【導(dǎo)讀】本文從車(chē)聯(lián)網(wǎng)的演進(jìn)出發(fā)，分析安全輔助駕駛和自動(dòng)駕駛對(duì)環(huán)境感知的需求，并論證了通感一體化技術(shù)在提供環(huán)境感知方面的優(yōu)勢(shì)。通過(guò)典型用例分析，本文提出了車(chē)聯(lián)網(wǎng)應(yīng)用對(duì)通感一體化的要求和技術(shù)挑戰(zhàn)。對(duì)應(yīng)這些技術(shù)挑戰(zhàn)，本文還闡述了波形、端管協(xié)同、Sidelink 增強(qiáng)、擴(kuò)展目標(biāo)的融合成像、微多普勒檢測(cè)等通感一體化關(guān)鍵技術(shù)。
通信感知一體化（簡(jiǎn)稱(chēng)“通感一體化”）是無(wú)線通信系統(tǒng)新的基礎(chǔ)特性之一，而支持安全輔助駕駛和自動(dòng)駕駛的車(chē)聯(lián)網(wǎng)服務(wù)是通感一體化技術(shù)的一個(gè)重要應(yīng)用場(chǎng)景。
本文從車(chē)聯(lián)網(wǎng)的演進(jìn)出發(fā)，分析安全輔助駕駛和自動(dòng)駕駛對(duì)環(huán)境感知的需求，并論證了通感一體化技術(shù)在提供環(huán)境感知方面的優(yōu)勢(shì)。通過(guò)典型用例分析，本文提出了車(chē)聯(lián)網(wǎng)應(yīng)用對(duì)通感一體化的要求和技術(shù)挑戰(zhàn)。對(duì)應(yīng)這些技術(shù)挑戰(zhàn)，本文還闡述了波形、端管協(xié)同、Sidelink 增強(qiáng)、擴(kuò)展目標(biāo)的融合成像、微多普勒檢測(cè)等通感一體化關(guān)鍵技術(shù)。
1 引言
“無(wú)線感知”是無(wú)線電波的自然屬性，利用無(wú)線電波的發(fā)送與接收感知物理世界，逐漸成為無(wú)線通信系統(tǒng)新的基礎(chǔ)特性之一 [1]。網(wǎng)絡(luò)感知能力將使無(wú)線通信系統(tǒng)演變?yōu)橥ㄐ鸥兄惑w化系統(tǒng)，把基站、終端，甚至整個(gè)網(wǎng)絡(luò)變成傳感器，使能探測(cè)、定位、識(shí)別、成像與制圖等功能，為智慧交通、智慧工廠、智慧醫(yī)療、環(huán)境監(jiān)測(cè)等領(lǐng)域提供增強(qiáng)的解決方案。
近年來(lái)學(xué)術(shù)界和工業(yè)界對(duì)通感一體化在垂直行業(yè)的應(yīng)用展開(kāi)了眾多研究和探索，其中在車(chē)聯(lián)網(wǎng)領(lǐng)域的應(yīng)用成為重點(diǎn)研究方向之一。3GPP SA1 [2] 定義和描述了一系列通感一體化相關(guān)的用例，有超過(guò) 7 成用例與車(chē)聯(lián)網(wǎng)場(chǎng)景相關(guān)。
盡管通感一體化在車(chē)聯(lián)網(wǎng)場(chǎng)景有廣泛的研究基礎(chǔ)，并已經(jīng)取得了一定的研究成果，但當(dāng)前汽車(chē)行業(yè)自身正在發(fā)生以智能化和電動(dòng)化為重要標(biāo)志的歷史性變革，車(chē)輛操作自動(dòng)化不斷升級(jí)、人車(chē)交互界面數(shù)字化不斷深化。
因此，面向車(chē)聯(lián)網(wǎng)的通感一體化，需要把握車(chē)聯(lián)網(wǎng)演進(jìn)的關(guān)鍵趨勢(shì)，尋找通感一體化的關(guān)鍵價(jià)值場(chǎng)景，并基于關(guān)鍵趨勢(shì)和價(jià)值場(chǎng)景，進(jìn)行關(guān)鍵技術(shù)和應(yīng)用研究。本文結(jié)合車(chē)聯(lián)網(wǎng)演進(jìn)的關(guān)鍵趨勢(shì)（第 2 節(jié)），介紹通感一體化的價(jià)值場(chǎng)景（第 3 節(jié)），分析通感一體化在車(chē)聯(lián)網(wǎng)場(chǎng)景的應(yīng)用需求和關(guān)鍵挑戰(zhàn)（第 4 節(jié)），并給出車(chē)聯(lián)網(wǎng)領(lǐng)域通感一體化的若干關(guān)鍵技術(shù)（第 5 節(jié)），最后總結(jié)并展望通感一體化在車(chē)聯(lián)網(wǎng)領(lǐng)域的未來(lái)發(fā)展。
2 車(chē)聯(lián)網(wǎng)演進(jìn)趨勢(shì)
延續(xù)百年的汽車(chē)產(chǎn)業(yè)格局正在發(fā)生歷史性的變革，而智能化和電動(dòng)化是這次技術(shù)革命的兩大標(biāo)簽。
其中，汽車(chē)的智能化主要體現(xiàn)在車(chē)輛控制系統(tǒng)和人機(jī)交互界面的數(shù)字化，以及車(chē)輛操作的自動(dòng)化上。汽車(chē)智能化的最終目標(biāo)是提升汽車(chē)乘客的舒適度和安全性，而自動(dòng)駕駛作為關(guān)鍵使能技術(shù)，將真正點(diǎn)燃這次汽車(chē)產(chǎn)業(yè)的技術(shù)變革。
當(dāng)前成熟的自動(dòng)駕駛還停留在 L2 和 L3 階段 [3]，即仍然需要駕駛者最終控制汽車(chē)。ADAS 系統(tǒng)（AdvancedDriver-Assistance System）可以為駕駛者提供自適應(yīng)巡 航（Adaptive Cruise Control）， 車(chē) 道 對(duì) 齊（LaneCentering） 和 低 速 / 堵 車(chē) 情 況 下 的 代 駕（Traffic JamChauffeur）等輔助功能。
