# 5G-Advanced通感一体化（ISAC）：从OFDM感知原理到3GPP Rel-19/20标准演进 ## 一、技术背景：为什么通信系统需要"感知"能力？ 传统移动通信系统的核心使命只有一个——**传输信息**。从1G到5G，每一代技术的演进都围绕"更快、更多、更可靠"的通信目标展开。然而，随着5G-Advanced（5G-A）和6G时代的到来，一个根本性的范式转变正在发生：**无线通信系统不再只是"传数据"的管道，而是正在进化为同时具备"观察物理世界"能力的感知平台**。 通感一体化（Integrated Sensing and Communication，ISAC）的核心思想是：**通信基站或终端利用已有的射频信号（OFDM波形），在完成数据传输的同时，通过分析信号的回波或散射特性，提取周围环境的距离、速度、角度等感知信息**。这本质上是一种"一石二鸟"的信号复用——同一套硬件、同一段频谱、同一个波形，同时服务两个截然不同的功能域。 从产业驱动力来看，ISAC的爆发有着明确的现实需求： - **低空经济**：2024年起中国低空经济政策密集出台，无人机物流、eVTOL飞行器需要通信+感知一体的广域监管网络 - **智慧交通**：L4/L5自动驾驶需要路侧感知设备提供超越车载雷达视距的环境感知 - **工业安全**：工厂内的人体检测、危险区域入侵告警，需要一种非接触、非摄像头的感知手段 - **环境监测**：降雨量估计、大气湿度反演，通信网络天然具备覆盖优势 3GPP在Rel-18阶段启动了ISAC的初步研究（TR 22.837），在Rel-19（2025-2026）阶段正式进入RAN层面标准化，Rel-20将进一步推动核心网架构融合。ITU-R在IMT-2030（6G）框架中将ISAC列为六大核心技术之一。 ## 二、物理层原理：OFDM波形如何实现感知？ ### 2.1 基本感知模型 ISAC感知功能的物理基础与传统雷达相同——利用电磁波在目标上的反射来提取目标参数。但与专用雷达系统不同，ISAC不使用特殊脉冲波形，而是**直接复用5G NR的OFDM信号**。 以单站感知（Monostatic Sensing）为例，gNB发射OFDM信号，同时接收目标反射的回波。设发射信号在第$k$个子载波、第$l$个OFDM符号上的值为$X[k,l]$，则接收信号可建模为： $$Y[k,l] = \sum_{p=1}^{P} \alpha_p \cdot e^{-j2\pi k \Delta f \tau_p} \cdot e^{j2\pi f_{D,p} l T_{sym}} \cdot X[k,l] + W[k,l]$$ 其中： - $P$：多径（目标）数量 - $\alpha_p$：第$p$个目标的复反射系数（与雷达散射截面RCS相关） - $\tau_p$：第$p$个目标的往返时延 - $f_{D,p}$：第$p$个目标的多普勒频移 - $\Delta f$：子载波间隔 - $T_{sym}$：OFDM符号周期（含CP） - $W[k,l]$：加性高斯白噪声 在通信接收端，我们已经通过信道估计得到了信道状态信息（CSI），即$H[k,l] = Y[k,l]/X[k,l]$。**感知的关键就在于从$H[k,l]$中提取$\tau_p$、$f_{D,p}$和到达角（AoA）等参数**。 ### 2.2 距离-速度联合估计：2D-FFT方法 这是ISAC感知中最经典、在工程中最实用的方法。其核心思想是利用2D快速傅里叶变换（2D-FFT）从信道估计矩阵中同时提取时延和多普勒信息。 **步骤一：频域FFT → 距维估计** 对$H[k,l]$沿子载波维度（$k$方向）做FFT，得到距离维度的功率延迟谱（PDP）： $$S[\tau, l] = \sum_{k=0}^{N_{sc}-1} H[k,l] \cdot e^{j2\pi k \Delta f \tau}$$ 距离分辨率为： $$\Delta R = \frac{c}{2 \cdot B}$$ 其中$B = N_{sc} \cdot \Delta f$为信号带宽，$c$为光速。