当前位置：首页 > news >正文

北京理工大学 | SIM赋能的通感一体化系统发射波束成形设计

news 2026/5/27 16:42:57

研究背景

一体化感知通信（Integrated Sensing and Communication, ISAC）被认为是下一代网络最具前景的技术之一。该技术旨在通过共享硬件平台、频谱资源甚至波形，实现通信与感知系统的融合，从而缓解频谱拥塞并降低硬件成本。ISAC技术可支持增强现实、自动驾驶、低空经济和工业物联网等新兴应用场景。

为了进一步增强通信和感知能力，ISAC框架倾向于结合多天线技术，通过大规模天线阵列获得额外的空间自由度。然而，传统的基于阵列的ISAC系统面临功耗过高和硬件成本昂贵的问题，这源于大量射频链或包含移相器和微带线的复杂馈电网络。

技术创新点

为解决上述问题，来自北京理工大学的毛天奇教授团队提出了一种基于层叠式智能超表面（Stacked Intelligent Metasurface, SIM）架构的ISAC系统发射波束成形策略。SIM通过级联多层透射式超表面层，直接在电磁波域进行波束成形，与传统的依赖大量有源射频组件和模拟移相器的相控阵天线相比，显著降低了硬件复杂度和功耗。

图1. SIM赋能的ISAC系统示意图

如图1所示，系统包含一个由均匀线性阵列馈电的SIM平面阵列，同时服务NC个单天线用户和NS个感知目标。基站通过完全被动的波域波束成形，同时执行下行链路通信和雷达目标检测。

系统模型

本文考虑的SIM具有L层超表面，每层尺寸为M = Mr × Mc，其中Mr和Mc分别表示每层中每行和每列的超原子数量。基于瑞利-索末菲衍射理论，层间信道系数可表示为：

其中λ为波长，At为每个超原子的尺寸。

第l层SIM的对角相移矩阵定义为：

因此，SIM赋能的波束成形矩阵可表示为：

用户的接收信号为：

第n个用户的信干噪比（SINR）可表示为：

因此，NC个用户的总和速率为：

对于感知功能，SIM在方向{ψj, ϕk}上的波束图增益可表示为：

归一化波束图与期望波束图之间的波束匹配误差定义为：

双归一化差分梯度下降算法

为实现理想的通信与感知性能折衷，本文提出了双归一化差分梯度下降（Dual-normalized Differential Gradient Descent, D³）算法。该算法通过梯度差分和双重归一化，在梯度层面确保通信与感知目标之间的灵活权衡。

算法首先对通信和感知目标的梯度进行元素级归一化：

然后通过加权差分形成差分梯度：

其中w1和w2分别为感知和通信目标的权重系数。为缓解梯度爆炸和消失问题，对差分梯度应用全局归一化：

最后，通过以下方式更新相移：

其中学习率采用指数衰减策略：μ ← μβ。

数值仿真结果

图2. 采用所提波束成形设计的角度空间发射波束图

图2展示了所提波束成形设计获得的波束图（M=100，L=7，w1=w2=1）。可以观察到，波束图增益在感知目标方向达到最大值（约2.5×10⁻⁶），波束匹配误差为JMSE = -12.79 dB。同时，四个通信用户的波束峰值也准确定位，系统总和速率达到15 bit/s/Hz，成功实现了感知与通信功能的理想平衡。

图3. 不同系统参数下通信用户总和速率与超原子数量的关系

图3展示了所提波束成形设计在不同系统参数下的通信性能。仅感知方案（w1=1，w2=0）的通信性能极差，总和速率几乎为零。相比之下，ISAC方案（w1=w2=1）的总和速率接近仅通信方案（w1=0，w2=1），同时实现了低于-12.7 dB的波束匹配误差，验证了D³算法能够同时实现理想的通信和感知能力。

图4. 总和速率Rsum与w1、w2的关系（M=100，L=6）

图5. 波束匹配误差JMSE与w1、w2的关系（M=100，L=6）

图4和图5展示了权重对D³算法性能的影响。波束匹配误差随w1增加和w2减少而降低，总和速率则随w2增加和w1减少而上升。对于要求最小通信总和速率为5 bit/s/Hz的场景，最优权重组合为w1=0.6和w2=0.2，实现了JMSE = -13.16 dB，同时保持Rsum = 5 bit/s/Hz。

图6. 总和速率Rsum在迭代过程中的分布

图7. 波束匹配误差JMSE在迭代过程中的分布

图6和图7展示了D³算法的收敛性能。在100次独立信道实现中，算法在约15次迭代内稳定收敛。系统平均总和速率达到13.56 bit/s/Hz，平均波束匹配误差为-12.82 dB。超过70%的信道实现达到了12 bit/s/Hz以上的总和速率和-12.8 dB以下的波束匹配误差，证明了算法对信道时变的鲁棒性。