駕駛者需要時(shí)刻保持注意力，以便在復(fù)雜或者突發(fā)情況下隨時(shí)接管車(chē)輛的控制權(quán)。真正意義上的自動(dòng)駕駛是 L4 及以上自動(dòng)駕駛能力，乘客將完全從駕駛?cè)蝿?wù)上解放出來(lái)，得到完全的舒適和安全體驗(yàn)。
預(yù)計(jì)到 2025 年，全球 15% 的車(chē)輛將具備 L3 自動(dòng)駕駛功能，但 L4 及以上自動(dòng)駕駛功能的僅為 5% 左右 [4]。2030 年，全球 L4 及以上級(jí)別的自動(dòng)駕駛車(chē)輛可能增長(zhǎng)到10%。
從行業(yè)來(lái)看，谷歌旗下的 Waymo 宣布已經(jīng)可以實(shí)現(xiàn) L4 自動(dòng)駕駛，但暫未量產(chǎn)。
奔馳在其 2030 愿景中重點(diǎn)提到了 L4 和 L5 自動(dòng)駕駛將是未來(lái)城市交通方案的主要部分 [5]。
大眾將在 2026 年推出 L4 自動(dòng)駕駛車(chē)輛 [6]。
現(xiàn)代汽車(chē)到 2026 年所有主流車(chē)型都將配備 Automode 自動(dòng)駕駛技術(shù)，支持 L4 自動(dòng)駕駛 [7]。
百度 Apollo RT6 于 2023年在蘿卜快跑上投入使用，已經(jīng)在北京、武漢、重慶和深圳的試點(diǎn)區(qū)開(kāi)始 L4 全無(wú)人自動(dòng)駕駛的運(yùn)營(yíng)，并預(yù)計(jì) 2026–2028 年左右量產(chǎn) [8]。
圖 1 全球各等級(jí)自動(dòng)駕駛滲透率預(yù)估（2025–2040）
目前阻礙 L4 以上自動(dòng)駕駛最終量產(chǎn)和大規(guī)模應(yīng)用的主要原因是公眾對(duì)自動(dòng)駕駛的可靠性和安全性的嚴(yán)苛要求?，F(xiàn)有的 L4 自動(dòng)駕駛技術(shù)已經(jīng)有了百萬(wàn)英里級(jí)的安全行駛紀(jì)錄 [9]，復(fù)雜環(huán)境下的處理能力和應(yīng)對(duì)事故能力遠(yuǎn)超過(guò)人類(lèi) [10]。
然而，由于公眾理念對(duì)自動(dòng)駕駛和 AI 的謹(jǐn)慎態(tài)度，自動(dòng)駕駛需要達(dá)到幾乎零失誤零事故才能為大眾完全接受。自動(dòng)駕駛的準(zhǔn)確判斷主要依賴(lài)于系統(tǒng)在設(shè)計(jì)運(yùn)行域（Operational Design Domain，ODD）中對(duì)環(huán)境的感知能力。
ODD 定義了為駕駛自動(dòng)化系統(tǒng)專(zhuān)門(mén)設(shè)計(jì)的特定運(yùn)行條件，例如環(huán)境、地理和時(shí)間的限制，或可利用的交通或道路特征。
至今為止，自動(dòng)駕駛造成的嚴(yán)重事故都是由于當(dāng)時(shí)的駕駛環(huán)境超出了 ODD 的覆蓋范圍，導(dǎo)致自動(dòng)駕駛系統(tǒng)對(duì)環(huán)境感知不足而做出的錯(cuò)誤判斷引起的 [11]。
為了保障自動(dòng)駕駛在各種環(huán)境下的安全性，ODD 的覆蓋范圍需要趨近無(wú)限，這對(duì)基于單車(chē)的感知方案提出嚴(yán)峻挑戰(zhàn)。單車(chē)感知面臨的主要挑戰(zhàn)包括：
? 靜態(tài)環(huán)境檢測(cè)能力 / 準(zhǔn)確度：例如，車(chē)道和交通規(guī)則（包括交通信號(hào)燈）的關(guān)系、修路 / 交通管制導(dǎo)致的車(chē)道更改等特殊情況。
? 感知長(zhǎng)尾場(chǎng)景問(wèn)題：受限車(chē)載感知器件的部署位置導(dǎo)致的非視距感知受限。
這些挑戰(zhàn)受限于單車(chē)的硬件能力、成本和客觀視角的限制，很難用技術(shù)方案解決。因此，只依靠單車(chē)感知難以實(shí)現(xiàn)高級(jí)自動(dòng)駕駛所需的趨近無(wú)限 ODD 要求。
實(shí)際環(huán)境中，即使是 L4 以下的輔助駕駛系統(tǒng)，也強(qiáng)烈依賴(lài)于其對(duì)周邊環(huán)境的感知能力，在惡劣天氣、視距死角等困難場(chǎng)景下，如果輔助駕駛系統(tǒng)不能得到有效準(zhǔn)確的環(huán)境感知信息，無(wú)法對(duì)可能的危險(xiǎn)情況做出及時(shí)的預(yù)警或處理，同樣會(huì)降低輔助駕駛系統(tǒng)的安全性，或者造成輔助駕駛系統(tǒng)完全失效（見(jiàn)表 1）。
表 1 不同等級(jí)的感知和決策
3 通感一體化的價(jià)值場(chǎng)景
本節(jié)分析在車(chē)載感知的基礎(chǔ)上融合路側(cè)感知的必要性和價(jià)值（第 3.1 節(jié)），以及通感一體化相較其他路側(cè)感知方案的增益和優(yōu)勢(shì)（第 3.2 節(jié)）。
3.1 路側(cè)感知的必要價(jià)值
當(dāng)前，汽車(chē)對(duì)周邊環(huán)境的感知在很大程度上依賴(lài)于各種車(chē)載傳感器，主要包括毫米波無(wú)線測(cè)距設(shè)備、激光測(cè)距設(shè)備和攝像頭。這些傳感器可以探測(cè)物體、測(cè)量距離和相對(duì)速度。
