Quantization Limitations of Leakage Suppression in Self-Calibrating Monostatic Integrated Sensing and Communication MIMO Systems
本文研究了量化噪声如何严重降低自校准单基站集成感知与通信（ISAC）MIMO系统中用于抑制泄漏的数字预编码方案的性能，并提供了一个预测该影响的闭式解，并通过数值分析和硬件实验对其进行了验证。
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，你正试图在自己大声叫喊的房间里听清一声细微的耳语。这就是一种名为**集成感知与通信（ISAC）**的新型技术所面临的核心挑战。这些设备（例如未来的 6G 手机或雷达）试图同时完成两件事：向外界发送信号以“观察”世界（感知），以及与其他设备进行交谈（通信）。
问题在于**单站式（monostatic）**特性，即“大声叫喊”（发射）和“倾听”（接收）发生在同一个盒子里，且紧挨在一起。
核心问题：淹没一切的“回声”
当你大声叫喊时，即使声音还没碰到墙壁，也会有一小部分直接泄露到你的耳朵里。在电子学中，这被称为泄露（leakage）。
- 类比： 想象你在一个图书馆里试图听清一枚针掉落的声音，但与此同时，你正把一个扩音器紧贴着耳朵拿着。即使你把扩音器对着远离自己的方向，声音也会直接泄入你的耳朵，其音量大到足以震聋你的听力（使放大器饱和），让你根本无法听到那枚针掉落的声音（即你想要检测的信号）。
提议的解决方案：数字“降噪”
工程师们使用了一个聪明的技巧来解决这个问题。他们不是通过建造更好的物理隔墙，而是使用数字预编码（digital precoding）。
- 类比： 想象这个扩音器拥有许多微小的扬声器（天线）。计算机计算出一种特定的声波模式，并从每个扬声器中播放出来。如果做得完美，这些声波会在你耳朵所在的特定位置相互抵消，从而创造出一个针对泄露信号的“静音区”，同时依然能向外界世界发出响亮的喊叫。
在计算机模拟中（一切都是完美的情况），这个技巧几乎像魔法一样奏效。泄露会完全消失。
论文的发现：“像素化”的现实
论文作者们提出了一个疑问：“为什么当我们把它投入现实世界构建时，这个魔术般的技巧会失效？”
他们发现了罪魁祸首是量化噪声（Quantization Noise）。
- 类比： 想象你正试图在一张坐标纸上画一条完美的、平滑的曲线。
- 在模拟中： 你拥有无限细密的网格线。你可以画出如此平滑的曲线，使其看起来完美无瑕。
- 在现实世界（量化）： 你只有一张由极少数方格（比特）组成的粗糙网格。你必须将平滑的曲线“舍入”到最接近的方格中。结果就是产生了一条“锯齿状”的、像素化的线条。
- 结果： 这种锯齿感引入了微小的误差。当你试图抵消巨大的喊叫声时，这些微小的“锯齿”意味着你的抵消过程会产生极其微小的偏差。而这点微小的偏差，就足以让响亮的喊叫声泄露出来，并淹没掉那声细微的耳语。
他们做了什么
研究人员建立了一个数学公式（闭式解），用于精确预测会残留多少“泄露”，其依据是数字网格有多“粗糙”（即硬件使用了多少比特）。
- 数学原理： 他们计算出，拥有的“像素”（比特）越多，曲线越平滑，静音效果就越好。但如果比特数太少，这种“锯齿感”（噪声）就会成为导致抵消失败的主要原因。
- 模拟实验： 他们运行了数千次计算机测试。结果与他们的数学推导完美吻合。
- 实测验证： 他们使用无线电设备（SDR）和天线搭建了一个物理测试平台。他们通过添加数字噪声来模拟不同的比特率。物理实验证实了他们的理论：硬件无法完美表示数值这一事实（量化），是导致泄露抑制效果不如模拟表现预期的主要原因。
总结
如果你想制造一个能在大声喊叫的同时聆听耳语的雷达，你不能仅仅依赖于计算机中那种“完美”的数学。你必须考虑到现实中的硬件是“像素化”的。
论文的结论是，通过使用这个新公式，工程师现在可以在构建系统之前，通过查看硬件使用的比特数，来精确预测系统的实际表现。这有助于他们设计出更好的系统，而不必在那些因这些微小的数字“锯齿边缘”而失败的原型机上浪费时间。
简而言之： 数字静音抵消的魔力，受限的不是数学，而是现实中的计算机无法画出完美的平滑曲线，它们只能画出带有锯齿的、像素化的线条。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。