⚡ electrical engineering

Multi-Sensor Integrated Sensing and Communication for Critical Infrastructure Protection

本文提出了一种利用协作式被动嗅探器（cooperative passive sniffers）的分布式多传感器集成感知与通信（MS-ISAC）架构，旨在增强关键基础设施针对无人机威胁的防护能力，并证明了其相比于传统的准单基（quasi-monostatic）方法在覆盖范围和几何精度方面的优越性。

原作者： Reiner Thomä, Gerd Sommerkorn, Christian Schneider, Thomas Dallmann

发布于 2026-06-30

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Reiner Thomä, Gerd Sommerkorn, Christian Schneider, Thomas Dallmann

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

核心理念：保护敏感区域免受隐形无人机的威胁

想象你拥有一个非常珍贵的花园（比如太阳能发电场或发电厂），你需要保护它免受未经授权的无人机侵扰。这些无人机非常狡猾：它们不会开启自己的无线电信号，因此你无法用标准的无线电扫描仪“听到”它们的到来。你需要一种方法，能在不被对方察觉的情况下监视它们。

本文提出了一种利用随处可见的现有移动通信网络（4G/5G）来实现这一目标的新方法。作者建议，与其建造昂贵的专用雷达塔，不如将移动通信网络变成一个巨大的、隐形的雷达系统。

“旧方法”的问题（单只手电筒）

目前，许多人认为可以通过在手机基站旁边放置一个特殊的监听设备来实现这一目标。

类比： 想象基站是一个正在投射光束的巨大手电筒。监听设备就是坐在手电筒旁边的摄像机。
缺陷： 如果你站在刺眼的手电筒旁边，由于光线太强会让你产生“视觉过载”（这被称为“自干扰”），你很难看清光束中的其他物体。此外，紧挨着光源的摄像机只能告诉你物体离你有多远，但很难准确判断它具体在什么位置，或者侧向移动的速度有多快。这就像试图判断一辆正对着你开来的车和一辆从你身边驶过的车的速度一样；当你站在车灯正前方时，判断起来要困难得多。

新思路：“分布式嗅探器”（间谍小队）

作者提出了另一种设置方案。他们建议不是在基站旁边放一个监听器，而是在受保护花园的周界周围布置三个或更多的小型监听设备（称为“嗅探器”）。

类比： 想象基站仍然是那个手电筒，但与其只有一个旁观者，不如在花园的不同角落安排三名间谍。
工作原理：
1. 基站将信号（光）投射到花园上方。
2. 无人机会反射这个信号（就像镜子反射光线一样）。
3. 三个间谍从各自的位置捕捉到反射信号。
4. 他们将数据传回基站进行汇总。

为什么这种团队协作方式更好

论文指出，与单监听器相比，这种“多传感器”方法具有三个主要的“超能力”：

1. 听得更清（信号强度）

类比： 如果你站在音箱很远的地方，音乐声很小。但如果你有三个朋友站在舞台旁边，他们听到的音乐就会又大又清晰。
科学原理： 由于嗅探器靠近花园（目标物）而基站距离较远，信号传输到监听器的路径更短。这意味着来自无人机的“回声”比监听器被迫留在基站旁边时要强得多，也清晰得多。

2. 不会被晃瞎眼（减少干扰）

类比： 间谍们离手电筒足够远，所以直接的光束不会晃瞎他们的摄像机。他们可以清晰地看到无人机反射出的光，而不会被光源的眩光所干扰。
科学原理： 这消除了“自干扰”问题。系统可以轻松区分来自基站的直射信号和从无人机身上弹回来的信号。

3. 精准的 3D 追踪（三角测量）

类比： 如果只有一个人在看一只鸟，他可以猜出鸟的距离，但可能猜错它的飞行方向。但如果你有三个人站在不同的角度，他们都可以指向那只鸟，而他们的手指交汇之处，就是鸟所在的精确位置。
科学原理： 通过结合来自三个不同角度的数据，系统可以计算出无人机的精确 3D 位置和速度，而无需使用复杂的、昂贵的设备来猜测方向。它利用数学方法（称为“多边定位法”）来完美锁定目标。

“被动式”的秘密

该系统的一个关键点在于嗅探器是被动式的。

类比： 嗅探器并不会向无人机“喊话”以探测其是否存在（因为这会暴露它们的存在）。相反，它们只是在倾听基站与其他手机之间的正常对话。它们利用现有网络中的“噪音”来捕捉无人机的反射。
益处： 这意味着该系统不需要更改基站或手机。它只需在受保护场所附近添加这些小型监听设备。这就像是在门上安装一个运动传感器，而不需要重建整座房子。