不同類(lèi)型的傳感器被安裝在車(chē)輛的不同部位，以便充分感知周?chē)h(huán)境并支持各種駕駛輔助功能。通常，安裝在車(chē)輛前部的長(zhǎng)距離無(wú)線測(cè)距設(shè)備可在約 250 米覆蓋范圍內(nèi)探測(cè)前車(chē)的距離和速度，以實(shí)現(xiàn)自適應(yīng)巡航控制。
同樣，具有更寬視野的短程前無(wú)線測(cè)距設(shè)備為緊急制動(dòng)提供支持。不同的傳感器技術(shù)各有優(yōu)缺點(diǎn)。例如，毫米波無(wú)線測(cè)距設(shè)備可以在某些極端天氣條件下工作，激光測(cè)距設(shè)備和攝像頭則不能。
同樣，攝像頭可以進(jìn)行基于圖像的探測(cè)，而其他技術(shù)則不能。由于沒(méi)有一種單一的傳感器技術(shù)能夠支持全天候和全場(chǎng)景，因此融合來(lái)自不同傳感器的信息對(duì)于車(chē)輛可靠感知周?chē)h(huán)境至關(guān)重要 [12]。
圖 2 L4/L5 車(chē)載傳感器部署方案
隨著車(chē)載通信系統(tǒng)（Vehicle to Everything，V2X）的應(yīng)用，ADAS 的無(wú)線通信能力得到增強(qiáng)。在車(chē)上集成通信功能可視為傳感器系統(tǒng)的擴(kuò)展。車(chē)輛間通過(guò)互通信息，可以獲得其自身傳感器無(wú)法感知的環(huán)境信息，并通過(guò)車(chē)輛間的合作實(shí)現(xiàn)安全高效的駕駛。
這不僅拓展了自動(dòng)駕駛車(chē)輛的遠(yuǎn)距離感知能力，而且使能車(chē)間感知信息融合，使其能夠在全天候情況下以高分辨率無(wú)死角探測(cè)和識(shí)別物體，實(shí)現(xiàn)自動(dòng)駕駛車(chē)輛的能力提升。
此外，有了通信功能的輔助，基于路側(cè)設(shè)備的感知信息也能夠被下傳到車(chē)上。路側(cè)環(huán)境感知的主要優(yōu)勢(shì)包括：
? 部署位置優(yōu)勢(shì)：路側(cè)感知架設(shè)位置高，并有俯視視角
－ 路側(cè)感知：增加垂直維度的感知角度，補(bǔ)充車(chē)側(cè)非視距感知范圍。
－ 路側(cè)攝像頭：可針對(duì)性布設(shè)遮擋防護(hù)，暴雨等極端天氣對(duì)路側(cè)攝像頭的識(shí)別干擾幾乎為零。
? 器件尺寸優(yōu)勢(shì)：
－ 路側(cè)感知：大尺寸天面（更多陣子），方位角和俯仰角的角度分辨率更高。
－ 路側(cè)攝像頭：多種大尺寸攝像頭，具備不同焦距（從廣角到長(zhǎng)焦等不同焦段）和曝光能力（超低曝光時(shí)間），圖像合成可實(shí)現(xiàn)零畸變。
圖 3 網(wǎng)絡(luò)提供全域高可靠的環(huán)境信息
3.2 通感一體化的優(yōu)勢(shì)
按照傳統(tǒng)方法，在車(chē)輛中集成基于車(chē)載傳感器和 V2X通信的感知系統(tǒng)會(huì)導(dǎo)致兩個(gè)獨(dú)立的子系統(tǒng)。這種互不關(guān)聯(lián)的系統(tǒng)會(huì)影響多個(gè)方面，如功耗、傳感器占用的空間、感知系統(tǒng)的總重量、所需天線的數(shù)量和車(chē)內(nèi)布線要求等。
隨著傳感器 / 通信設(shè)備數(shù)量的不斷增加，車(chē)上有限的安裝空間給車(chē)輛的內(nèi)部設(shè)計(jì)帶來(lái)了巨大的挑戰(zhàn)。此外，獨(dú)立的車(chē)載無(wú)線測(cè)距設(shè)備和 V2X 通信還需要解決頻譜干擾問(wèn)題，包括無(wú)線測(cè)距設(shè)備之間的干擾，以及無(wú)線測(cè)距設(shè)備與通信之間的干擾。
特別是無(wú)線測(cè)距設(shè)備之間的干擾，是當(dāng)前車(chē)載無(wú)線測(cè)距設(shè)備面臨的一個(gè)棘手問(wèn)題。如果相鄰車(chē)輛的多個(gè)同頻無(wú)線測(cè)距設(shè)備同時(shí)工作，它們的視場(chǎng)可能會(huì)重疊導(dǎo)致干擾，從而影響整體探測(cè)性能。
此外，從頻譜利用的角度來(lái)看，感知和通信兩個(gè)獨(dú)立的系統(tǒng)對(duì)頻譜的需求是雙倍的。因此，將通信和感知集成到一個(gè)系統(tǒng)中，實(shí)現(xiàn)通感一體，就成了必然的技術(shù)方向。
從系統(tǒng)的角度來(lái)看，這意味著從頻譜復(fù)用和部分硬件重用，到聯(lián)合信號(hào)處理和統(tǒng)一協(xié)議棧等多個(gè)方面的集成，在不同層次上實(shí)現(xiàn)一體化，從松散耦合到緊密集成。通感一體化系統(tǒng)可同時(shí)傳輸數(shù)據(jù)和感知環(huán)境，從而帶來(lái)多種潛在優(yōu)勢(shì)。
這些優(yōu)勢(shì)涉及多個(gè)方面，如硬件尺寸、所需天線數(shù)量、成本、延遲、頻譜和能效等。此外，緊密集成的系統(tǒng)設(shè)計(jì)可以減少通信和傳感系統(tǒng)之間的隔離，這為實(shí)現(xiàn)兩種功能之間的高效信息和資源共享提供了可能。
此外，由于通信系統(tǒng)自帶多用戶(hù)資源管理和干擾管理機(jī)制，當(dāng)多個(gè)通感一體化同時(shí)工作時(shí)，類(lèi)似無(wú)線測(cè)距設(shè)備的干擾問(wèn)題也可以得到有效的解決。同時(shí)，通感一體化中獲得的感知信息也可用于提高其通信的性能。比如感知到的位置信息可用于波束預(yù)測(cè)和管理、阻塞預(yù)測(cè)、信道狀態(tài)信息（Channel State Information，CSI）壓縮、自適應(yīng)傳輸?shù)确矫妗?/p>