例如： - 100MHz带宽 → 距离分辨率 $\approx 1.5$ m - 400MHz带宽（毫米波） → 距离分辨率 $\approx 0.375$ m **步骤二：时域FFT → 速维估计** 对第一步的结果沿OFDM符号维度（$l$方向）做FFT，得到多普勒谱： $$S[\tau, f_D] = \sum_{l=0}^{N_{sym}-1} S[\tau, l] \cdot e^{-j2\pi f_D l T_{sym}}$$ 速度分辨率为： $$\Delta v = \frac{c}{2 \cdot f_c \cdot T_{obs}}$$ 其中$f_c$为载波频率，$T_{obs} = N_{sym} \cdot T_{sym}$为总观测时间。例如： - 4.9GHz载频、100个OFDM符号（约1ms观测时间） → 速度分辨率 $\approx 30$ m/s - 增加观测时间到10ms → 速度分辨率 $\approx 3$ m/s ### 2.3 角度估计：MIMO天线阵列 利用接收端多天线的相位差实现角度估计。假设$N_r$根接收天线，均匀线阵（ULA）间距为$d$，则第$n$根天线的导向矢量为： $$a(\theta) = [1, e^{j2\pi d \sin\theta/\lambda}, \ldots, e^{j2\pi(N_r-1)d\sin\theta/\lambda}]^T$$ 常用角度估计算法包括： - **Bartlett波束形成**（低复杂度，适合实时处理） - **Capon最小方差**（分辨率优于Bartlett） - **MUSIC/ESPRIT**（超分辨率，但计算量大） - **压缩感知**（适用于稀疏目标场景，适合大规模MIMO） ## 三、3GPP标准化框架：从TR 22.837到TR 38.897 ### 3.1 标准化路线图  > *图表 1* ### 3.2 感知模式分类 3GPP在TR 38.897和TS 22.137中定义了三种基本感知模式，它们决定了信号收发方式和系统架构： | 感知模式 | 发射端 | 接收端 | 典型场景 | 关键挑战 | |---------|--------|--------|---------|---------| | **单站感知 (Monostatic)** | gNB | gNB自收 | 基站周围目标检测、无人机探测 | 自干扰消除 | | **双站感知 (Bistatic)** | gNB | UE或另一个gNB | 车辆感知、行人检测 | 收发时钟同步 | | **多站感知 (Multistatic)** | 多个gNB | 多个gNB/UE | 大范围无人机追踪、电子围栏 | 多节点协同与数据融合 |  > *图表 2* ### 3.3 感知参考信号设计：复用还是新建？ Rel-19 RAN1讨论中最关键的议题之一是：**感知信号是复用现有NR参考信号，还是设计专用的感知参考信号（Sensing RS）？** **方案A：复用现有NR参考信号** | 参考信号 | 方向 | 感知潜力 | 局限性 | |---------|------|---------|-------| | CSI-RS | DL | 密度较高，支持多端口，天然适合下行感知 | 时频图案受限于现有配置，不支持灵活感知调度 | | SRS | UL | 可用于上行感知（UE发，gNB收） | 带宽可能受限，功率控制不适用于感知 | | PRS | DL | 定位专用，时频密度高 | 仅支持单站定位相关感知，图案固定 | | DMRS | DL/UL | 每个调度RB都有，密度最高 | 图案过于固定，端口数少 | **方案B：设计专用Sensing RS（Rel-19/20方向）** Rel-19 RAN1已达成共识，将设计一种新型**Sensing Reference Signal（Sensing RS）**，具备以下特征： - 可配置的时频密度和图案（根据感知精度需求动态调整） - 支持跨slot聚合（提升速度分辨率） - 支持多TRP联合配置（多站感知场景） - 与通信信号TDM/FDM复用，避免性能损失 ### 3.4 感知信道模型 3GPP TR 