第【81】期-- 基于反向散射的通信感知一体化(ISAC)的波束成形设计：检测与估计性能分析 --MATLAB完整代码

关注我追更更多通信仿真代码文章目录摘要一、引言二、系统模型与性能指标2.1 系统架构与发射信号2.2 信号接收模型2.3 感知性能指标三、检测与估计阶段的联合波束成形优化3.1 标签检测阶段的波束成形设计3.2 标签估计阶段的波束成形设计四、仿真结果与分析4.1 标签检测阶段波束扫描与检测概率4.2 标签估计阶段LS与LMMSE估计精度4.3 部分代码四、总结摘要通信感知一体化ISAC是第六代移动通信的关键技术之一然而传统ISAC系统依赖于非合作目标的雷达回波存在感知性能受限、目标无法主动通信等固有缺陷。本文研究了基于反向散射的通信感知一体化系统通过在被感知目标上部署低成本被动RF标签既增强了回波强度又实现了低功耗双向数据传输。B-ISAC系统对被动标签的感知必须依次解决两个根本问题目标是否存在和目标位于何处。前者依赖空间扫描检测后者需要精确参数估计二者在波束成形需求上存在本质冲突——检测要求波束能量尽可能“铺开”以覆盖全空间而估计则要求波束在目标方向“聚拢”以提升回波质量。本文针对这一冲突分别建立了检测与估计两个阶段的信号模型与性能指标体系推导了检测概率、LS估计误差和LMMSE估计误差的闭式表达式并基于半正定松弛SDR技术为每个阶段设计了对应的联合波束成形优化算法。仿真结果表明所提方案能够在保证用户通信质量的前提下有效提升标签的检测概率与估计精度验证了B-ISAC的应用潜力。文章对应的文献为Zongyao Zhao, Yuhan Dong, Tiankuo Wei, Xinke Tang, Xiao-Ping Zhang, Zhenyu Liu ”B-ISAC: Backscatter Integrated Sensing and Communication for IoE Applications“一、引言随着物联网设备数量的爆炸式增长以及智能家居、工业互联网、车联网等万物互联IoE应用的兴起未来无线网络不仅需要提供高数据速率通信还需具备广域高精度感知能力。通信感知一体化Integrated Sensing and Communication, ISAC技术应运而生它通过共享频谱、硬件和信号处理模块使通信与雷达感知功能深度融合从而获得集成增益频谱利用率、硬件成本和协作增益通信辅助感知、感知辅助通信。然而传统ISAC系统通常利用目标对发射信号的自然散射回波进行感知其性能严重依赖于目标的雷达散射截面积RCS。对于小型、低RCS的目标如传感器节点回波功率微弱检测和估计精度难以保证。此外这些目标作为“非合作”对象无法主动与基站交互信息限制了感知数据的丰富性。近年来反向散射通信Backscatter Communication, BackCom技术的复兴为解决上述问题提供了新思路。BackCom利用环境射频信号通过低功耗、低成本的被动式RF标签反射信号来实现数据传输。若在ISAC系统的感知目标上附贴此类标签则标签的高反射系数可增强回波强度且标签能够将自身感知数据调制在反射信号上实现“感知即通信”。二、系统模型与性能指标2.1 系统架构与发射信号2.2 信号接收模型2.3 感知性能指标三、检测与估计阶段的联合波束成形优化B-ISAC系统在不同运行阶段对波束成形的需求截然不同且基站掌握的信道信息逐步增多。因此本文提出了一个三阶段优化框架分别求解并设计相应算法。3.1 标签检测阶段的波束成形设计3.2 标签估计阶段的波束成形设计当系统通过阶段一确认标签存在后需要进一步精确估计标签的位置/信道信息根据基站对信道先验信息掌握程度的不同本文分别研究非贝叶斯LS和贝叶斯LMMSE两种估计情形下的波束成形设计。1非贝叶斯估计LS估计问题P22贝叶斯估计LMMSE估计问题P3四、仿真结果与分析为验证所提方案记为J.B.DJoint Beamforming for Detection的优越性本文设置两组对比方案正交波束Orthogonal Beam即各方向辐射功率均匀分布作为功率分配的基本参照。仅检测波束Detection Only Beam该方案在求解优化问题时删除UE SINR约束仅以最大化检测概率为目标。此方案的目的是揭示“若不考虑通信保护波束成形会如何行为”从而凸显所提联合设计在平衡感知与通信方面的价值。4.1 标签检测阶段波束扫描与检测概率可以看到所提J.B.D方案的整体波束在90∘检测方向和 126∘UE方向同时形成两个高增益主瓣表明该方案能够在进行空间扫描检测的同时保证UE方向获得足够的通信信号功率。相反检测仅方案仅在 90∘方向形成单一尖锐主瓣在UE方向 处几乎无信号能量完全牺牲了UE的通信需求。