圖 4 通感一體化示意圖
4 通感一體化在車(chē)聯(lián)網(wǎng)中的應(yīng)用
從上文的介紹可知，基于網(wǎng)絡(luò)的感知機(jī)制可加強(qiáng)系統(tǒng)對(duì)環(huán)境的感知的能力。例如，由于車(chē)輛上安裝傳感器的位置和視野有限，網(wǎng)絡(luò)感知可以補(bǔ)充傳統(tǒng)傳感器視野以外部分的覆蓋范圍，而提供額外的感知信息，特別是用于覆蓋交叉口等復(fù)雜道路場(chǎng)景中的感知盲點(diǎn)等。
基于網(wǎng)絡(luò)的感知功能可更好地感知與道路 / 高速公路狀況相關(guān)的信息，包括移動(dòng)物體（如車(chē)輛、動(dòng)物和行人）、交通密度、人群等。
4.1 場(chǎng)景和用例分析
3GPP定義和描述了一組與通感一體化相關(guān)的用例 [2]，有相當(dāng)一部分與車(chē)輛場(chǎng)景相關(guān)，其中考慮以下幾種實(shí)現(xiàn)方案：
? 基站和終端設(shè)備上集成通信和感知功能
? 移動(dòng)網(wǎng)絡(luò)協(xié)調(diào)多個(gè)終端設(shè)備和網(wǎng)絡(luò)實(shí)體之間的感知信息交互
? 基站和終端設(shè)備的感知結(jié)果作為環(huán)境感知的額外輸入
表 2 3GPP SA1 中部分 V2X 用例
表2中是部分用例的描述。從這些用例的功能要求來(lái)看，網(wǎng)絡(luò)中的通感一體化需要提供以下的機(jī)制：
? 選擇和配置執(zhí)行傳感功能的基站和終端設(shè)備
? 在無(wú)線接入網(wǎng)（Radio Access Network，RAN）和核心網(wǎng)（Core Network，CN）之間共享傳感信息
? 授權(quán)網(wǎng)絡(luò)節(jié)點(diǎn)執(zhí)行傳感功能
? 將網(wǎng)絡(luò)中的傳感信息提供給第三方服務(wù)提供商
? 實(shí)現(xiàn)基于網(wǎng)絡(luò)的感知服務(wù)收費(fèi)
對(duì)于通感一體化的性能要求很大程度上取決于不同用例的服務(wù)目標(biāo)。車(chē)聯(lián)網(wǎng)相關(guān)的用例中，感知的環(huán)境和對(duì)象主要在室外，不同用例中性能要求的差異點(diǎn)則主要在位置和速度測(cè)量的準(zhǔn)確性、范圍、可信度和延遲、刷新率等方面。
高速公路上行人/動(dòng)物入侵檢測(cè)：考慮到高速公路的寬度和長(zhǎng)度，基于基站的感知需要在較遠(yuǎn)距離外有效的識(shí)別行人和動(dòng)物。由于車(chē)輛的運(yùn)動(dòng)速度通常很高，導(dǎo)致場(chǎng)景高度動(dòng)態(tài)化，因此對(duì)感知的刷新率和精度提出了更高的要求。3GPP 定義了以下需求 [2]：
? 定位精度（水平方向）：小于 1 米
? 刷新率：小于 0.1 秒
交叉路口感知：交叉路口的車(chē)輛密度會(huì)影響感知的性能需求。例如，在高峰時(shí)段，除了高感知精度和刷新率外，高密度的人流和車(chē)流還需要更高的感知分辨率。對(duì)于漏檢率和虛檢率的要求也會(huì)根據(jù)人流車(chē)流的密度而變化。3GPP 定義了以下需求 [2]：
? 定位精度（水平）：小于 1 米
? 刷新率：小于 0.1 秒
? 漏檢率：小于 5%
? 誤報(bào)率：小于 5%
傳感輔助汽車(chē)操控和導(dǎo)航：該場(chǎng)景需要協(xié)調(diào)來(lái)自多個(gè)車(chē)載終端的感知相關(guān)信息，并提供給車(chē)輛用于操控和導(dǎo)航。由于行駛中車(chē)輛間距可能很小，所以感知信息必須保證高精度和高刷新率。
此外，由于感知相關(guān)信息來(lái)自多個(gè)車(chē)載終端，確保這些感知信息的低延遲同步也非常重要。
用于 ADAS 的車(chē)輛感知：汽車(chē)上的 ADAS 系統(tǒng)由長(zhǎng)距離和短距離傳感器組成，通感一體化技術(shù)將對(duì)車(chē)上原有傳感器提供補(bǔ)充或者替代。
此外，考慮到 ADAS 系統(tǒng)對(duì)安全的要求，該場(chǎng)景對(duì)通感結(jié)果的誤差率和誤差幅度有嚴(yán)格的要求。3GPP 定義了以下需求 [2]：
? 定位精度（水平）：長(zhǎng)距離（250 到 300 米）小于 40厘米，短距離（30 到 100 米）小于 10 厘米
? 刷新率：長(zhǎng)距離小于 0.2 秒，短距離小于 0.05 秒
? 誤報(bào)率：小于 1%
4.2 關(guān)鍵訴求和挑戰(zhàn)
為實(shí)現(xiàn)上述的用例，有若干技術(shù)挑戰(zhàn)需要解決。首先，由于車(chē)聯(lián)網(wǎng)場(chǎng)景中的感知對(duì)象種類(lèi)眾多，包括各種車(chē)輛、人、動(dòng)物和臨時(shí)障礙物體（如道路工程中使用的路障），因此感知環(huán)境過(guò)程中除了定位之外，還需要識(shí)別不同類(lèi)型的感知對(duì)象。
其次，并不是感知對(duì)象都有無(wú)線通信能力，因此通感一體化技術(shù)需要同時(shí)對(duì)有通信能力的主動(dòng)目標(biāo)（如配有 V2X能力的車(chē)輛）和沒(méi)有通信能力的被動(dòng)目標(biāo)（行人、動(dòng)物等）進(jìn)行感知。