38.897引入了ISAC专用信道模型，在TR 38.901传统通信信道模型基础上增加了感知特定要素： **通信信道**（TR 38.901已有）： $$H_{comm} = \sum_{n=1}^{N} \alpha_n \cdot e^{j\phi_n} \cdot a_{rx}(\theta_{n,AoA}) \cdot a_{tx}^H(\theta_{n,AoD})$$ **感知信道**（新增）： $$H_{sens} = \sum_{m=1}^{M} \sqrt{\sigma_{RCS,m}} \cdot e^{-j4\pi f_c R_m/c} \cdot a_{rx}(\theta_{m}) \cdot a_{tx}^H(\theta_{m})$$ 关键差异在于： - 感知信道使用**雷达散射截面（RCS）**替代通信信道的随机相位衰落 - 感知信道的**双程传播**引入$e^{-j4\pi f_c R/c}$相位项（通信仅单程） - 需建模**杂波（Clutter）**——地物、建筑等非目标散射体的统计特性 - 需建模**目标运动模型**——匀速、加速、转弯等运动学特征 ## 四、系统架构与协议流程 ### 4.1 5GS增强架构  > *图表 3* ### 4.2 感知会话建立信令流程 以下展示一个典型的多站感知会话建立流程：  > *图表 4* ### 4.3 MAC层感知资源调度 ISAC在MAC层引入了新的逻辑信道类型和调度机制： | 新增元素 | 说明 | |---------|------| | **Sensing BWP** | 感知专用带宽部分，可独立配置 numerology | | **Sensing Grant** | 类似DL/UL Grant，DCI新增感知资源分配字段 | | **Sensing Measurement Report** | UE/gNB上报感知测量结果的新MAC CE | | **Sensing Configuration** | RRC层新增感知参数配置（RS图案、聚合slot数、目标类型等） | 调度策略的关键权衡在于**通信与感知的资源竞争**： - **TDM模式**：感知RS与通信数据分时传输，零干扰但资源利用率低 - **FDM模式**：感知RS与通信数据分频传输，需要权衡频谱开销 - **联合模式**：通信数据本身也参与感知，频谱效率最高但信号设计复杂 ## 五、关键技术深度分析 ### 5.1 自干扰消除（单站感知的核心难题） 单站感知要求gNB在发射信号的同时接收回波，发射信号功率（通常+43dBm以上）比目标回波（可能低至-120dBm以下）强160dB以上。这就要求极端的自干扰消除能力。 自干扰消除的三级架构： ``` 模拟域消除 → 数字域消除 → 辅助接收通道 (60-80dB) (40-60dB) (20-30dB) 总消除能力目标：≥130dB ``` **模拟域消除**：利用发射信号的已知副本，通过可调延迟线和衰减器生成对消信号。关键技术包括： - 射频前端的环形器/耦合器隔离（提供约20-30dB隔离度） - 模拟自干扰重建电路（多抽头FIR滤波器模拟泄漏通道） **数字域消除**：在ADC之后，利用自适应滤波器（LMS/RLS算法）精确估计残余自干扰信道并消除。 **工程实践中的坑**： - 发射通道的功率放大器（PA）非线性会导致自干扰信号产生交调产物，简单的线性消除无法处理 - 收发天线的近场耦合效应会随频率和温度变化，需要实时校准 - 毫米波频段的自干扰消除难度显著低于Sub-6GHz（因为波束赋形可以提供额外的空间隔离） ### 5.2 CFAR检测与目标跟踪 感知信号经过2D-FFT处理后，需要在距离-多普勒谱上检测目标。标准方法是**恒虚警率（CFAR）检测器**： ``` 算法：CA-CFAR (Cell Averaging CFAR) 输入：距离-多普勒谱 S[τ, fD] 输出：检测结果 {τ_p, fD_p} 1. 对每个待检测单元 CUT (Cell Under Test) 2. 取周围 N 个参考单元的功率均值 3. 计算检测阈值 T = α · P_noise 其中 α 由目标虚警率 Pfa 决定：α = N · (Pfa^(-1/N) - 1) 4. 