这一对比直观地说明了所提J.B.D方案通过合理约束UE SINR有效避免了“检测任务侵占通信资源”的问题。可以看到-随着门限的增加检测概率呈现明显的下降趋势这是因为更高的通信质量要求迫使AP将更多功率分配给UE方向的通信信号从而削弱了用于检测的探测能量导致检测性能劣化。同时随着发射功率从-15 dBm增至-10 dBm整体曲线向上平移表明增加功率预算能够部分缓解通信与检测之间的资源竞争。这个图和上一张互为参照揭示了系统通信和感知性能的权衡。4.2 标签估计阶段LS与LMMSE估计精度上图为阶段二中的LS最小二乘估计模式。此时系统已经通过了阶段一的检测确认标签存在现在需要精确估计标签的位置。这张图的目的是展示在必须保证手机UE通信质量的前提下所提方案如何通过巧妙分配三种信号分量的功率使总的发射波束尽可能逼近LS理论上的最优波形即全向正交波形从而获得尽可能高的估计精度。可以看到红色总波束在大部分角度接近青色正交基准说明系统在满足UE通信约束的同时成功保持了接近最优的LS估计性能。牺牲是不可避免的在126°和45°附近红色曲线偏离青色曲线这种偏离是保护UE通信所必须付出的代价——因为要避免标签反射干扰就必须在这些方向“挖空”能量。分工是清晰的每个信号分量各司其职通信信号照顾UE标签信号照顾标签探测信号负责补全剩余空间三者互不干扰。可以看到当通信SINR门限从15 dB提高到24 dB时三条实线对应不同功率都呈现明显的上升趋势。这意味着对通信质量要求越高标签定位就越不准。当发射功率从-5 dBm逐步提升到15 dBm时三条实线都呈现单调下降趋势。这说明功率越大估计越准。可以看到LMMSE估计模式下所提方案在126°方向UE方向形成了尖锐的高增益主瓣以保证通信质量同时在45°方向标签先验方向保持了约0 dB的增益以满足估计需求其余角度区域的波束较为平坦。与LS估计模式图5形成鲜明对比的是LMMSE方案在45°方向不再需要深零陷——因为先验信息 的引入使系统对信道结构有了预判无需再通过牺牲该方向的探测能量来规避不确定性。整体而言所提方案在满足UE通信约束的同时成功逼近了黄色理论最优曲线的形状验证了利用先验信息优化估计性能的有效性。4.3 部分代码%%B-ISAC 阶段2标签估计最小二乘-问题P2.1 clear;clc;%1.系统参数来自第IV.B节用于LS估计 Nt16;Nr16;Pt_dBm0;Pt10^(Pt_dBm/10);sigma_ap210^(-40/10);sigma_t210^(-40/10);sigma_u210^(-40/10);theta_u126;%UE角度 theta_max45;%最大干扰方向在阶段1中找到 htu_max0.5;alpha_eff1.0;gamma_uth_dB18;%注意阶段2的阈值提高到18dB gamma_uth10^(gamma_uth_dB/10);%2.定义导向矢量和信道 n_array(0:(Nt-1)).;a_uexp(1j*pi*cosd(theta_u)*n_array);a_fexp(1j*pi*cosd(theta_max)*n_array);%最大干扰信道 alpha_u0.8;hualpha_u*a_u;hfa_f;Uhu*hu;Fhf*hf;%%3.CVX优化块求解P2.1disp(开始CVX优化用于LS估计...);cvx_begin sdp quiet%使用Rx作为样本协方差矩阵以匹配手写笔记 variableRx(Nt,Nt)hermitian semidefinite variableWu(Nt,Nt)hermitian semidefinite variableWtt(Nt,Nt)hermitian semidefinite%目标最小化Rx逆的迹最小化LS误差%在对角线上添加微小噪声1e-8以防止求解器除以零minimize(trace_inv(Rx1e-8*eye(Nt)))subject toreal(trace(Rx))Pt;Rx-Wu-Wtt0;%UE SINR约束公式30展开 term1real(trace(U*Wu));term2gamma_uth*real(trace(U*(Rx-Wu)));term3gamma_uth*alpha_eff*abs(htu_max)^2*real(trace(F*Rx));term4gamma_uth*alpha_eff*abs(htu_max)^2*sigma_t2;term5gamma_uth*sigma_u2;term1-term2-term3-term4-term50;cvx_enddisp(优化完成求解器状态);disp(cvx_status);%%4.