此外，感知對(duì)象的移動(dòng)性也對(duì)通感一體化提出了額外的要求。例如，在多輛車(chē)協(xié)調(diào)操控的使用案例中，感知功能需要持續(xù)跟蹤附近的多輛車(chē)和物體，而不是一次性檢測(cè)一個(gè)瞬間事件。
由于單個(gè)感知設(shè)備的感知范圍有限，在涉及高流動(dòng)性的場(chǎng)景中提供連續(xù)感知服務(wù)需要部署多個(gè)感知信號(hào)發(fā)射器和接收器。當(dāng)這些發(fā)射器和接收器位于不同的網(wǎng)絡(luò)節(jié)點(diǎn)時(shí)，（例如在雙向傳感場(chǎng)景中），則有必要對(duì)其進(jìn)行協(xié)調(diào)并進(jìn)行測(cè)量結(jié)果融合，以避免或盡量減少漏檢事件。
通感一體化技術(shù)有望增強(qiáng)V2X用例中的環(huán)境感知能力，但無(wú)線測(cè)距設(shè)備等傳統(tǒng)傳感器仍將（至少在一段時(shí)間內(nèi)）被保留。這可能導(dǎo)致無(wú)線測(cè)距設(shè)備和蜂窩系統(tǒng)共存于同一頻段或相鄰頻段（例如 77 GHz）。在這種情況下，傳輸數(shù)據(jù)的車(chē)輛可能會(huì)對(duì)無(wú)線測(cè)距設(shè)備接收器造成干擾。
同樣，無(wú)線測(cè)距設(shè)備發(fā)射信號(hào)也可能對(duì)車(chē)輛或基站造成干擾。這就要求在頻譜共享、波形、資源分配和人工智能方法等方面提供技術(shù)解決方案，以有效處理集成系統(tǒng)中的干擾。
5 適用于車(chē)聯(lián)網(wǎng)的通感一體化關(guān)鍵技術(shù)
由業(yè)務(wù)需求和應(yīng)用場(chǎng)景催生的通感一體化方案顯示出巨大的潛力，但仍面臨不少技術(shù)挑戰(zhàn)。本節(jié)針對(duì)車(chē)聯(lián)場(chǎng)景，列舉和分析幾項(xiàng)通感一體化關(guān)鍵技術(shù)。
5.1 通感一體化的基本方案
通感一體化旨在通信系統(tǒng)中賦能感知，以實(shí)現(xiàn)網(wǎng)絡(luò)資源共享，頻譜共享以及處理能力共享。具體到實(shí)現(xiàn)方式，通感一體化的融合可以體現(xiàn)在以下三個(gè)不同的層面：
? 業(yè)務(wù)級(jí)融合：感知和通信由不同硬件實(shí)現(xiàn)，運(yùn)行在各自頻段。兩個(gè)系統(tǒng)在應(yīng)用層進(jìn)行交互，達(dá)到相互促進(jìn)共贏的效果。例如基站可通過(guò)感知模塊，獲取環(huán)境信息從而進(jìn)行更有效的波束預(yù)測(cè)及管理。感知設(shè)備可通過(guò)通信單元進(jìn)行站間協(xié)調(diào)從而實(shí)現(xiàn)干擾管理。
? 頻譜級(jí)融合：感知和通信兩功能模塊運(yùn)行于同一系統(tǒng)，可通過(guò)時(shí)分、頻分或空分的方式實(shí)現(xiàn)頻譜資源共享。兩功能模塊亦可通過(guò)共享部分硬件資源，降低硬件及實(shí)現(xiàn)開(kāi)銷(xiāo)。
? 全融合：?jiǎn)我幌到y(tǒng)同時(shí)支持兩大功能，共用空口技術(shù)及頻譜資源。全融合場(chǎng)景下，系統(tǒng)可根據(jù)業(yè)務(wù)需求和相應(yīng)的性能指標(biāo)對(duì)資源調(diào)度甚至空口設(shè)計(jì)進(jìn)行動(dòng)態(tài)優(yōu)化，實(shí)現(xiàn)網(wǎng)絡(luò)資源效率最大化。
5.2 通感一體化波形
業(yè)界對(duì)通感一體化波形有大量研究，從性能考慮，本 文 僅 介 紹 其 中 的 四 種 波 形：OFDM（OrthogonalFrequency Division Multiplexing）、OFDM-Chirp、OCDM（Orthogonal Chirp Division Multiplexing）以及OTFS（Orthogonal Time Frequency Space）。
OFDM-Chirp 的感知性能在這幾種波形中較為優(yōu)秀，但瑞利信道下通信性能和 OFDM 相比有一定損失。OFDM是目前主流的通信多載波調(diào)制技術(shù)之一，其積分旁瓣比和峰值旁瓣比在不同參數(shù)下略低于 LFM，目前學(xué)術(shù)界也在積極探索 OFDM 的感知性能提升方法。
OFDM-Chirp 波形，其基本原理是將 Chirp 信號(hào)分別調(diào)制到不同的子載波組上，由于 OFDM 信號(hào)子載波之間是正交的，不同的子載波組上的信號(hào)自然滿(mǎn)足正交性。時(shí)域產(chǎn)生的 OFDM-Chirp 信號(hào)模型 [13] 為：
式 中：t (0 ≤ t ≤ T) 為 信 號(hào) 的 時(shí) 間 采 樣；u(t)=1,( 0 ≤ t ≤ T) 為矩形窗函數(shù)；fn 和 kn 分別為信號(hào) s(t) 的第 n個(gè)子載波的起始頻率和斜率。
OFDM-Chirp 系統(tǒng)的多載波特性，可解決 LFM 單載波信號(hào)傳輸速率過(guò)低的問(wèn)題?？紤]對(duì)現(xiàn)有系統(tǒng)兼容性，實(shí)現(xiàn)復(fù)雜度情況下，OFDM-Chirp 是較為有潛力的通感一體化波形，其感知性能在這幾種多載波中較為優(yōu)秀。
