⚡ electrical engineering

Estimating Target Doppler in Unsynchronized Multistatic ISAC Deployments with Mobile Nodes

本文提出了一种针对具有移动发射机和静态接收机的非同步多站 ISAC 系统中估计目标多普勒频移的首个方法，该方法通过利用至少四个接收机之间的相位偏移不变性和几何关系，在不依赖外部反射器的情况下实现了精确估计。

原作者： Zaman Bhalli, Michele Rossi, Joerg Widmer, Marco Canil

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Zaman Bhalli, Michele Rossi, Joerg Widmer, Marco Canil

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

想象一下，你正试图弄清楚一辆特定汽车在繁忙街道上行驶的速度，但你面临几个棘手的问题：

观察者在移动：试图测量汽车的人（“发射机”）实际上正驾驶着另一辆车。
时钟不同步：在人行道上观察的人（“接收机”）彼此之间的手表以及他们与驾驶员的手表之间存在微小的不同步。
没有镜子：你无法通过让信号从已知的静止墙壁上反射回来，以帮助你计算速度。

这就是该论文所处理的现实场景。在 6G 网络的世界中，我们希望不仅利用手机和基站彼此通信，还要利用它们来“感知”周围的世界——例如检测移动的汽车或行人。这被称为通感一体化（ISAC，Integrated Sensing and Communication）。

该论文提出了一种巧妙的数学技巧，用于解决“移动观察者且时钟不同步”的问题，而无需任何额外辅助。

核心问题：“回波”混淆

当信号从移动目标上反射时，其音调会发生变化（就像经过的警笛声）。这被称为多普勒频移。如果你能测量这种音调变化，你就知道了速度。

然而，在真实的城市环境中：

信号会从目标反射，但它也会直接从移动的驾驶员传到人行道上的观察者。
由于驾驶员在移动，直接信号也会发生音调变化。
由于观察者的时钟略有偏差，信号到达时会带有“相位偏移”（一种定时故障），这看起来像是额外的移动。

这就像试图在暴风雨中听清特定鸟儿的鸣叫。风（移动的驾驶员）和雨（时钟误差）淹没了鸟儿（目标）。

解决方案：四步侦探游戏

作者开发了一种方法，就像一个四步侦探游戏，用于隔离目标的速度。他们假设至少有四个观察者（接收机）排成一条线或聚集在一起。

第一步：“抵消”技巧
每个观察者都会接收到两个信号：来自移动驾驶员的直接信号和从目标反射的信号。

类比：想象有两个人同时对你说话。一个人用恒定的音调大喊（直接路径），另一个人唱着音调变化的歌（目标）。
操作：由于“时钟误差”和“定时故障”对到达特定观察者的两个信号影响相同，团队从目标信号中减去直接信号。这抵消了混乱的时钟误差，只留下由运动引起的音调差异。

第二步：“快照”比较
即使在第一步之后，仍有一些静态的“距离”干扰着数学计算。

类比：想象在一秒钟内拍摄两张移动汽车的照片。背景（静态距离）在两张照片中看起来是一样的。
操作：团队比较一个时刻的信号与下一个时刻的信号。通过观察这些“快照”之间的变化，静态背景噪声消失，只留下纯粹的运动数据。

第三步：几何谜题
现在团队拥有一组方程，但未知数太多（例如“驾驶员从什么角度来？”和“目标向什么角度去？”）。

类比：想象你试图利用房间四个角落的闪光灯来找到隐藏物体的位置。如果你确切知道闪光灯的位置以及它们指向的方向（到达角），你就可以在地图上画出线条。线条交叉的地方就是物体的位置。
操作：由于观察者确切知道他们站在哪里，并且能看到信号传来的方向，他们可以利用几何学来确定驾驶员和目标的位置。这使得他们能够重写方程，减少未知数的数量。

第四步：最终计算
一旦几何关系确定，数学计算就简化了。

结果：团队发现，如果你拥有至少四个观察者，这个谜题就有唯一解。他们可以解出复杂的数学问题，揭示目标的精确速度，即使观察者的时钟混乱且驾驶员在移动。

模拟结果显示

作者使用计算机模拟测试了这一想法（因为他们尚未建造物理 6G 城市）。以下是他们的发现：

四是个神奇数字：如果他们使用的观察者少于四个，数学问题会有太多未知数，无法得出单一答案。如果有四个或更多，则行之有效。
距离很重要：当目标和驾驶员距离观察者相对较近时（如在狭窄的城市街道上），该方法效果最佳。如果所有东西都太远，信号会变得过于相似，数学计算会陷入混乱。
间距有帮助：如果四个观察者分散开来（而不是都挤在一个地方），系统就能获得更好的场景“视野”，从而更准确地计算速度。
速度无关紧要：无论目标是步行、骑自行车还是开车，该方法的效果都一样好。

结论

这篇论文证明，在 6G 网络中感知移动物体并不需要完美同步的时钟或静止的基站。即使发射机是一辆移动的汽车，而接收机略有不同步，只要我们有至少四个接收机协同工作，我们就能在数学上“清理”噪声，并准确计算出目标移动的速度。它将一个混乱、嘈杂的环境转化为清晰的运动图像。

技术摘要：在非同步多站 ISAC 部署中利用移动节点估计目标多普勒

问题陈述
集成感知与通信（ISAC）是未来 6G 网络的基石，然而在实际场景中准确的目标表征仍面临重大障碍。虽然单站雷达系统已得到充分理解，但实际的 ISAC 部署通常依赖于涉及物理分离的发射机（TX）和接收机（RX）的双站或多站配置。当节点处于移动且非同步状态时，这些场景变得尤为具有挑战性。