结论

论文得出结论，对于保护特定关键区域（如太阳能场或发电厂）而言，这种“分布式多传感器”方法比传统的“单传感器”方法要好得多。

它看得更远、更清。
它追踪运动更准确。
它利用现有的移动网络，无需对基站进行昂贵的硬件升级。

作者建议，虽然这种方法可能无法同时覆盖整个国家，但它是为重要基础设施建立安全“围栏”的完美解决方案，并且未来可以通过使用更多的基站作为监听站来进行扩展。

技术摘要：用于关键基础设施保护的多传感器集成感知与通信

问题陈述
无人驾驶飞行器（UAV）的激增对包括能源、交通和国防设施在内的关键基础设施（CI）构成了潜在威胁。虽然可以通过无线电监测检测到受远程控制的无人机，但对于不发射主动信号的恶意“被动式”无人机，则需要基于雷达的检测。然而，现有的政府空中交通管制系统缺乏全面监测低空（U-Space）所需的普遍性、可扩展性和成本效益。专用雷达系统面临着频谱可用性、监管障碍以及经济可行性的限制。虽然集成感知与通信（ISC）通过复用移动网络基础设施提供了一种解决方案，但目前的方案通常依赖于准单基（quasi-monostatic）架构。在这种设置中，单个“嗅探器”（sniffer）传感器位于基站（BS）附近。这种方法存在显著缺陷：强烈的自干扰（直接馈通）、由于波束赋形分辨率有限导致的到达角（DoA）估计能力差、无法测量横向多普勒频移，以及缺乏可靠进行三维定位的几何自由度。

方法论
作者提出了一种分布式多传感器 ISAC 架构，特别称为基于用户设备的多传感器（MSUE-ISAC）架构。该方法并非将传感器置于基站附近，而是将三个或更多个专门的被动“嗅探器”（作为标准用户设备 UE）部署在受保护站点（PS）周围的战略位置。

架构： 嗅探器通过标准的下行链路（DL）和上行链路（UL）通道连接到远端的照明基站（gNB）。gNB 利用现有的 4G/5G 信令（PDSCH 数据流和参考信号）对区域进行照明。
感知原理： 该系统基于协作被动相干定位（CPCL）原理运行。嗅探器接收下行链路信号和目标回波。它们进行局部处理，以估计相对于来自基站的直接视距（LOS）路径的过剩飞行时间（eToF）和过剩多普勒（eDoppler）。
数据融合： 局部估计值通过上行链路传输至 gNB（或边缘云），在此进行多传感器数据融合。这种多点定位过程允许计算完整的三维动态目标状态向量（位置和速度），而无需进行到达角（DoA）估计。
信号处理： 为了处理感知所需的动态范围要求，论文提出了一个“涡轮 CPCL”检索程序。这涉及一个两步均衡过程：首先使用标准信道状态信息（CSI）进行初始信号恢复，其次利用估计的通信数据来优化相关参考，从而实现信噪比（SNR）的最大化。

核心贡献

架构转变： 论文倡导采用分布式多静态架构而非准单基架构，并证明了将嗅探器部署在目标区域附近（而非基站附近）能从根本上提升性能。
性能分析： 作者提供了覆盖范围和几何精度因子（GDoP）的对比分析。他们表明，分布式方法避免了单基设置中的自干扰问题，并能通过多点定位实现完整的三维定位。
资源效率： 该提议利用现有的 4G/5G 无线电信令方案和标准 UE 硬件，无需对基站硬件或内部无线接入网（RAN）协议进行任何修改。
可扩展性概念： 论文概述了分层扩展策略，建议通过适配“伞形小区”和协作多点（CoMP）网络（MSRU-ISAC）将覆盖范围从局部热点扩展到广域监控。

结果
在针对保护一个距离基站约 800 米处的 500 米太阳能场型的现实场景进行的仿真研究得出以下结果：

接收功率： 与单基情况相比，多静态配置在受保护区域内始终产生更高的接收功率（ $P_r$ ）。这归功于分布式设置中更短的目标到接收机距离（ $R_{s \to r}$ ），从而降低了单基雷达方程中固有的 $R^4$ 路径损耗惩罚。
距离比： 几何优势通过距离比 $a = R_{t \to s} / R_{s \to r}$ 进行量化。在分布式设置中， $a > 1$ ，从而在接收功率方程中提供了 $+20 \log_{10}(a)$ 的增益项。
定位精度： 分布式几何结构显著降低了水平精度因子（HDoP）。通过融合来自多个角度的测量值，该系统实现了更低的位移和速度估计方差，符合克拉美-罗下界（CRLB）。
频段： 结果表明，较低的工作频率（FR1 低/中频段）对于 ISAC 是可行的。虽然这些频段带宽较低，但通过优化嗅探器布局获得的更高信噪比（SNR）补偿了分辨率的降低，且较低的天线方向性放宽了对精确目标波束搜索的要求。

意义与主张
论文声称，分布式 MSUE-ISAC 方法为关键基础设施保护提供了一种务实、可扩展的解决方案，其覆盖范围和定位精度优于传统的准单基 ISAC。其意义在于能够：

提供一种“感知即服务”模式，使移动网络运营商（MNO）能够在不改变现有基础设施的情况下管理感知质量。
通过利用多个传感器的多样性增益和优化双基几何结构带来的高信噪比，克服被动无人机的“隐身”问题。
通过聚合来自局部 ISAC 集群的压缩数据，实现全面的态势感知，并可能将其与外部来源进行融合。

作者对广域覆盖保持谨慎，承认专用嗅探器最适合于定义的、有限的区域。他们提出，对于更广泛的覆盖，该概念应当演变为利用现有小基站站点和 CoMP 架构的分层网络，而不是仅凭当前的分布式嗅探器设置来解决所有广域监控挑战。

核心理念：保护敏感区域免受隐形无人机的威胁

“旧方法”的问题（单只手电筒）

新思路：“分布式嗅探器”（间谍小队）

为什么这种团队协作方式更好

“被动式”的秘密

结论

类似论文