在相同參數(shù)下，OFDM-Chirp 與 OFDM 信號(hào)的距離和速度分辨率相同。在高斯信道下，不同信噪比的誤碼率如圖 5 所示，在不同信噪比下，性能并無(wú)較大差別。
由于OFDM-Chirp 信號(hào)由 OFDM 信號(hào)通過(guò) LFM 擴(kuò)頻得到，故其信號(hào)模型將與 OFDM 信號(hào)模型有很多相似性。通過(guò)分析OFDM-Chirp 和 OFDM 信號(hào)的 PAPR 曲 線 可 知，OFDMChirp 一體化信號(hào)的峰均比性能與 OFDM 信號(hào)幾乎相同。
圖 5 OFDM 波形與 OFDM-Chirp 波形性能對(duì)比
OCDM 的基本原理是通過(guò)在相同帶寬中利用菲涅爾變換形成一組正交的線性 Chirp 信號(hào)，并將通信信息調(diào)制到這一組 Chirp 信號(hào)的幅度和相位上 [14]，從而實(shí)現(xiàn)高效通信數(shù)據(jù)傳輸。
OCDM 信號(hào)為多個(gè) Chirp 信號(hào)構(gòu)成，因此對(duì)多普勒頻移不敏感，在保護(hù)間隔長(zhǎng)度不足的情況下，可有效對(duì)抗時(shí)間選擇性衰落。
OCDM 信號(hào)與 OFDM 相比在發(fā)射端需要增加兩個(gè)點(diǎn)乘矩陣，生成條件相比 OFDM 信號(hào)較為復(fù)雜，要真正實(shí)現(xiàn)商業(yè)化還存在一些技術(shù)難點(diǎn)，比如構(gòu)造出優(yōu)越的光地址碼、設(shè)計(jì)制作高性能的光編/解碼器、改善系統(tǒng)性能、增大系統(tǒng)容量及提高系統(tǒng)資源利用率等。
OTFS 調(diào)制可以看作是一種特殊的 OFDM 調(diào)制，在傳統(tǒng) OFDM 調(diào)制的輸入輸出端上分別添加一個(gè)預(yù)編碼模塊和后解碼模塊 [15]，OTFS 信號(hào)調(diào)制解調(diào)過(guò)程如圖 6 所示。
OTFS 調(diào)制的有效信道矩陣在時(shí)延多普勒域，此時(shí)矩陣中的元素大部分都為零，而非零值的元素位置與路徑的時(shí)延和多普勒頻移有關(guān)，因此只要估計(jì)信道中各條路徑的時(shí)延和多普勒頻移以及有效復(fù)增益即可，這樣能夠大大降低信道估計(jì)的復(fù)雜度。
由于 OTFS 調(diào)制使用矩形收發(fā)脈沖，輸入輸出關(guān)系不是直接的二維卷積運(yùn)算，因此在接收端不能直接使用頻率時(shí)間域的均衡算法，其他符號(hào)解調(diào)算法的復(fù)雜度都遠(yuǎn)遠(yuǎn)大于 OFDM 調(diào)制。
圖 6 OTFS 信號(hào)調(diào)制解調(diào)過(guò)程
5.3 端管協(xié)同分布式通感一體化
面向車(chē)聯(lián)網(wǎng)場(chǎng)景，單車(chē)感知受限于5%的感知長(zhǎng)尾場(chǎng)景，因此引入路側(cè)的感知信息尤為重要。
而在融合車(chē)側(cè)和路側(cè)感知信息時(shí)，車(chē)輛的高移動(dòng)性對(duì)分布式感知會(huì)帶來(lái)如下挑戰(zhàn)：例如，路側(cè)和車(chē)側(cè)對(duì)于車(chē)輛的位置和速度的不確定性，以及，路側(cè)和車(chē)側(cè)對(duì)于同一個(gè)物體感知到的物理特性不同，比如，由于感知視角不同，路側(cè)感知到的物體是靜止的，而車(chē)側(cè)感知到的是運(yùn)動(dòng)的。
為解決這一挑戰(zhàn)，可以考慮基于不確定性的車(chē)側(cè)和路側(cè)感知信息融合，即車(chē)輛將位置和移動(dòng)性參數(shù)的不確定性作為未知變量代入目標(biāo)檢測(cè)問(wèn)題中，形成目標(biāo)和車(chē)側(cè)未知參數(shù)的聯(lián)合檢測(cè)問(wèn)題，然后通過(guò)優(yōu)化算法，比如牛頓法或者模擬退火算法尋找最優(yōu)解，從而提升目標(biāo)檢測(cè)的準(zhǔn)確度。
如圖 7 所示，不同車(chē)輛和路側(cè) RSU 或者 gNB 在進(jìn)行聯(lián)合感知時(shí)，由于高移動(dòng)性，車(chē)輛自身估計(jì)的位置和實(shí)際位置是有偏差的，同時(shí)各感知源對(duì)于同一個(gè)物體的感知本身有感知誤差，信息融合時(shí)誤差可能會(huì)被放大。
為解決這個(gè)問(wèn)題，各車(chē)輛可以將車(chē)輛的估計(jì)誤差報(bào)給融合中心，構(gòu)造優(yōu)化問(wèn)題，提升聯(lián)合感知精度 [16]。
圖 7 不確定性的端管協(xié)同感知
5.4 Sidelink 增強(qiáng)分布式通感一體化
面向車(chē)聯(lián)場(chǎng)景，考慮到終端設(shè)備可能處于無(wú)蜂窩網(wǎng)覆蓋的區(qū)域，各終端設(shè)備除了具備基本的 Uu 口上下行通信能力以外，更應(yīng)該具備 PC5 接口（Sidelink）的通信能力。多個(gè)終端通過(guò) PC5 接口通信構(gòu)成了一個(gè)分布式網(wǎng)絡(luò)，以提升車(chē)輛的通信和感知能力。
然而現(xiàn)有分布式側(cè)行傳輸空口技術(shù)的設(shè)計(jì)只考慮了極致的通信能力，并未考慮感知能力，因此如何在 PC5 接口上在不影響通信性能的情況下使能高性能 Sidelink 感知能力就成了最重要的技術(shù)挑戰(zhàn)。