若 |CUT|² > T，判定为检测到目标 5. 剔除保护单元（防止目标能量泄漏到参考单元） ``` 检测后的目标跟踪通常采用**联合概率数据关联（JPDA）**或**多假设跟踪（MHT）**算法。在多站感知场景下，还需要解决**航迹关联**问题——不同基站检测到的目标是否为同一个物理目标。 ### 5.3 感知精度的影响因素 | 因素 | 对距离精度的影响 | 对速度精度的影响 | 对角度精度的影响 | |-----|----------------|----------------|----------------| | 带宽 | $\Delta R = c/(2B)$，线性提升 | 无直接影响 | 无直接影响 | | 载频 | 无直接影响 | $\Delta v \propto 1/f_c$，高频优势 | 波长越短，相同孔径分辨率越高 | | 观测时间 | 无直接影响 | $\Delta v \propto 1/T_{obs}$，线性提升 | 无直接影响 | | 天线数 | 无直接影响 | 无直接影响 | $\Delta\theta \approx \lambda/(N \cdot d)$ | | SNR | 克拉美罗下界(CRLB)约束 | CRLB约束 | CRLB约束 | | 子载波间隔 | 间接影响（决定最大无模糊距离） | 间接影响（决定最大无模糊速度） | 无直接影响 | ## 六、典型部署场景与实测数据 ### 6.1 场景一：低空无人机监管 这是目前ISAC最成熟、最先商用化的场景。 **部署参数**（基于深圳移动4.9GHz外场测试）： | 参数 | 配置 | |-----|------| | 频段 | 4.9GHz (n79频段, 100MHz带宽) | | 感知模式 | 多站协同（3-5个gNB联合感知） | | 天线配置 | 64T64R Massive MIMO | | 感知波形 | 基于CSI-RS的感知信号 | | 探测距离 | 1-2km（小型无人机，RCS≈0.01m²） | | 距离精度 | 约5-10m | | 速度精度 | 约2-5m/s | | 更新率 | 100ms级 | **多站协同的关键优势**：单站感知存在角度分辨率限制和遮挡问题，多站协同通过空间分集显著提升检测概率和定位精度。实测表明，3站协同相比单站，检测概率提升约15-20dB（针对小型无人机目标）。 ### 6.2 场景二：车载感知（V2X增强） 利用RSU（路侧单元）或基站对道路上的车辆、行人进行感知： | 对比项 | 传统毫米波雷达 | ISAC (Sub-6G) | ISAC (毫米波) | |-------|-------------|--------------|-------------| | 频段 | 76-81GHz | 3.5-4.9GHz | 26-40GHz | | 带宽 | 1-4GHz | 100MHz | 400MHz-1GHz | | 距离分辨率 | 0.04-0.15m | 1.5m | 0.15-0.375m | | 感知范围 | 200-300m | 500m-1km | 200-500m | | 通信能力 | 无 | 5G NR通信 | 5G NR通信 | | 成本 | 专用硬件 | 复用基站 | 复用基站 | ### 6.3 场景三：室内人体感知 利用Wi-Fi或室内5G小基站信号进行人体活动检测、跌倒告警等。这是对传统摄像头监控的隐私友好替代方案。 关键技术挑战： - 室内多径环境极其复杂，杂波强度远大于目标反射 - 人体RCS较小（约0.5-1m²），且随姿态剧烈变化 - 需要亚米级距离分辨率才能区分人体不同部位的运动 解决方案： - **背景减除法**：建立静态环境信道指纹库，检测偏离静态模型的动态分量 - **微多普勒分析**：人体四肢运动产生独特的微多普勒特征，可用于动作识别 - **深度学习增强**：将CSI时频图输入CNN/LSTM，实现手势识别、步态分析等高级感知 ## 七、通信与感知性能的联合优化 ### 7.1 基本权衡关系 ISAC系统存在固有的性能权衡（Rate-Distortion Tradeoff）： $$\min \quad D_{sens} \quad \text{s.t.