【ISAC】5G NR-PRS赋能6G多基地ISAC：LoS/NLoS混合场景定位精度突破28%！【附MATLAB代码】
5G NR-PRS赋能6G多基地ISAC：LoS/NLoS混合场景定位精度突破28%！
在第六代移动通信（6G）的技术演进蓝图中，集成感知与通信（ISAC）作为“通感一体”的核心技术，正重构无线系统的应用边界——从远程医疗精准监护、自动驾驶环境感知，到城市智能安防追踪、增强现实（AR）空间定位，ISAC的渗透力已覆盖多个关键领域。然而，多基地ISAC系统（多发射机+多接收机分散部署）面临着复杂传播环境的严峻考验：视距（LoS）与非视距（NLoS）路径并存引发的多径效应、测量异常值（outliers），以及定位参考信号（PRS）固有分辨率误差，共同导致定位精度大幅下降。近期发表于2025年IEEE无线通信与网络会议（WCNC）的一项研究，以5G新空口（NR）的PRS为核心感知信号，提出创新算法成功破解这一难题，相关成果符合3GPP标准，为6G ISAC的工程化落地提供了关键支撑。
研究背景：ISAC定位的核心痛点与技术突破口
ISAC的核心价值在于通过同一无线资源同时实现通信与感知，而5G NR中的定位参考信号（PRS）凭借独特优势成为ISAC感知的理想选择。作为3GPP Release 16引入的标准化信号，PRS具备极强的配置灵活性：物理资源块（PRB）数量可在24至272之间动态调整，支持4种频率梳状结构（Comb 2/4/6/12）和5种时域符号配置（Symbol 1/2/4/6/12），能精准适配不同场景的感知精度需求。
相比单基地ISAC，多基地系统通过分散部署的基站（gNB，发射机）和用户设备（UE，接收机）获得“分集增益”，但信号传播过程中存在三类致命问题：一是目标与gNB、UE之间的NLoS路径会导致测量值偏离真实距离，形成异常值；二是PRS的距离分辨率存在固有限制（本研究配置下约3.15m），会引入固定误差；三是现有定位方法存在明显短板——传统最小二乘法（LS）对异常值敏感，迭代加权最小二乘法（IRLS）易因初始值选择不当导致迭代发散，而基于到达时间（ToA）/到达时间差（TDoA）的方法或依赖LoS/NLoS路径先验信息，或存在参考基站偏差，难以适配无源目标（未接入网络的物体/人员）的定位需求。
更关键的是，现有研究多聚焦于联网设备定位，而无源目标在LoS/NLoS混合场景下的定位问题，尚未有结合3GPP标准约束的有效解决方案。为此，研究团队以5G NR-PRS为感知信号，针对性设计了兼顾异常值抑制与分辨率误差补偿的创新算法。
核心方法：三重优化破解多场景定位难题
研究团队提出的算法以“全场景适配、误差双消除、自适应融合”为设计核心，从信号选择、系统建模到算法优化形成完整技术链：
1. 标准化感知信号：基于5G NR-PRS的精准感知
算法直接采用5G NR中用于UE定位的PRS作为感知信号，充分利用其标准化优势——PRS序列由长度31的Gold序列生成，通过正交频分复用（OFDM）资源网格传输，UE可通过频域/时域偏移特性精准提取不同gNB的PRS信号，再经快速傅里叶变换（FFT）、逆快速傅里叶变换（IFFT）等处理，实现无模糊距离估计，为定位精度奠定基础。
2. 多基地系统建模：明确LoS/NLoS传播机制
研究构建了包含S个gNB、K个UE和1个无源点目标的多基地ISAC模型：gNB与UE位置已知（通过5G定位服务获取），目标位置待估；gNB时钟通过GPS模块同步，UE接收目标反射的PRS信号并估计双基地距离（gNB→目标→UE的总距离）。模型明确了LoS场景下的双基地距离几何表达式，同时量化了NLoS路径带来的额外传播距离误差与PRS分辨率误差的统计特性。
3. 创新算法设计：三重策略实现精度突破
针对目标可能面临的“与UE-NLoS、与gNB-NLoS、与两者均NLoS”三类场景，算法设计了针对性优化策略：
场景适配误差抵消：无需预先判断路径状态，通过计算“不同gNB到同一UE的距离差”消除目标与UE间的NLoS误差，通过“同一gNB到不同UE的距离差”抵消目标与gNB间的NLoS误差，确保LoS场景下测量值的准确性；
误差双消除机制：在优化模型中同时纳入NLoS异常值与PRS分辨率误差的统计特性，通过多维目标函数构建与梯度下降算法迭代求解，实现两类误差的同步抑制；
自适应融合鲁棒性增强：引入与IRLS的加权融合策略——密集环境（如工厂、楼宇）提升IRLS权重，开阔环境（如郊区）增加本算法权重；若IRLS迭代发散，自动切换至本算法输出，彻底规避单一算法的局限性。
实验成果：3GPP标准下的性能验证
研究基于MATLAB 5G工具箱搭建仿真平台，严格遵循3GPP TS 38.211/38.214/38.104等技术规范，模拟400m×400m区域gNB部署、200m×200m区域UE分布及150m×150m区域目标移动场景，关键配置如下：载波频率28GHz、子载波 spacing 120kHz、PRS带宽100MHz（66个PRB）、距离分辨率3.15m，异常值范围4-18m。实验结果显示：
平均定位误差较LS方法降低28%，较IRLS方法降低20%（LS为1.28m，IRLS为1.19m，本算法为0.96m）；
90分位定位误差较LS提升16%，较IRLS提升13%（LS为2.08m，IRLS为2.01m，本算法为1.74m）；
当gNB与UE数量≥4时，算法精度增益持续扩大，而LS与IRLS的性能提升逐渐趋于平缓；
在最大18m异常值干扰下，算法仍保持稳定鲁棒性，适配城市、室内等复杂环境。
研究结论：为6G ISAC落地提供关键支撑
该研究首次实现了3GPP标准约束下，利用5G NR-PRS信号在LoS/NLoS混合场景中对无源目标的精准定位，其核心贡献在于：一是突破了现有方法对先验信息的依赖，实现全场景自适应定位；二是同时抑制NLoS异常值与PRS分辨率误差，解决了误差累积问题；三是通过与IRLS的自适应融合，规避了迭代发散风险。
从应用价值来看，该算法兼容现有5G网络架构，无需额外部署专用感知设备，可直接向6G平滑演进，尤其适用于城市楼宇、室内场馆、工业厂区等复杂传播环境。未来，随着gNB与UE部署密度的提升，算法的定位精度与鲁棒性有望进一步优化，为6G“通感一体”的规模化应用注入核心动力。