一種應(yīng)對(duì)方式是對(duì) Sidelink 的幀結(jié)構(gòu)進(jìn)行增強(qiáng)設(shè)計(jì)?？紤]到分布式場(chǎng)景下，各終端相對(duì)位置都不固定，為了保障可靠的信息傳輸，現(xiàn)有的 Sidelink 幀結(jié)構(gòu)中引入了 AGC 符號(hào)，如圖8所示。
在真實(shí)數(shù)據(jù)傳輸之前，需要做自動(dòng)增益控制，而一般AGC符號(hào)的具體內(nèi)容采用的復(fù)制第二個(gè)符號(hào)的信息，所以第一個(gè) AGC 符號(hào)不具備傳輸有效信息的作用，所以該符號(hào)也給 Sidelink 構(gòu)造感知能力提供了空間。
圖 8 New Radio (NR) Sidelink 幀結(jié)構(gòu)設(shè)計(jì)
一種直接的方法是，將 AGC 符號(hào)使用感知序列進(jìn)行填充，但當(dāng)前 AGC 符號(hào)占用的頻域帶寬可以很小，而感知的距離分辨率和信號(hào)帶寬強(qiáng)耦合。
為了使能更高的感知精度，考慮構(gòu)造寬帶的 AGC 序列，即 AGC 符號(hào)在頻域資源上占據(jù)盡可能寬的帶寬，如圖 9 所示，AGC 符號(hào)可以在時(shí)域切成兩部分，前一部分用于發(fā)送寬帶的感知序列，后一部分用于接收感知回波信號(hào)。
但當(dāng) AGC 在頻域上占用較大帶寬時(shí)，多個(gè)終端設(shè)備都會(huì)在該帶寬上發(fā)送感知序列，各序列會(huì)疊加，造成互相干擾，針對(duì)該問(wèn)題，可以將不同終端發(fā)送的感知序列構(gòu)造成正交寬帶序列，比如使用終端的 ID 對(duì)序列進(jìn)行加擾，當(dāng)終端收到序列的回波時(shí)，濾除掉其他終端的干擾信號(hào)，接收感知回波，從而保障在不影響通信性能的前提下，使能感知能力。
圖 9 寬帶 AGC 感知信號(hào)設(shè)計(jì)
5.5 面向擴(kuò)展目標(biāo)檢測(cè)的融合成像
通感一體化旨在為各種車(chē)聯(lián)網(wǎng)應(yīng)用提供關(guān)鍵目標(biāo)物體的檢測(cè)、定位和分類(lèi)能力。這些目標(biāo)物體包括車(chē)輛、行人 /非機(jī)動(dòng)車(chē) / 兩輪摩托車(chē)（Vulnerable Road User，VRU）以及其他固定和移動(dòng)障礙物。
傳統(tǒng)的 5G NR 定位方案只針對(duì)能發(fā)送或接收 5G NR 信號(hào)的有源物體進(jìn)行定位，相比之下，下一代感知技術(shù)可通過(guò)解析傳輸環(huán)境反射的無(wú)線信號(hào)，對(duì)無(wú)源物體進(jìn)行檢測(cè)、定位、識(shí)別。
車(chē)聯(lián)網(wǎng)應(yīng)用中感知能力面臨的挑戰(zhàn)之一是很多感知目標(biāo)是體積龐大的車(chē)輛，其外部表面通常延展數(shù)米，如車(chē)頭、車(chē)尾和車(chē)身側(cè)面。因此，感知目標(biāo)不僅在單一位置形成單個(gè)反射，而是可以產(chǎn)生相隔數(shù)米的多個(gè)反射。這樣的目標(biāo)通常被稱(chēng)為擴(kuò)展目標(biāo)。
因此，通過(guò)對(duì)擴(kuò)展目標(biāo)產(chǎn)生的多個(gè)反射、散射信號(hào)進(jìn)行觀測(cè)，不僅可以估計(jì)目標(biāo)的位置、狀態(tài)，也可以推斷目標(biāo)的形狀和輪廓，即成像。當(dāng)分布式基站以不同視角對(duì)此目標(biāo)進(jìn)行觀測(cè)時(shí)，各基站對(duì)車(chē)輛的不同位置形成估計(jì)值。
這些估計(jì)值與目標(biāo)車(chē)輛特定側(cè)面（或部分）相對(duì)應(yīng)作為一組與特定基站相關(guān)的散射點(diǎn)集。由于每個(gè)基站看到的散射點(diǎn)都不同，可能相距數(shù)米，因此需要以下步驟進(jìn)行數(shù)據(jù)關(guān)聯(lián)、聚類(lèi)和定位：
(a)不同基站通過(guò)對(duì)不同散射點(diǎn)的觀測(cè)，估計(jì)多散射點(diǎn)的位置。這些位置估計(jì)需要與同一物體（在本例中為車(chē)輛）相關(guān)聯(lián)，以形成該物體對(duì)應(yīng)的散射點(diǎn)集合。這通常稱(chēng)為聚類(lèi)（Clustering）。
圖 10 擴(kuò)展目標(biāo)檢測(cè)示意圖
(b) 得到擴(kuò)展目標(biāo)的散射點(diǎn)集合后（通常形成物體外部形狀的輪廓），需要確定該目標(biāo)的位置。通常情況下，定位參考中心可以是散射點(diǎn)集合的幾何中心；或者當(dāng)觀測(cè)到的與目標(biāo)表面對(duì)應(yīng)的散射點(diǎn)集不完整導(dǎo)致幾何中心不準(zhǔn)時(shí)，也可使用其他參考點(diǎn)。
步驟 (a)和(b) 可以應(yīng)用不同的擴(kuò)展目標(biāo)處理算法來(lái)完成。這些算法包括使用點(diǎn)散射集合的移動(dòng)動(dòng)態(tài)來(lái)執(zhí)行目標(biāo)關(guān)聯(lián)和聚 [17, 18]，以及后處理與目標(biāo)分類(lèi)方案相結(jié)合 [19]。
