⚡ electrical engineering

Movable Antenna for Integrated Sensing and Communication in Air Sea Ground Networks

本文提出了一种用于空海地网络中感知通信一体化的可移动天线框架，该框架通过优化天线子阵列的位置、方向和波束赋形来最大化通信速率和感知速率，证明了其相比于传统固定天线系统具有更优越的性能和权衡能力。

原作者： Ahmed A. Al-habob, Octavia A. Dobre, Yindi Jing

发布于 2026-07-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Ahmed A. Al-habob, Octavia A. Dobre, Yindi Jing

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

想象一下，你正试图在嘈杂的房间里与一位朋友交谈，同时还要努力捕捉某种特定的声音，比如鸟鸣声。在无线技术的世界里，这就是“通信感知一体化”（ISAC）每天都在进行的挣扎。这是一个巧妙的想法，即一个系统试图同时完成两项工作：传输数据（比如你的手机信息）和感知环境（比如雷达发现无人机）。问题在于，这两项工作经常会产生冲突。那些非常适合向朋友大声传递信息的天线，可能非常不擅长倾听来自小鸟的低语。通常情况下，这些天线是固定不动的，就像雕像一样，即使风向改变或朋友走远了，也无法移动。本文探讨了一种解决这一问题的新方法，即赋予天线移动和转动的能力，将一个静态的雕像变成一个灵活的、舞动的表演者，使其能够找到同时胜任这两项工作的完美位置。

这项研究背后的研究人员 Ahmed A. Al-habob、Octavia A. Dobre 和 Yindi Jing，正在应对一个非常特定且复杂的场景：连接天空、海洋和陆地。他们正在为“空–海–地网络”设计一个系统，这意味着他们试图与飞在空中的无人机（UAV）、漂浮在水面上的船只和浮标，以及陆地上的普通人或设备进行通信。在这种由移动目标和不同环境组成的混乱组合中，固定的天线就像一座只能向一个方向照射的灯塔；它难以跟上周围发生的一切。

论文提出了一种使用“可移动天线”的解决方案。请不要将这些天线仅仅视为单个天线，而是将其视为通过机器人手臂连接到基站的一组较小的天线组（称为子阵列）。这些手臂可以物理性地滑动天线到新位置，并旋转它们以面向新的方向。作者建立了一个数学博弈，目标是同时实现与设备通信和对目标感知的最佳结果。他们并非凭空猜测如何移动，而是创建了一种智能算法。首先，他们使用了一种称为 K-means 聚类的方法（这就像是将一堆乱七八糟的玩具根据位置整理成整齐的组），以确定天线应该指向哪个方向。然后，他们使用了一种粒子群优化算法（受鸟群寻找食物的方式启发），来滑动天线以达到其最佳物理位置。最后，他们利用高级数学对信号进行微调，以确保信息清晰且感知敏锐。

当研究人员运行模拟实验时，结果非常令人期待。他们发现这种“跳舞的天线”系统明显优于传统的静态系统。在测试中，这种可移动的设置提升了整体性能，在数据传输速度和目标感知精度之间提供了更好的平衡。例如，当他们测试使用不同数量的天线组（具体为 4、8 和 16 个子阵列）时，即使总的天线微小部件数量保持不变，随着可移动组数的增加，系统的表现也会变得更好。模拟结果表明，通过赋予天线移动和旋转的自由度，该系统处理飞行无人机、漂浮船只和地面用户这种复杂混合情况的能力，比天线固定不动时要有效得多。论文总结道，这种灵活的方法是让未来网络变得更聪明、更高效的一种强大方式，尽管这些结果目前是基于计算机模拟而非真实的实地测试。

