基于感知信道重构共享簇的通信信道重建（Shared Cluster-Based Communication Channel Reconstruction from Sensing Channels）

《Electronics》：Shared Cluster-Based Communication Channel Reconstruction from Sensing Channels

　　

准确的信道状态信息（Channel State Information, CSI）对现代无线通信系统的性能至关重要。传统信道估计通常依赖上行探测参考信号（Sounding Reference Signal, SRS），这会引入可观的开销和功耗，尤其在高移动性或资源受限场景中。为减轻此负担，研究人员探索了一种利用感知信道信息辅助通信信道重建的替代方法。本文引入共享簇（Shared Cluster）概念来捕捉感知信道与通信信道之间的相关性，并通过多场景射线追踪（Ray Tracing, RT）仿真数据的统计分析推导出了共享概率函数（Sharing Probability Function）。从感知信道中提取的共享簇参数被整合到基于簇的信道建模框架中以重建下行通信信道。研究人员使用Sionna射线追踪库搭建了确定性仿真平台，并采用K-Power-Means（KPM）算法进行多径聚类。仿真结果表明，重建信道在功率时延谱（Power Delay Profile, PDP）和均方根（Root Mean Square, RMS）时延扩展方面与原始信道紧密吻合，均值分别为84.16 ns和73.52 ns。所提方法为不希望频繁发送SRS的场景提供了一种有前景的信道获取补充手段，并为未来感知辅助通信系统设计中提供了见解。

论文解读：《基于感知信道的共享簇通信信道重建方法》

研究背景与意义

第六代（6G）无线网络期望将感知与通信功能集成到统一平台，即集成感知与通信（Integrated Sensing and Communication, ISAC）。基站（Base Station, BS）通常通过对用户设备（User Equipment, UE）发送的上行探测参考信号（Sounding Reference Signal, SRS）进行处理来获取下行链路信道状态信息（CSI）。然而，频繁的SRS传输会引入显著空口开销并增加UE功耗，尤其在高移动性场景和密集UE部署中。虽然研究表明感知信道（通过BS雷达回波获取）与通信信道共享物理散射体（Scatterer），二者存在固有相关性，但利用双端感知测量显式建模共享散射体概率特性来重建下行通信信道系统性方法尚待完善。为此，研究人员提出了一种基于共享簇（Shared Cluster）的通信信道重建框架，利用双端感知信息估计下行信道，旨在减少SRS依赖。该论文发表于《Electronics》期刊。

主要关键技术方法

研究人员基于Sionna射线追踪（Ray Tracing, RT）库构建包含城市微蜂窝（UMi）、开阔广场及密集城区的确定性三维场景进行仿真，获取配对的感知与通信信道冲激响应（Channel Impulse Response, CIR）。采用K-Power-Means（KPM）算法对感知信道多径分量（Multipath Component, MPC）按时延、到达角（Angle of Arrival, AoA）、离去角（Angle of Departure, AoD/ZoD）及功率加权进行聚类得到感知簇。通过多场景统计二进制标注（共享/非共享）拟合共享概率函数P(L)=Ae^-KL+B（L为Tx-散射体-Rx总路径长）。重建时依据概率筛选共享簇，将其几何参数（时延、角度）代入3GPP TR 38.901标准快衰落模型的小尺度参数（Small-Scale Parameter, SSP）生成环节替代纯随机生成，簇内射线展布仍遵循标准统计分布，不足部分补充"新生簇（Newborn Cluster）"，最终合成信道系数。

研究结果

2. Channel Reconstruction Model Framework（信道重建模型框架）

研究人员定义了共享簇为同时贡献于感知信道与通信信道的簇。推导出共享概率P=N_shared/N_sensing随通信路径总长L呈指数衰减模型。核心思想是用感知确定的共享簇时延及角度约束3GPP模型小尺度参数生成，保留簇内射线统计特性。重建流程含四步：(1) 大尺度参数（Large-Scale Parameter, LSP）如路径损耗、RMS时延扩展按3GPP生成；(2) 双端感知MPC经KPM聚类得感知簇，依据距离信息及共享概率判定共享簇，通过几何关系τ_c=(|r?_TS|+|r?_SR|)/c计算重建簇时延；(3) 枚举单/多跳传播路径并依概率筛选，共享簇参数几何确定，功率按3GPP分布生成，簇数不足时补新生簇；(4) 结合收发天线场型计算时域信道系数并叠加施加路径损耗与阴影衰落。

3. Simulation and Model Implementation（仿真与模型实现）

利用Blender构建MITSUBA格式三维场景，Sionna RT仿真参数中心频3 GHz、带宽1 GHz。验证显示LoS路径算得距离30.02 m与真实30 m吻合，PDP符合多径递减及簇特征，路径损耗随距减小而降且受多径波动，UMi场景RMS时延扩展均值约32 ns与3GPP参考一致。KPM聚类 silhouette系数0.6117、Calinski-Harabasz指数79.626证实聚类有效。三场景拟合共享概率曲线短距趋近1（L<15 m全共享），长距指数衰减且具跨场景一致性，汇总模型为P(L)=e^-0.028L+0.05。实例展示Tx(0,0)、Rx(40,0)两共享散射体（L=55.1 m, P=0.38及L=99.0 m, P=0.12）参与重建。

4. Reconstruction Performance Evaluation（重建性能评估）

在60组随机Tx-Rx位置（距30~150 m）UMi场景下对比重建信道与RT原始信道及纯3GPP统计信道。PDP对比显示重建信道成功捕获主多径分量及LoS最强功率，峰值位置吻合。RMS时延扩展均值：RT原信道73.52 ns，重建信道84.16 ns，纯3GPP基线54.65 ns——重建值明显更接近参考。方位角扩展（Azimuth Spread of Arrival, ASA）中位：RT 40.62°，重建49.32°，3GPP 55.15°，重建相对基线更接近RT。仰角扩展（Zenith Spread of Arrival, ZSA）中位：RT 14.46°，重建21.89°，3GPP 18.94°，CDF形态一致。Bootstrap 95%置信区间显示重建信道各参数置信区间均与RT参考重叠，纯3GPP基线ZSA区间未完全重叠。证明引入感知信息共享簇使重建信道较纯统计模型更忠实反映传播环境统计特征。

讨论与结论（总结）

研究人员指出当前局限：计算复杂度虽在线仅需KPM聚类(O(NK))替代SRS周期性上报但给出统计参数而非瞬时CSI；共享概率模型基于3 GHz标定，毫米波需重校准；假设收发端均具备单基（Monostatic）感知且接收端上传感知信息；共享概率参数针对UMi场景校准，其他环境需重标。结论为：本文提出利用双端感知信息通过共享簇概念重建下行通信信道的方法，导出共享概率模型量化感知-通信信道相关性。仿真表明重建信道RMS时延扩展84.16 ns与原始信道73.52 ns密切匹配，保留了主导多径结构，为不宜频繁SRS传输场景提供了信道获取的补充手段，未来将扩展至更复杂环境及实地测量验证。