需要指出的是，有源目標(biāo)定位不存在上述擴(kuò)展目標(biāo)的問(wèn)題，因?yàn)橛性茨繕?biāo)的發(fā)送和接收天線端口即是目標(biāo)物體的定位參考點(diǎn)，其在物體上的位置是固定的。
此外，用于V2X 碰撞檢測(cè)或自適應(yīng)巡航控制的傳統(tǒng)感知系統(tǒng)也不存在上述問(wèn)題，因?yàn)樗鼈冎恍柙趩我灰暯菍?duì)目標(biāo)物體或車(chē)輛的最凸出部分進(jìn)行檢測(cè)，以避免與該物體或車(chē)輛的該部分發(fā)生碰撞。
5.6 基于微多普勒檢測(cè)的目標(biāo)檢測(cè)與識(shí)別
如 5.5 節(jié)所述，目標(biāo)物體識(shí)別分類(lèi)對(duì)于許多車(chē)聯(lián)網(wǎng)應(yīng)用至關(guān)重要，包括各種協(xié)調(diào)操控和保護(hù) VRU 的安全應(yīng)用。
目標(biāo)物體識(shí)別分類(lèi)可以通過(guò)多種不同方式實(shí)現(xiàn)。一種直接的方法是利用感知觀測(cè)獲得的點(diǎn)散射來(lái)確定物體的形狀或輪廓（如 4.1 節(jié)所示的車(chē)輛），即成像。然而要獲得這樣的圖像，系統(tǒng)需要從多視角對(duì)目標(biāo)物體進(jìn)行觀測(cè)，并且具有較高的角度和深度分辨率，以獲得對(duì)應(yīng)目標(biāo)物體各表面的多個(gè)點(diǎn)散射集。
另一種不需要物體完整圖像的方法是基于感知信號(hào)的多普勒參數(shù)，特別是由物體內(nèi)部組件微運(yùn)動(dòng)造成的多普勒分量。
例如，人行走時(shí)擺動(dòng)的腿、汽車(chē)或自行車(chē)上旋轉(zhuǎn)的輪子或無(wú)人機(jī)上高速旋轉(zhuǎn)的葉片。這些由于物體內(nèi)部組件的運(yùn)動(dòng)速度與物體整體的運(yùn)動(dòng)速度不同而造成的多普勒分量被稱(chēng)為微多普勒。圖 11 為飛行無(wú)人機(jī)在多普勒范圍剖面上的微多普勒示例 [20]。
圖 11 測(cè)目標(biāo)微多普勒示例
特定的目標(biāo)物體（行人、車(chē)輛、自行車(chē)等）具有不同類(lèi)型的內(nèi)部運(yùn)動(dòng)，從而形成獨(dú)特的多普勒特征。將該特征用于目標(biāo)物體的識(shí)別和分類(lèi)，既無(wú)需從多個(gè)角度對(duì)目標(biāo)物體進(jìn)行詳細(xì)的高分辨率成像處理，又可達(dá)到更高準(zhǔn)確率（>90%）的人物分類(lèi)，實(shí)例可參見(jiàn)文獻(xiàn) [21]。基于微多普勒的目標(biāo)識(shí)別分類(lèi)可選擇與較低分辨率的圖像融合，以提高物體分類(lèi)的可靠性。
6 總結(jié)與展望
可以預(yù)見(jiàn)，通感一體化技術(shù)將給車(chē)聯(lián)網(wǎng)帶來(lái)功能和性能的提升。為了達(dá)到這個(gè)目的，需要解決從空口到上層應(yīng)用的多個(gè)領(lǐng)域中的關(guān)鍵技術(shù)問(wèn)題，最終達(dá)到預(yù)期的感知和通信要求。
通感一體化的整體設(shè)計(jì)還需考慮到無(wú)線網(wǎng)絡(luò)和車(chē)聯(lián)網(wǎng)的復(fù)雜性，比如車(chē)載終端設(shè)備的移動(dòng)性、可用頻段（許可頻段和非許可頻段）、基站的部署、PC5 和 Uu 的協(xié)同架構(gòu)等方面。
除了與技術(shù)相關(guān)的挑戰(zhàn)外，通感一體化的一個(gè)關(guān)鍵成功因素與法規(guī)相關(guān)。通感一體化系統(tǒng)擴(kuò)展了最初專(zhuān)門(mén)分配給感知或智能交通系統(tǒng)（Intelligent Transportation System，ITS）通信的頻段和用于移動(dòng)/V2N 通信網(wǎng)絡(luò)的許可頻段的用途，在這些頻段上同時(shí)實(shí)現(xiàn)通信和感知功能可能面臨合規(guī)問(wèn)題。
而且，一旦需要重新分配用于通信或感知的頻譜，車(chē)載的通感一體化設(shè)備也需要升級(jí)，這會(huì)影響車(chē)載通感一體化設(shè)備的生命周期。
此外，由于無(wú)線測(cè)距設(shè)備傳感是安全關(guān)鍵功能，因此通感一體化的解決方案需要滿(mǎn)足汽車(chē)安全等級(jí)（Automotive Safety Integrity Level，ASIL）的要求。
同時(shí)，通感一體化系統(tǒng)需要支持不同廠商的網(wǎng)絡(luò)和終端設(shè)備，使其能夠無(wú)縫參與和集成到感知服務(wù)中。車(chē)聯(lián)網(wǎng)的場(chǎng)景要求來(lái)自多個(gè)制造商的通感一體化設(shè)備能夠相互協(xié)作，特別是在干擾管理方面。因此，不同通感實(shí)體的功能和接口的標(biāo)準(zhǔn)化對(duì)其未來(lái)的廣泛部署至關(guān)重要。
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題，請(qǐng)聯(lián)系小編進(jìn)行處理。
推薦閱讀：
SiC MOSFET：通過(guò)波形的線性近似分割來(lái)計(jì)算損耗的方法
低抖動(dòng)差分時(shí)鐘：賦能AI時(shí)代光網(wǎng)絡(luò)精準(zhǔn)同步
