让其他人随机、不规则地站在房间各处。
结果：回声变得非常干净，你能精准地找到每个人（雷达感知强），同时大家说话的声音依然清晰可辨（通信质量稳）。

这篇论文就是为未来的 6G 网络设计了一套**“智能座位安排法”**，让通信和雷达这两种功能在同一个系统里和谐共处，互不干扰。

这是一份关于论文《Optimized Non-Uniform Pilot Pattern for OFDM Sensing》（OFDM 感知的优化非均匀导频图案）的详细技术总结。

1. 研究背景与问题 (Problem)

核心问题：
在集成感知与通信（ISAC）系统中，正交频分复用（OFDM）波形虽然因其在 5G NR 和 Wi-Fi 中的广泛应用而成为 ISAC 的理想载体，但其标准的周期性导频（Pilot）结构严重限制了雷达感知性能。

具体挑战：

延迟域栅瓣（Grating Lobes）： 标准的周期性导频在频域形成梳状结构，其逆傅里叶变换在延迟域会产生强周期的栅瓣。这些栅瓣表现为“鬼影目标”（Ghost Targets），会掩盖微弱的真实反射，导致测距精度下降。
感知与通信的冲突： 为了抑制栅瓣，传统的优化方法倾向于将导频聚集在一起（非均匀分布），但这违反了奈奎斯特采样定理，导致通信接收端无法准确估计频率选择性信道，从而恶化通信误码率（BER）。
现有方案的局限性： 现有的代数差集或凸优化方法通常假设无约束的网格维度，难以直接应用于受 3GPP 标准严格限制的 OFDM 参数集（如固定的子载波数量和导频数量）。此外，纯贪婪算法容易陷入局部最优解，无法在满足通信锚点约束的同时有效打破周期性。

2. 方法论 (Methodology)

本文提出了一种两阶段混合优化框架，旨在设计非周期性导频图案，在严格满足通信锚点约束的前提下，最小化峰值旁瓣电平（PSL）。

A. 系统模型与理论分析

模糊函数分析： 作者将延迟域模糊函数（Ambiguity Function, AF）的幅度平方表示为导频集合中**循环差多重性（Cyclic Difference Multiplicities, $\lambda(d)$ ）**的离散傅里叶变换（DFT）。
关键洞察： 周期性栅瓣的根源在于导频差值的非均匀分布。只要打破这种差值的周期性聚集，就能抑制确定性栅瓣。
噪声基底限制： 系统引入了**数据对导频的干扰（DPI）**噪声基底概念。由于通信数据是随机变量，其自相关会产生一个不可逾越的随机噪声基底（约 $10\log_{10}(1/N)$ ）。优化的目标不是追求绝对零旁瓣（这在物理上不可能），而是将确定性导频栅瓣压制到该 DPI 噪声基底之下。

B. 混合贪婪 - 随机循环坐标下降算法 (Hybrid Greedy-SCCD)

算法分为两个阶段：

阶段一：构造性旁瓣最小化 (Constructive Sidelobe Minimization, CSM)
- 约束初始化： 首先强制在频域分散放置 $N_{anc}$ 个“锚点导频”（Anchor Pilots）。这些锚点均匀分布，确保满足信道估计的奈奎斯特采样率，保障通信性能。
- 贪婪填充： 在剩余的 $K - N_{anc}$ 个导频位置上，采用贪婪策略迭代选择，每次选择一个能最小化当前瞬时 PSL 的子载波索引。
- 局限性： 此阶段计算高效，但容易陷入局部最优，且早期决策不可逆。
阶段二：随机循环坐标下降 (Stochastic Cyclic Coordinate Descent, SCCD)
- 打破周期性： 在贪婪初始化得到的基础上，引入随机扰动。算法随机选择已选导频集合中的一个导频，尝试将其替换为未选集合中的一个候选导频。
- 接受准则： 如果替换后的新集合能降低 PSL，则接受该替换；否则保留原样。
- 迭代优化： 通过多次迭代，算法能够跳出局部极小值，进一步优化导频的空间分布，彻底打破由贪婪策略或锚点约束引起的残留周期性。

3. 主要贡献 (Key Contributions)

理论关联： 首次从数学上严格建立了循环差多重性与模糊函数周期性栅瓣之间的联系，解释了栅瓣产生的结构性原因。
模型更新： 在 ISAC 模型中明确纳入了数据对导频干扰（DPI）噪声基底，重新定义了优化目标：将确定性栅瓣压制在通信数据产生的随机噪声基底之下。
算法创新： 提出了一种低复杂度的混合贪婪-SCCD 算法。该算法在严格保留通信锚点（确保信道估计能力）的同时，通过随机优化打破了周期性，解决了 NP-hard 的组合优化问题。
性能验证： 证明了该方法能在不牺牲通信误码率（BER）的前提下，显著提升感知性能（降低测距均方根误差 RMSE）。

4. 实验结果 (Results)

实验基于 $N=512$ 子载波的 OFDM 系统，采用 16-QAM 调制，并在频率选择性瑞利衰落信道下进行评估。

PSL 抑制增益：
- 在仅有导频的理论条件下，混合算法相比标准周期性导频，在稀疏导频密度（如 $N_p=32$ ）下提供了超过 5 dB 的 PSL 抑制增益。
- 在包含通信数据的实际操作条件下，混合算法成功将确定性栅瓣压制到 DPI 噪声基底之下，消除了周期性导频带来的性能瓶颈。
测距性能 (Range RMSE)：
- 标准周期性导频： 随着信噪比（SNR）增加，RMSE 会出现饱和（Saturation Floor），因为栅瓣产生的鬼影目标功率随信号线性增长，无法通过提高信噪比消除。
- 混合优化方案： RMSE 曲线随 SNR 增加而单调下降，受限于热噪声而非栅瓣，彻底消除了饱和现象。
通信性能 (BER)：
- 通过强制分布锚点导频，混合方案完美保留了信道估计质量。
- 仿真显示，优化后的导频图案的 BER 曲线与标准周期性导频完全重合，证明了感知增强与通信可靠性被成功解耦。

5. 意义与结论 (Significance)

解决根本矛盾： 该研究提供了一种无需改变 OFDM 波形结构或调制格式，仅通过优化导频位置即可解决 ISAC 中感知与通信冲突的实用方案。
标准化兼容性： 提出的方法完全兼容现有的 3GPP OFDM 参数集，且算法复杂度低，适合硬件实现。
性能突破： 打破了周期性导频导致的测距误差饱和极限，使得 OFDM 雷达在高分辨率感知场景下具有实际应用价值。
未来方向： 论文指出未来工作将集中在设计高效的信令方案以传输优化后的导频索引，以及研究接收端的联合处理技术。

总结： 本文通过引入“锚点约束”和“混合随机优化”策略，成功设计了一种非均匀导频图案，既保证了通信链路的可靠性，又显著抑制了雷达感知的栅瓣干扰，为 6G 时代的 ISAC 系统波形设计提供了重要的理论依据和工程方案。