技术摘要：面向空–海–地网络中集成感知与通信的可移动天线研究

问题陈述
集成感知与通信（ISAC）旨在通过共享硬件和无线电资源，将感知与通信功能结合起来。然而，ISAC 系统面临着内在的挑战，包括相互冲突的波束赋形目标以及对相同资源的竞争。传统的固定天线系统，即使是利用大规模 MIMO 的系统，也受限于静态辐射方向图和固定的取向，这限制了其在涉及高移动性用户和目标的空间多样化场景中的适应能力。在空–海–地网络（整合了无人机（UAV）、海面站和地面用户）的背景下，这些局限性被设备异构性、位置多样性以及在偏远或海洋环境中对可靠连接的需求所进一步放大。固定天线通常需要大量的阵元来追踪快速变化的信道，并且在高频段容易受到严重的路径损耗和方向失配的影响。

方法论
本文提出了一个可移动天线框架，其中基站配备了 $K$ 个天线子阵列。与固定阵列不同，这些子阵列可以通过可伸缩且可旋转的杆件动态调整其三维位置 ( $\psi_k$ ) 和三维取向 ( $\phi_k$ )。该系统模型考虑了异构通信信道（用于无人机的 LoS 信道、针对海面站的特定路径损耗以及针对地面用户的莱斯衰落）以及针对一组目标的感知信道。

这项工作的核心是一个多目标优化问题，旨在最大化通信总数据速率与感知总速率的加权和。优化变量包括：

子阵列布局与取向： 每个子阵列的三维坐标和旋转角度。
波束赋形： 用于通信和感知的发射波束赋形向量，以及用于目标感知的接收波束赋形向量。

该问题受限于实际约束，包括总发射功率预算、为避免耦合而设定的子阵列最小间距，以及确保子阵列从基站中心向外指向且互不遮挡的几何约束。

为了解决这一非凸优化问题，作者开发了一种混合求解方法：

接收波束赋形： 使用广义特征向量法进行优化，以最大化感知的信干噪比（SINR）。
发射波束赋形： 使用逐次凸逼近（SCA）方法进行设计，以处理速率最大化问题中的非凸性。
子阵列取向： 通过 K-means 聚类算法确定。将设备和目标进行聚类，并将子阵列定向指向聚类质心。
子阵列布局： 使用粒子群优化（PSO）算法在满足几何约束并最大化目标函数的可行空间内寻找最佳的三维位置。

主要贡献

框架开发： 本文建立了一个专门针对空–海–地网络中 ISAC 的可移动天线框架，解决了异构设备类型（无人机、海面站、地面用户）和目标的独特挑战。
优化建模： 提出了一个多目标优化问题，在关于可移动天线放置和取向的实际约束下，联合最大化通信速率和感知速率。
算法解法： 提出了一种创新的求解方法，集成了用于取向的 K-means 聚类、用于布局的 PSO、用于发射波束赋形的 SCA 以及用于接收波束赋形的广义特征向量法。

结果
基于参数设置（如 6 架无人机、6 个海面站、6 个地面用户和 3 个目标）的仿真结果表明：

收敛性： 所提算法（算法 3）表现出良好的收敛性，在几次迭代内即可使目标值趋于稳定。
性能增益： 与传统的静态天线阵列相比，可移动天线框架在综合感知与通信目标方面具有显著优势。
可扩展性： 随着子阵列数量的增加（即使总天线阵元数固定），性能得到提升，这表明增加空间自由度可以增强系统能力。
权衡管理： 该框架为通信数据速率与感知速率之间提供了灵活的权衡。通过调整权重因子 $\omega$ ，系统可以在保持优于固定天线场景的整体性能的同时，优先考虑其中一个目标。
鲁棒性： 系统性能随设备和目标数量的增加而正向扩展，利用空间多样性来改善信道质量。

意义
本文声称，与传统的静态阵列相比，所开发的基于可移动天线的框架为空–海–地网络中的 ISAC 性能带来了显著提升。通过动态重构天线子阵列的位置和取向，系统有效地利用空间自由度来解决冲突的波束赋形目标并减轻信道损伤。这种方法为在受限于静态辐射方向图的复杂、异构及高移动性环境下，增强数据速率和感知精度提供了一种可行的解决方案。

类似论文