} \quad R_{comm} \geq R_{min}$$ 其中$D_{sens}$为感知失真（如估计均方误差），$R_{comm}$为通信速率。两者通过共享的时频资源和功率预算产生耦合。 **三种优化策略**： 1. **通信优先**：保证通信QoS不变，利用剩余资源做感知。这是运营商当前最可能接受的部署策略 2. **感知优先**：牺牲部分通信性能换取感知精度。适用于无人机监管等公共安全场景 3. **帕累托最优**：在通信-感知性能平面上寻找最优折中点，需要联合波形优化 ### 7.2 波形优化数学框架 以最大化感知SNR同时保证通信速率为目标： $$\max_{\mathbf{W}, \mathbf{P}} \quad \text{SNR}_{sens} = \frac{|\mathbf{w}^H \mathbf{H}_{sens} \mathbf{p}|^2}{\sigma^2}$$ $$\text{s.t.} \quad \log_2 \det(\mathbf{I} + \mathbf{H}_{comm} \mathbf{P} \mathbf{P}^H \mathbf{H}_{comm}^H / \sigma^2) \geq R_{min}$$ $$\|\mathbf{P}\|_F^2 \leq P_{max}$$ 其中$\mathbf{W}$为接收波束赋形矩阵，$\mathbf{P}$为预编码矩阵，$\mathbf{H}_{sens}$和$\mathbf{H}_{comm}$分别为感知和通信信道矩阵。这是一个非凸优化问题，通常通过半定松弛（SDR）或交替优化方法求解。 ## 八、核心技术参数对比 ### 8.1 不同频段ISAC能力对比 | 参数 | Sub-6GHz (3.5G/4.9G) | 毫米波 (26/28GHz) | 毫米波 (39GHz) | |-----|---------------------|------------------|---------------| | 典型带宽 | 100MHz | 400MHz | 800MHz-1GHz | | 距离分辨率 | 1.5m | 0.375m | 0.15-0.19m | | 最大无模糊距离 | $c/(2\Delta f)$ ≈ 5km (30kHz SCS) | ≈ 625m (120kHz SCS) | ≈ 312m (240kHz SCS) | | 最大无模糊速度 | $\lambda/(2T_{sym})$ ≈ ±140km/h | ≈ ±700km/h | ≈ ±1000km/h | | 覆盖范围 | 1-2km | 200-500m | 100-300m | | 穿透能力 | 好（可穿透建筑物玻璃） | 差（视距为主） | 极差 | | 自干扰消除难度 | 高（需要130dB以上） | 中（波束赋形辅助） | 中低 | | 商用成熟度 | 高（已有外场测试） | 中 | 低 | ### 8.2 ISAC关键技术特性一览 | 技术特性 | Rel-19状态 | Rel-20展望 | 标准规范 | |---------|-----------|-----------|---------| | 感知用例定义 | 已完成 | 增强 | TS 22.137 | | 感知框架架构 | SI进行中 | WI制定 | TR 38.897 | | 信道模型 | 基础模型完成 | 扩展到多站/多目标 | TR 38.897 | | Sensing RS设计 | 讨论中 | 规范化 | TS 38.211/214 | | MAC层感知调度 | 讨论中 | 规范化 | TS 38.321/322 | | RRC感知配置 | 讨论中 | 规范化 | TS 38.331 | | 核心网感知架构 | SA2研究 | 规范化 | TS 23.xxx | | 感知能力开放 | SA6研究 | 规范化 | TS 29.xxx | | AI增强感知 | RAN3探索 | 集成AI/ML | TS 