提取秩1权重命题1 Wu_tilde(Wu*U*Wu)/trace(U*Wu);Wt_tilde(Wtt*F*Wtt)/trace(F*Wtt);wuWu_tilde*hu / sqrt(trace(hu * Wu_tilde * hu));wttWt_tilde*hf / sqrt(trace(hf * Wt_tilde * hf));rem_powerRx-Wu_tilde-Wt_tilde;rem_power(rem_powerrem_power)/2;%确保完全对称%---修复特征值裁剪---%将矩阵分解为特征向量V和特征值D[V,D]eig(rem_power);%将所有负特征值强制变为一个很小的正数 Dmax(real(D),1e-8);%重构数学上完美的正定矩阵 rem_power_fixedV*D*V;rem_power_fixed(rem_power_fixedrem_power_fixed)/2;%再次强制对称%现在Cholesky分解每次都能完美工作 Wschol(rem_power_fixed,lower);%%5.计算波束方向图 theta_sweep0:1:180;num_angleslength(theta_sweep);P_overallzeros(1,num_angles);P_commzeros(1,num_angles);P_tagzeros(1,num_angles);P_probzeros(1,num_angles);P_orthozeros(1,num_angles);%基准正交波束 Rx_commwu*wu; Rx_tag wtt * wtt;Rx_probWs*Ws;Rx_totalRx_commRx_tagRx_prob;Rx_ortho(Pt/Nt)*eye(Nt);%公式19无约束时LS最优fork1:num_angles a_thetaexp(1j*pi*cosd(theta_sweep(k))*n_array);P_overall(k)real(a_theta*Rx_total*a_theta);P_comm(k)real(a_theta*Rx_comm*a_theta);P_tag(k)real(a_theta*Rx_tag*a_theta);P_prob(k)real(a_theta*Rx_prob*a_theta);P_ortho(k)real(a_theta*Rx_ortho*a_theta);end%%6.绘图复现图5figure(Name,B-ISAC 标签估计LS,Color,w);plot(theta_sweep,10*log10(P_ortho),c-,LineWidth,2);hold on;plot(theta_sweep,10*log10(P_overall),r-,LineWidth,2);plot(theta_sweep,10*log10(P_comm),b:,LineWidth,2);plot(theta_sweep,10*log10(P_tag),k-.,LineWidth,1.5);plot(theta_sweep,10*log10(P_prob),g--,LineWidth,1.5);xline(126,k--,Comm UE Direction,LabelVerticalAlignment,top);xline(45,r--,\theta max,LabelVerticalAlignment,top);grid on;xlabel(\theta (deg),FontWeight,bold);ylabel(Beampattern (dB),FontWeight,bold);legend(Orthogonal Beam (LS Optimal),J.B.LS(Proposed,Overall Signal),...J.B.LS (Proposed, Comm Signal),J.B.LS (Proposed, Tag Signal),...J.B.LS(Proposed,Dedicated Probing Signal), Location, southwest);axis([0180-16020]);四、总结本文研究了基于反向散射的通信感知一体化B-ISAC系统针对被动标签感知中检测与估计的波束成形需求冲突分别建立了检测与估计两阶段的信号模型与性能指标并设计了相应的联合波束成形优化算法。仿真结果表明所提方案能够在保证用户通信质量的前提下有效提升标签的检测概率与估计精度验证了B-ISAC在低功耗、高精度感知场景中的应用潜力。