在此类环境中，目标多普勒频移的估计受到两个主要因素的扭曲：

时钟不同步：TX 与多个 RX 之间缺乏同步会引入定时偏移（TO）、载波频率偏移（CFO）和相位偏移（PO）。这些因素作为干扰项，掩盖了由目标引起的频移。
节点移动性：当 TX（例如移动的用户设备）移动时，会引入额外的动态多普勒分量，该分量与目标自身的多普勒频移以非平凡的方式结合。

现有文献大多分别处理这些问题（例如，具有不同步性的静态设备或移动单站雷达），或者依赖视距（LoS）路径与外部静态反射体的存在来解决模糊性。本文填补了以下空白：在不利用任何外部反射体的情况下，估计移动、非同步、多站配置中的目标多普勒。

方法论
所提出的方法针对一个移动 TX 和多个静态 RX（例如 5G gNB 的扇区或云无线接入网组件）的场景。假设 RX 在基带层面是相位同步的，但拥有独立的射频前端，从而导致每个接收机具有独特的 CFO 和 PO。该算法在四个不同的阶段运行：

偏移消除（CFO 和 PO）：
该方法利用 CFO 和 PO 对单个 RX 接收到的所有多径分量具有不变性的特点。通过从每个 RX 处目标路径（TX 到目标再到 RX）的相位中减去直达 LoS 路径（TX 到 RX）的相位，消除了公共偏移项（ $\Psi^o_n$ ）。这留下了仅依赖于路径几何形状和多普勒频移的相位差。
静态相位项消除：
剩余的相位差仍包含与路径长度相关的静态项（ $\Delta \angle A_n$ ）。通过计算连续时间步长之间的时域差（时间相位微分），消除了这些与静态幅度相关的相位项，从而分离出动态多普勒分量。
几何简化：
所得方程组将测量的相位差与 TX 和目标的流速以及各种几何角度（双站角、相对于视线的速度矢量）联系起来。最初，该方程组是欠定的。作者利用已知的接收机位置和到达角（AoA）测量值来减少未知数：
- 已知的 RX 位置和 AoA 允许对 TX 和目标位置进行三角测量。
- 这些估计的位置允许计算双站角（ $\beta_n$ ）。
- 在相邻 RX 的角度（ $\zeta_{n+1}$ 和 $\gamma_{n+1}$ ）之间建立递归几何关系，从而减少独立的角未知数。
- 关键约束：通过这些简化，系统仅在至少拥有**四个 RX（ $N_{rx} \ge 4$ ）**时才可解。
非线性优化：
简化后的系统包含四个未知数（TX 速度幅值、目标速度幅值和两个初始角度），使用 Levenberg–Marquardt 算法作为非线性最小二乘（LS）问题进行求解。对解应用移动平均以提高估计质量。

主要贡献
本文声称有三项主要贡献：

首个移动/非同步多站多普勒估计方法：它提出了第一种在 TX 和目标均移动且节点非同步的多站 ISAC 场景中估计目标多普勒的技术，且无需外部反射体。
真实的硬件建模：该方法明确考虑了具有挑战性但现实的情况，即由于独立的射频前端，每个 RX 表现出独特的 CFO 和 PO，这一条件在理论模型中常被忽略，但对感知精度至关重要。
通过仿真验证：该解决方案在各种场景中通过数值仿真进行了评估，证明了其在现实多站部署中估计多普勒频移的有效性。

仿真结果
作者使用 28 GHz 的 5G NR 物理上行共享信道（PUSCH）解调参考信号（DM-RS）评估了该方法。主要发现包括：

AoA 噪声敏感性：该方法对小 AoA 噪声（标准差 $\le 3^\circ$ ）具有鲁棒性，产生的平均绝对误差（MAE） $\le 100$ Hz。当 AoA 误差较大（ $10^\circ$ – $20^\circ$ ）时，性能显著下降。
接收机间距：增加空间分集（RX 之间更大的间距）可提高性能。当 RX 过于接近时，路径相似性使得场景动态更难解析。
距离限制：对于局部化的 RX 部署（类似于单个 gNB 扇区），该方法在短距离内表现良好（适用于狭窄街道场景，例如 TX 距离 $\le 10$ m）。除非 RX 分布在更广阔的区域（例如宽阔街道的两侧），否则在较长距离下性能会下降，这虽然增加了空间分集，但也增加了实现复杂度。
速度不变性：该方法的精度与目标速度无关，在行人、自行车和车辆速度范围内表现一致。

意义与主张
本文谦逊地声称，为 ISAC 中一个此前未解决的问题提供了一种有效方法：在移动多站设置中，在缺乏同步和外部反射体的情况下估计目标多普勒。它证明了通过利用几何不变性和相位关系，该问题在数学上至少需要四个接收机即可求解。

作者将这项工作定位为迈向 6G 中无处不在的基于无线电的感知织物的步骤，其中感知直接嵌入通信基础设施。他们承认，虽然当前的局部化部署在短距离场景中表现良好，但未来的工作需要对 RX 布局进行优化以实现更广泛的覆盖，并在现实条件下对方法论进行实验验证。

核心问题：“回波”混淆

解决方案：四步侦探游戏

模拟结果显示

结论

类似论文