38.xxx | ## 九、部署建议与工程实践 ### 9.1 网络规划建议 1. **频段选择**：低空无人机监管首选4.9GHz（覆盖+感知平衡），车载高精度感知首选毫米波 2. **天线配置**：感知场景建议至少64T64R，128T128R在毫米波频段性价比更高 3. **站间距**：感知连续覆盖的站间距应控制在感知半径的1.2-1.5倍以内（比纯通信覆盖站间距更密） 4. **时钟同步**：多站感知要求gNB间时间同步精度优于50ns（对应约15m测距误差），需PTP或GPS授时 ### 9.2 性能优化要点 - **波形配置优化**：根据感知目标类型调整Sensing RS的时频密度。大RCS目标（车辆）用低密度即可，小RCS目标（无人机）需要高密度+多slot聚合 - **杂波抑制**：在城区场景中，建筑物和地面的杂波是最大干扰源。建议采用**空时自适应处理（STAP）**结合**杂波图**技术 - **通信-感知资源分配**：建议采用动态TDM方案——在业务低峰时段加大感知资源配置，在高峰时段以通信为主 ### 9.3 已知陷阱 - **TDD系统上下行切换**：现有TDD配比中，下行转上行存在保护间隔（GP），这会中断连续感知。感知场景需要考虑特殊子帧配置 - **功率控制冲突**：通信功控目标是保证UE接收质量，感知功控目标是最大化回波SNR，两者方向可能矛盾 - **邻小区干扰**：感知信号不像通信数据有HARQ反馈机制，邻区干扰是"盲"的，需要网络级协调 - **法规合规**：通感一体系统同时执行通信和雷达功能，在某些国家/地区可能需要额外的无线电许可 ## 常见问题 **Q: ISAC和传统雷达有什么本质区别？** A: 传统雷达是"感知专用"系统，使用优化设计的脉冲或FMCW波形，硬件完全为感知服务。ISAC的核心区别在于：①使用OFDM波形（通信波形，非雷达优化波形）；②与通信共享硬件、频谱和功率预算；③在网络层面实现广域协同感知，而非单点雷达探测。ISAC牺牲了单站感知的极限性能（距离/速度分辨率），但获得了网络级协同、广域覆盖和极低边际成本的巨大优势。 **Q: 在现有5G网络上能直接升级支持ISAC吗？** A: 这取决于具体场景。Rel-19之前的系统（Rel-15/16/17）可以通过软件升级复用CSI-RS/SRS做基础感知，但精度有限。完整ISAC功能需要：①RAN侧支持Sensing RS和感知调度（需要Rel-19/20基带软件升级）；②射频前端的自干扰消除能力（单站感知需要硬件改造）；③核心网感知功能实体的部署（SA2架构增强）。建议运营商采用"先多站后单站、先4.9G后毫米波"的渐进式升级策略。 **Q: ISAC对终端有什么要求？** A: 不同感知模式对终端的要求差异很大。gNB单站感知（发射+自收）对UE完全透明，不需要终端任何改动。gNB-gNB双站感知也不需要UE参与。UE辅助感知（UE作为接收端）需要UE支持感知测量报告上报（Rel-20新增功能）。UE主动感知（UE发射感知信号）则对终端硬件有较高要求，短期内难以大规模商用。 **Q: 通感一体会不会影响通信性能？** A: 理论上存在权衡，但工程上可以做到通信性能基本不受影响。关键在于：①TDM模式下感知信号与通信数据完全正交，零干扰；②FDM模式下感知信号占用约5-10%的频谱资源，对通信吞吐量影响小于5%；③联合模式下通信信号本身参与感知，不额外占用资源，但对波形设计要求高。在实际网络中，感知资源配置可以利用通信空闲时段（如深夜），对用户体验几乎无感。 **Q: ISAC的隐私问题如何解决？** A: ISAC确实引发了隐私关切——基站能"看到"周围的人和物体。3GPP SA3（安全工作组）正在研究相关隐私保护机制，包括：①感知数据的匿名化处理（不上报原始CSI，只上报检测结果）；②感知区域的地理围栏（在居民区/医院等敏感区域关闭感知功能）；③用户授权机制（UE辅助感知需要用户明确同意）；④感知数据的安全存储和传输。预计Rel-20将形成完整的ISAC隐私框架规范。 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。